本发明专利技术公开了一种基于双高斯差模型的自适应图像目标增强方法，属于数字图像处理领域。所述方法基于生物视觉感受野的侧抑制现象建立图像空域滤波的双高斯差（DOG）模型。利用水面图像中目标和噪声灰度分布的先验知识以及兴奋性与抑制性作用相抵的约束关系选取模型参数，以达到局部最优的增强效果。本发明专利技术在增强目标、抑制背景和滤除噪声的综合性能方面优于传统的空域高通滤波器，增强后的图像不仅具有良好的视觉效果，同时满足了后续运动矢量估计对相关运算信噪比的需求。
【技术实现步骤摘要】
本专利技术设及一种图像目标增强方法，尤其设及一种基于双高斯差模型的自适应图 像目标增强方法，属于数字图像处理
技术介绍
大尺度粒子图像测速是一种新兴的瞬时全场流速测量技术，不仅可用于常规条件 下明渠素动特性和时均特性的研究，其非接触特性更具有极端条件下河道水流监测的应用 潜力。然而相比受控的实验室条件，现场条件下河流水面成像的光学环境要复杂得多。首 先，满足跟随性要求的示踪物通常具有较小的尺寸，对于视场区域高达数千平方米的大尺 度河流，示踪物在水面图像中往往表现为弱小目标，甚至是点目标；其次，河流水面是空气 和水介质的临界面，水面光学成像不仅受到大气散射噪声的影响，还受到水面反射噪声和 水下出射噪声的干扰。该些噪声不随水流运动但却随时间动态变化，在图像中形成极明、极 暗或纹理复杂的干扰模式并具有较大的空间尺度，降低了目标和水面背景间的对比度。不 仅人眼难W辨识，而且降低了相关曲面的信噪比，甚至引起错误的运动矢量估计结果。因此 开展河流水面图像目标增强方法的研究具有重要的理论意义和应用价值。 现有大尺度粒子图像测速方法要么不做目标增强处理，要么沿用传统粒子图像测 速技术中的目标增强方法。直方图均衡化该类灰度变换算法虽然能改善图像的视觉效果， 但对目标和背景的对比度增强作用有限；而中值滤波等平滑滤波算法不仅无法消除水面特 有的光学噪声，反而会削弱目标的细节信息。对于水面光学噪声，现行做法主要通过选择合 适的拍摄角度来回避，往往给后续的系统标定和流量估计带来不便。基于水体及示踪物的 光谱特性差异近红外成像方法从硬件上实现了水面目标的实时增强，但依然存在强背景噪 声的干扰。后续采用空域高通滤波能够在很大程度上抑制低频的背景，但固定的卷积模板 没有考虑局部水面图像中目标、背景和噪声的分布和统计特性，难W达到最优的增强效果。 感知系统是生物体的信息输人通道，对生物的行为和决策具有重要作用，因而感 知仿生技术的研究有助于许多工程问题的解决。特别是生物视觉系统卓越的目标检测和跟 踪能力是现有计算机视觉技术无法比拟的，因而计算模型与生物系统不断融合的处理思想 正成为当前计算机视觉研究的重要发展方向。
技术实现思路
本专利技术针对现有方法的不足，提供了一种基于双高斯差模型的自适应图像目标增 强方法。方法受生物视觉感受野机制的启发，采用双高斯差模型对图像进行空域滤波增强 处理，并利用水面图像中目标和噪声灰度分布的先验知识W及兴奋性与抑制性作用趋于相 抵的约束关系求解模型参数，使之能够根据局部图像的统计特征自适应地改变滤波模板， W达到局部最优化增强的目的。 该方法通过W下技术手段实现： 基于双高斯差模型的自适应图像目标增强方法，分为W下五个步骤：的积分区间内，曲线Gi、G2与零点基线围成的面积应当相等，即； 通过查询标准正态分布表获得高斯函数Gi、G2的累积概率Pi、P2,将上式表示为： AA(-W《X《W) =A2P2(-W《X《W)令模板半径w=a02,其中1.5《a《3,定义积分区间内两个高斯函数能量分 布的比例因子：[001 引由此建立了敏感度Ai和A2间的约束关系。 (2)模型离散化。二维高斯函数的离散化表达式为： 其中，（i，如表示模板权值所在的位置，有1《i《2W+1，1《j《2W+1。根据河 流水面图像中目标和随机噪声平均半径的先验知识对0 1、0 2和a进行取值。代入上式可 得两个归一化高斯函数的卷积模板Gi(i，j)、G2(i，j)。模型离散化后积分区间内的比例因 子为：[001 引 则二维双高斯差模型的离散化表达式可W写成： 当敏感度参数Ai= 1时，代入参数0 1、0 2、w和n得到归一化的卷积模板。采用 一种从中屯、权值中减去模板所有元素之和的方法对权值取整引起的截断误差进行 补偿，即； 由此确定了一个唯一的归一化DOG卷积模板。 (3)图像空域滤波。双高斯差模型采用描述兴奋性和抑制性作用的分布函数描述 GC感受野对光刺激的空间响应，并W此为权重计算细胞上的总光通量。对于二维图像信号， 该滤波过程表示为如下的空域卷积形式： g(x，y) = I(x，y)蝴0G(i，j) (4)求解敏感度参数。考虑到滤波后图像g(x，y)中的最大灰度值代表了目标的灰 度峰值，将Ai定义为目标强度相对于最大图像灰度级的灰度拉伸比，即； Ai= 255/max(g(x,y))[002引 （5)图像灰度拉伸。采用敏感度参数Ai对空域滤波后的图像进行灰度拉伸，得到 自适应增强的图像：g' (x,y) =A?g(x,y) 所述的图像空域滤波器采用ON型视觉感受野的双高斯差值OG)模型构建。模型中 两个高斯函数分别代表兴奋性和抑制性分布，通过二者之差来模拟视网膜神经节细胞（GC) 感受野的空间特性。其归一化的一维和二维表达式分别如下：[003引其中，Gi、G2分别为表示兴奋性和抑制性分布的零均值高斯函数；A1和A2分别表示 两种分布的敏感度，满足Ai>A2;标准差0 1和0 2分别表示两种分布的空间散布程度，满 足 0 1< 0 20 本专利技术具有W下有益效果： 本专利技术采用的双高斯差模型模拟了视网膜神经节细胞感受野"中屯、兴奋-外周抑 审IJ"的空间特性，在本质上是一个从原图中滤除背景和噪声分量，得到尺度介于两个高斯函 数标准差之间目标分量的带通滤波器。目标和噪声尺度的先验知识决定了双高斯函数的空 间散布程度，而兴奋性和抑制性作用相抵消的约束建立了有限积分区间内双高斯函数敏感 度间的关系。根据水面图像中目标分量应在图像中占主导但避免出现饱和的原则，采用灰 度线性拉伸机制实现了模型中敏感度参数的自适应选取，符合调制强度随外界刺激发生变 化的生理特性。方法在提高图像信杂比、相关曲面信噪比和矢量正确率方面均优于采用固 定模板的传统空域高通滤波方法，并具有计算简便、可操作性强、参数和滤波效果间关系明 确的优点。【附图说明】 图1是本专利技术中河流水面成像的光学环境示意图。 图2是本专利技术中近红外波段的河流水面测试图像。[003引图3是本专利技术中典型水面目标的灰度分布图。 图4是本专利技术中典型水面背景的灰度直方图。 图5是本专利技术中GC感受野的同屯、圆分布示意图。[004U 图6是本专利技术中ON型感受野双高斯差模型的空间分布图。 图7是本专利技术中自适应图像目标增强方法的流程图。【具体实施方式】 下面结合附图对本专利技术的技术方案进行详细说明： 本专利技术中河流水面成像的光学环境如图1所示。河流水面是一种典型的气-水交 界面，到达图像传感器的总福射量L可W描述为：L(入）=L曰（入）+Lr(入）+L〇(入）+Lt(入） (1) 式中，L,、Lf、L。和Lt分别对应于大气散射光、水面反射光、水下出射光及目标反射 光的福射分量，福射强度是波长A的函数。其中目标反射光是有用信息，仅占总福射量的 很小一部分；而其余光福射分量应当被视为背景噪声，对总福射量起主要贡献。由于在近红 外河流水面图像中目标fi、背景fe和噪声fW互不相关，可W采用S者的灰度线性叠加建立 图像的数学模型，描述如下： I (x, y) = fx (x, y) +fB (x, y)+f^(x, y) (2) 理想的水面成像测速图像应当仅保留目标的灰度分量，而其本文档来自技高网...
【技术保护点】
一种基于双高斯差模型的自适应图像目标增强方法，其特征在于包括以下五个步骤：(1)建立敏感度约束关系，感受野在均匀光照下的兴奋性与抑制性作用趋于相抵，用于抑制空间频率中的直流分量，从而适应不同的环境光强，根据这一生理现象，在均值附近[‑w,w]的积分区间内，曲线G1、G2与零点基线围成的面积应当相等，即：通过查询标准正态分布表获得高斯函数G1、G2的累积概率P1、P2，将上式表示为：A1P1(‑w≤x≤w)＝A2P2(‑w≤x≤w)令模板半径w＝ασ2，其中1.5≤α≤3，定义积分区间内两个高斯函数能量分布的比例因子：由此建立了敏感度A1和A2间的约束关系；(2)模型离散化，二维高斯函数的离散化表达式为：其中，(i,j)表示模板权值所在的位置，有1≤i≤2w+1，1≤j≤2w+1，根据河流水面图像中目标和随机噪声平均半径的先验知识对σ1、σ2和α进行取值，代入上式可得两个归一化高斯函数的卷积模板G1(i,j)、G2(i,j)，模型离散化后积分区间内的比例因子为：则二维双高斯差模型的离散化表达式可以写成：当敏感度参数A1＝1时，代入参数σ1、σ2、w和η得到归一化的卷积模板，采用一种从中心权值mw+1,w+1中减去模板所有元素之和的方法对权值取整引起的截断误差进行补偿，即：由此确定了一个唯一的归一化DOG卷积模板；(3)图像空域滤波，双高斯差模型采用描述兴奋性和抑制性作用的分布函数描述GC感受野对光刺激的空间响应，并以此为权重计算细胞上的总光通量，对于二维图像信号，该滤波过程表示为如下的空域卷积形式：g(x,y)＝I(x,y)*DOG(i,j)(4)求解敏感度参数，考虑到滤波后图像g(x,y)中的最大灰度值代表了目标的灰度峰值，将A1定义为目标强度相对于最大图像灰度级的灰度拉伸比，即：A1＝255/max(g(x,y))(5)图像灰度拉伸，采用敏感度参数A1对空域滤波后的图像进行灰度拉伸，得到自适应增强的图像：g′(x,y)＝A·g(x,y) 。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张振，韩永琳，赵梦，梁苍，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。