基于分段常数直方图模型的亮度保持图像增强.pdfVIP

第6卷第6期 南 阳 理 工 学 院 学 报 V01．6No．6 2014年 11月 JOURNAL OF NANYANG INSTITUTE OF TECHNOLOGY NOV． 2O14 基于分段常数直方图模型的亮度保持图像增强 聂 超 (杭州电子科技大学通信工程学院 浙江 杭州 310018) 摘 要：提出了一种新的精确亮度保持对 比度增强算法 。将 目标直方图显式描述为分段常数模型，然后通过亮度 保持约束和其他准则确定模型参数，最后应用直方图规定化完成图像增强。实验结果表明，算法在亮度精确保持 的同时能够达到较好的图像增强效果 。 关键词 ：对 比度增强 ；亮度保持 ；分段常数模 型；直方图规定化 达到增强 目的 。或者，也可 以对原直方 图进行 0 引言 某种修正，再进行直方图均衡化来完成增强¨ 。 本文 的工作借鉴推广了以上的思路 ，首先假设 直方图均衡化 (HE)…是图像增强 中最常见的 目标直方图为参数化分段常数模型，并通过精确亮 算法，其本质就是寻求一灰度变换 ，在其作用下使得 度保持约束及其他准则确定模型参数 ，最后利用直 输出图像呈现均匀直方 图，从而达到扩大对 比度的 方图规定化获得增强结果。实验结果表明，所提 出 效果 。理论上可以推得 ，所需的灰度 映射正是输入 的方法可以作为对比度增强方法的一种有效选择。 图像直方 图累积分布 函数。由于 HE算法简便有 效 ，应用十分广泛 ，但同时也存在过度增强 问题 ，譬 1 直方图均衡化和规定化的理论基础 如输入输出图像之间的均值偏差过大或其他的一些 不 自然的现象，这在一定程度上限制了HE在诸如 假设输入与输 出灰度变量 r与 s都理想化为 区 消费电子等领域的直接应用 。 间[0，1]上的连续随机变量，原始概率密度与 目标 针对这些 问题 ，Kim 首次提出亮度保持双直 概率密度分别为P，(r)和P(s)，根据两随机变量之 方图均衡化 (BBHE)，以输入图像均值作为 阈值将 间的函数关系有如下等式 ： 直方图分成两部分 ，然后独立地对两个子直方 图分 P，(r)dr=P(s)ds (1) 别进行 HE处理 。类似地 ，Wang等人 提 出了二元 积分后可得 ： 子图像直方 图均衡化 (DSIHE)，与 BBHE唯一 的不 ps fP(r)dr=JP(s)ds (2) 同是将分割 阈值设为输入图像的中值。进一步的推 J 0 J 0 广可以将分割阈值也作为设计参数，譬如将亮度保 此即所需 的单调灰度变换 的隐函数形式。当P(s) 持最佳的灰度作为分割 阈值 ，这就是 Chen等人H =1时 ，就是均衡化情况。而且 ，在原始概率密度 提出的最小亮度误差双直方 图均衡化算法 (MMBE． 固定的情况下，目标概率密度与单调递增灰度变换 之间具有一一对应关系。 BHE)。此外 ，Chen等人 又提 出了递归均值分割 实际的灰度是离散取值 的，因此一般 的做法是 直方图均衡化算法 (RMSHE)，这相当于 BBHE的递 归版本 。类似地还存在其他的