基于人类视觉特性自适应图像对比度增强.docVIP

基于人类视觉特性的自适应图像的对比度增强 抽象的存在主要是对图像的属性的图像对比度增强方法，重点处理而排除任何观察员特色的思考。在一些应用中，特别是在医疗成像领域，用于诊断目的的有效实现对比度增强，可以通过包括一些基本的人眼视觉特性。在本文中，我们应当提出一种新的自适应算法，裁缝所需的金额对比度增强图像的局部对比度和观察员刚刚值得注意的差分（JND的）为基础。该算法总是在输出图像产生足够的对比度，并且在几乎无振铃文物急剧转变的结果，甚至周围地区，这是通常在由传统的对比度增强技术，niques处理的图像出现。通过分离的图像平滑和细节方面，考虑了噪声能见度空间activ -依赖的形象，景军，对待他们的算法不同，从而避免了噪音过大的提高，这是另一种对许多现有的对比度增强技术常见问题。目前JND的引导下自适应对比度增强（JGACE）技术是非常笼统，可应用到图像的品种。特别是，它提供了数字化X线摄影的应用相当大的利益，其目标是提高图像的诊断工具。一个详细的性能评价与现有方法相比起来是考虑到展示JGACE的强等特点。 1 简介 在数字化医疗成像技术niques最近的进步导致了数字图像处理的兴趣增加。加工技术的提高，集中力量对比彪是在胸部X光片及X线摄影领域特别感兴趣。在这些地区固有的低反差是由于在X -射线衰减系数小的差异。此外，还需要作对比增强源于一个事实，即目前的下载版，显示设备，如CRT的，是许许多多不同的是可以在数字图像记录显示亮度辨别能力水平。许多方法，从简单的线性对比伸展范围（也称为窗口和平整）Sophis的高度，ticated自适应算法在图像对比度增强[1]，[2]文献报道。它们大致可分为两大类：全球技术和自适应技术。对于全局方法，一种转换适用于所有输入图像的像素，而自适应方法通常涉及的形式输入到输出的映射 （x，y）表示在该位置附近周围住宅（x，y）的一些地方特色。因此，映射f的图像自适应与地方特色的变化。全局方法可以很好的工作的一些图片。但是，往往更复杂的情况下可能有足够的图像具有相当低对比度全球对比局部细节，或对比差在图像的某些部分，但在图像的其他供应适当零件。在这些情况下的自适应对比度增强将提供重要的优势。下面简要回顾试图勾勒出一些具有代表性的技术和现有的一些需要解决的共同问题。 线性拉伸的对比是最简单的方法，即加强全球观察员能够以交互方式更改任何灰度范围图像对比度。然而，这个简单的方法难以提高图像的simulta - neously各地，并为用户交互需求，也可用于放射科医生的负担。直方图均衡化是另一种广泛使用的全球技术，可以提高图像的对比度。其输入到输出的映射是由累积分布函数，它是图像的直方图积分。由于对比度增益正比以柱状图的高度，那些人口大像??素灰度值的扩大，而其他与较少的像素灰度范围压缩。虽然直方图均衡可以有效利用显示强度，它往往overenhance图像对比度高的山峰，如果有直方图中，经常在恶劣的，输出图像噪声的外观。如果整个输入图像的空间频率范围分成几个空间频率波段和对高空间频率成分划分中的扩增相对低空间频率成分，可提高图像对比度。这个过程被称为多通道滤波。例如一个多通道滤波给予Tahoces等。谁设计了三通道滤波算法，以加强胸部和乳房X光片[31。一个多通道滤波特殊情况是锐化掩模[4]其中一个我?（Z的?）（低通滤波图像）是从大量的原始图像中减去平滑版本以获取结构化图像我?（Z的?），其中包含的中高频率的成分。结构图像对比增益放大了GS和然后重新添加到兴业（的x，y）来产生一个增强的图像。一些适应性的反锐化掩模技术，其中Gs的可对比增益自适应与图像的某些地方特色的各种基础[5] [6]。法内斯托克和Schowengerdt [7]设计了一个非常有效的自适应对比度增强方法称为局部范围改造（LRM标准），这是一个由当地最低和最高的地方决定的空间变系数线性对比度拉伸。而是计算每个像素在这两个极端，他们首先计算了图像的连续阻止这些价值观和关联的每个块中心像素他们，然后应用了二维线性插值估计其他任何地方极端像素的形象。这种方法大大减少了计算负担，使得算法效率大大提高。 如果区域直方图用于创建本地不同灰度变换，图像对比度可以改善较小的区域。此过程通常被称为自适应直方图均衡（阿合），并使用凯查姆等人第一。 [8]，后来在多个[10]其他作品 - [会]。一个滑动窗口在每个像素为中心，其中用于计算和局部直方图均衡，改变了该像素值。对于一个大小为N * N的像素的图像，氮气当地直方图需要来计算的。这种耗时的程序已经改善皮泽等。 [101的方法相似，LRM的了。将图像划分成块和直方图均衡化映射只计算每个块并分配给它的中心像素。那么对于任何其它像素映射功能是从bilinearly