圖像重建下視覺信息傳達優化方法仿真

聶青青,張文博

(山西農業大學,山西 晉中 030801)

1 引言

數字圖像本質上是一個二維矩陣,矩陣中各個點為圖像的像元[1]。但是由于目前數字圖像通常為三維圖像,因此二維平面圖像在轉化成三維圖像時容易出現圖像轉換不完整以及圖像破損嚴重等問題,這樣會直接對圖像的視覺信息傳達帶來嚴重影響。當傳統的視覺信息傳達[2]方法無法滿足當前人們對于視覺信息傳達效果的需求,提出更加簡潔高效的視覺信息傳達效果優化方法,就變得尤為重要。

文獻[3]方法首先建立一個卷積神經網絡,并讓該網絡同時具備不同尺度的卷積核,通過對網絡的訓練完成圖像初步特征提取;再設計一個跳躍的連接結構深度提取圖像特征;最后通過圖像特征展開權重計算和照度估計,通過計算結果有效提升圖像的亮度、對比度,實現視覺傳達時的效果優化。文獻[4]方法首先建立一個Exposure框架圖像增強模型,并引入相對均值生成對抗網絡強化學習框架,增加模型的辨別器辨識能力;再將行動者-評論家算法中的目標函數作為梯度算法的懲罰策略,提升模型的圖像增強能力;最后通過優化后的模型完成對圖像視覺信息傳達效果的提升。文獻[5]方法首先建立一個Retinex模型,在圖像空間中將圖像V通道復制到Retinex模型的各個層級中;再通過模型增強層,采用加權引導濾波消除圖像光暈,在亮度增強層級通過自適應歸一化函數進一步增強圖像亮度;最后通過細節突出層級結合人工蜂群算法突出圖像的細節,實現圖像視覺信息傳達效果的優化。

上述方法通過圖像增強處理均能夠達到視覺效果優化的目的,但是由于未對圖像展開去噪處理,導致上述方法的圖像視覺信息傳達效果優化效果不佳。為解決上述問題,提出基于圖像重建的視覺信息傳達效果優化方法。

2 圖像重建

在視覺信息傳達時,圖像經常會在傳達過程中出現破損與缺失問題,同時圖像內部的噪聲也會影響圖像的視覺信息傳達效果,為提升圖像在視覺信息傳達時的傳達效果,在視覺信息傳達時,需要及時濾除圖像中的噪聲,對圖像展開重建,初步提升圖像信息傳達時的效果。

2.1 圖像去噪

在濾除圖像噪聲時,首先需要建立一個PM模型,通過模型中的梯度算子區分噪聲對圖像梯度變化以及邊緣圖像梯度變化的影響,劃分完成后去除噪聲引起的變化狀態,保留邊緣最大梯度值,經由迭代計算,獲取去噪后的圖像,完成圖像噪聲的濾除[6,7]。

首先設定梯度算子為△,散度算子為α,以此建立PM模型,模型表述形式如下式所示:

(1)

檢測圖像噪聲時,首先將模型中的SUSAN模板與圖像像素重合,模板遍歷所有圖像后,通過模板中心像素灰度差值的計算,獲取圖像噪聲的辨識函數,結果如下式所示:

(2)

獲取邊緣檢測函數之后,設定圖像的梯度方向為η1,垂直梯度為η2,圖像特征向量擴散強度設定成μsum,以此確定圖像FFS區域。基于確定的FFS區域獲取各個像素點的四鄰域差值,計算圖像各個像素點的灰度值與灰度閾值,結果如下式所示:

(3)

確定圖像閾值參數后,將獲取結果帶入式(2)展開計算,通過計算結果,劃分圖像中噪聲以及邊緣,并對噪聲實施濾除處理,實現圖像的去噪。

2.2 圖像重構

圖像去噪后,提取圖像特征,實現圖像重構[9,10],初步實現圖像視覺信息傳達效果的提升。

PCANet算法是典型的線性分析方法,但是由于該方法無法有效提取圖像的非線性特征,所以需要引入核函數結合PCANet模型,實現圖像深度特征的提取,特征提取流程如下:

1)對圖像實施采集,并將采集圖像縮放至原始圖像大小,獲取對應的LR圖像。將圖像對數量設定成q,將采集圖像用k×k大小的滑動窗口分解成m×n個圖像塊,并將分割的圖像塊轉換成矩陣形式。

2)將采集的圖像整合成樣本集,通過非線性映射函數φ(·)映射至高維空間中。

3)完成映射后,設定模型中i層級的濾波數量為κ1,以此計算輸入矩陣的最小化重構誤差,建立濾波矩陣,獲取圖像特征向量[11]。

基于上述提取的圖像特征值,利用PCANet模型[12]對特征實施二值哈希編碼,將特征圖像再次分解成若干特征映射,獲取圖像的稀疏系數值。映射函數確定后,基于獲取的濾波以及特征映射建立重構目標函數,通過函數最優解對濾波器及其對應特征實施卷積實現圖像重構,初步實現圖像視覺信息傳達效果的提升,結果如下式所示

(4)

式中,建立的目標函數為{fh,ω},濾波器能量為e,圖像重構結果為zcg,特征圖像為mh。

3 圖像視覺信息傳達效果優化

完成圖像重構后,能夠初步提升圖像視覺信息傳達效果,在此基礎上,通過對重構圖像亮度、細節的增強處理[13],實現圖像視覺信息傳達效果的進一步優化。在圖像增強過程中,將圖像的增強流程分為亮度增強與圖像細節增強兩個部分,首先對圖像整體亮度展開增強處理;基于處理結果建立局部細節增強模型,制定目標函數,通過目標函數計算結果,完成圖像的細節增強;最后將二者整合,提升重構圖像的亮度、細節信息,完成圖像視覺信息傳達效果優化。

3.1 基于HSV空間的圖像增強方法

完成圖像重構后,雖然能夠極大限度的保證圖像整體性,但是重構后圖像會出現顏色失真的現象,因此需要對圖像實施HSV空間增強[14]。

在圖像空間中,設定圖像RGB空間的[R,G,B]向量不僅代表圖像顏色,還表示圖像的亮度信息,將圖像內部兩個像素點設定成[R1,G1,B1]、[R2,G2,B2]形式,以此獲取圖像的空間顏色比例值,過程如下式所示

(5)

式中,圖像的空間顏色比例值為υ。

為增強圖像的整體顏色,需要對圖像各個像素點的亮度實施增強處理。設定圖像的亮度增益曲線為φld(p,q),HSV顏色空間的V分量即為圖像亮度分量,以此提取圖像亮度分量值,基于亮度分量值提取結果,獲取圖像的亮度反射分量,即可實現圖像的整體亮度增強。

但是由于增強時將原始圖像亮度低的部分同時進行了增強處理,導致圖像暗部出現噪聲,失去原有細節,因此需要建立調節因子對顏色亮度分量展開調節,降低圖像噪聲,提升圖像局部細節,結果如下式所示

λ(p,q)=ο·sin[π·V(p,q)/255]

(6)

式中,調節幅度為ο,待增強亮度值為V(p,q),調節因子為λ(p,q),正弦曲線向量為sin 。

3.2 細節增強方法

圖像完成整體增強后,為進一步突出圖像的細節,需要利用圖像的全局、局部信息,建立圖像的局部線性增強模型,模型表述形式如下式所示

(7)

式中,細節增強輸出結果為θlocal(p,q),鄰域標準差為ε(p,q),全局均值為D,變化系數為u。

為使模型增強效果達到最佳,且滿足自適應要求,根據上述建立的模型制定最佳目標函數,從而更好的完成圖像的細節復原[15],實現圖像視覺信息傳達效果優化,目標函數表述形式如下式所示

(8)

式中,建立的目標函數為?,圖像灰度級為H,增強后的圖像為E(p,q)。

基于上述圖像增強結果,提升圖像視覺傳達信息的完整度,增強圖像局部細節,從而實現對圖像視覺信息傳達效果的優化。

上述分析從理論角度對圖像視覺信息傳達效果進行了優化,為了進一步提升圖像視覺傳達優化的可視化效果,通過UI界面將視覺傳達圖像與信息傳遞給用戶,提升用戶的視覺感受效果。本文所設計UI界面如圖1所示。

圖1 圖像視覺信息傳達UI界面示意圖

由圖1可知,UI界面主要包括三層架構,其中,視覺傳達要素主要包含5個方面:色彩、文字、圖標、圖片以及空間。通過對上述五個元素的處理將增強后的圖像傳輸至可視化展示界面,實現可視化UI界面與用戶的實時交互。

4 仿真研究

為了驗證上述圖像視覺信息傳達效果優化方法的整體有效性,需要對此方法測試。實驗所用圖像來自The MNIST Database數據集,基于MATLAB仿真軟件測試所提方法、文獻[3]方法和文獻[4]方法的優化效果,通過對比測試,驗證所提方法的有效性。

測試過程中,使用PhotoShop5.0軟件作為圖像處理軟件,測試流程如下:

1)通過梯度算子獲取垂直方向梯度圖像,進而取得圖像梯度幅值,對不同優化圖像實施灰度處理,獲取灰度圖像,通過軟件內部Filter->Stylize->Find Edges完成圖像邊緣抽取,獲取不同方法的圖像邊緣,展開邊緣完整性測試。

2)將不同方法優化后的圖像實施平滑、銳化處理,獲取不同圖像去噪結果,通過對比驗證不同方法的去噪效果。

3)使用不同方法對原始圖像實施效果優化,獲取不同方法的視覺傳達效果增強圖像,對三種方法優化后的圖像展開對比測試,驗證不同方法的有效性。

通過上述測試流程,對不同方法展開性能檢測,獲取不同圖像優化方法的優化效果。

1)圖像傳達信息優化效果測試

基于上述三種方法開展圖像視覺信息傳達效果優化時,為驗證上述三種方法的有效性,去噪效果和優化效果兩個方面,測試所提方法、文獻[3]方法以及文獻[4]方法的視覺傳達信息優化效果。

采用所提方法、文獻[3]方法以及文獻[4]方法開展圖像視覺信息傳達效果優化時,圖像去噪過程尤為重要,去噪效果的優劣能夠直觀反映信息優化方法的優化效果,上述三種方法的去噪效果測試結果如圖2所示。

圖2 不同方法的去噪效果監測結果

分析圖2可知,文獻[3]方法能夠明顯看出圖像暗部區域的處理偏差較大,容易丟失大量的細節信息;文獻[4]方法雖然去噪效果優于文獻[3]方法,但是圖像整體亮度較低;所提方法由于在圖像信息優化前就對圖像展開去噪處理,使得圖像優化后的邊緣信息完整,整體圖像去噪效果更自然。

基于上述測試結果,將三種方法實際應用于視覺信息傳達效果優化中,以檢測上述三種方法的圖像信息實際優化效果,結果如圖3所示。

圖3 不同方法的視覺信息傳達優化效果圖

分析圖3可知,所提方法的優化效果明顯優于其它兩種方法的圖像視覺信息優化效果。由此可證明,使用所提方法開展圖像傳達信息優化時,優化性能好。

2)優化時間測試

基于上述測試結果,對上述三種方法在視覺信息優化時所用耗時展開測試,測試結果如表1所示。

表1 不同方法的信息優化耗時測試結果

分析表1可知,圖像中邊緣信息越多,視覺信息在傳達時所需要的優化時間越長。其中所提方法能夠在圖像數量不斷增加,且邊緣信息越來越多的情況下,將優化耗時控制在60ms內,低于文獻[3]方法和文獻[4]方法,進一步證明了所提方法在開展圖像視覺信息傳達效果優化時具有較高的圖像處理效率。

5 結束語

隨著圖像在信息傳遞中起到的作用越來越大,圖像的視覺信息傳達效果優化就變得尤為重要。針對傳統圖像的視覺信息優化方法中存在的問題,提出基于圖像重建的視覺信息傳達效果優化方法。該方法基于圖像去噪結果提取圖像特征,完成圖像重構,并結合圖像亮度提升以及細節突出增強等處理方法對重構圖像展開進一步增強優化,實現視覺信息傳達效果優化提升。該方法由于在圖像特征提取時還存在問題,今后需要針對該項問題,優化該方法。