基于人眼視覺特性的交互界面圖像增強仿真

張曉娜,張曉明

(1. 晉中信息學院信息工程學院,山西 晉中 030800;2. 中北大學儀器與電子學院,山西 太原 030051)

1 引言

人和計算機最直接的通信載體就是交互界面,通過該界面能夠對信息傳遞,是人們獲取信息的有效形式之一。但是在交互界面顯示過程中,會受到電路噪聲、傳輸損耗等噪聲的影響,導致交互界面圖像質量較差,不能很好地貼合人眼直接觀察到的圖像。圖像增強是一種圖像處理技術,在增強后能夠提高圖像視覺效果,并且在處理后的圖像更適合用于參數(shù)估計與圖像分割中,可見圖像增強方法是非常重要的。

有許多學者研究了圖像增強的方法,其中,文獻[1]研究了一種基于MR-VAE的低照度圖像增強方法,該方法主要對圖像進行分階段重建,分階段解決圖像失真問題,完成圖像的增強;文獻[2]研究了一種基于U-Net生成對抗網(wǎng)絡的低照度圖像增強方法,該方法主要采用生成網(wǎng)絡對圖像特征映射,從而達到圖像增強的目的。上述學者研究的圖像增強方法雖然能夠對圖像增強,但是增強效果不佳,常出現(xiàn)信噪比低等問題。

人眼視覺系統(tǒng)是接收外界圖像信息的主體,也是評估圖像質量的有力工具,其對圖像感知過程類似于信號處理過程。人在接收到圖像刺激后會采集到光信號,在視網(wǎng)膜形成圖像,在神經(jīng)細胞接收到信號刺激后會將其轉換為生物電信號,經(jīng)過傳遞后到達視覺中樞對信息處理,得到感知圖像。基于人眼視覺特性這一優(yōu)點,將其應用到交互界面圖像增強中,期望解決當前圖像增強存在的問題。

2 基于人眼視覺特性的交互界面圖像增強方法

2.1 圖像去噪處理

在圖像增強之前預先對圖像轉換[3],轉換公式如下

(1)

式中,Xk代表頻域參數(shù),em代表圖像復數(shù),N代表圖像的像素數(shù)。

經(jīng)上述處理后將低頻信息轉換到圖像的中心位置,進行集中處理[4]。而越靠近中心位置的圖像頻率越低,即圖像細節(jié)不足,為此將帶通濾波算法應用到其中,該算法能夠將高通和低通濾波組合[5],計算公式如下

(2)

式中,x代表圖像坐標參數(shù),H代表圖像頻譜的掩碼值,W代表圖像的帶寬,D0代表圖像處理過程中的截斷頻率。

通過上述計算能夠對圖像中中頻信息進行刪除或者保留,完成噪聲的處理。

2.2 亮度敏感特性計算

在上述去噪處理基礎上,將人眼視覺特性系統(tǒng)應用到圖像處理中,人眼視覺系統(tǒng)感知模型如圖1所示。

圖1 人眼視覺系統(tǒng)感知模型

交互界面圖像是具有一定的亮度的[6],在一定亮度下,人眼可以感受到最小的亮度誤差,而人眼對于交互界面的亮度具有自我調節(jié)能力[7],人眼主觀感受與亮度之間的關系表示為

(3)

式中,ΔA代表人眼感知的亮度值,M代表交互界面圖像的平均亮度值,ΔL代表實際亮度增益,L代表客觀亮度值。

對等式兩邊進行積分計算[8],公式如下

A=Mlog2L+M0=M′LnL+M0

(4)

式中,M′、M0均代表常數(shù)。

對于亮度光柵,采用對比度定義,公式如下

(5)

式中,Lmin、Lmax分別代表交互界面亮度的最小值與最大值。

而人與人之間的視覺敏感度不同[9],即視敏特性,將視敏函數(shù)表示為

W(λ)=1/R(λ)

(6)

式中,W(λ)代表人眼對于光的敏感性參數(shù),R(λ)代表輻射功率值。

通過上述過程完成對亮度敏感特性的計算,獲取符合主觀視覺感受的處理效果。

2.3 基于人眼感知的圖像空間頻率計算

圖像空間頻率主要是指圖像在單位視角內亮度條紋的重復周期數(shù)[10],將人眼觀察視角計算公式表示為

(7)

式中,S代表交互界面圖像寬度參數(shù),D代表人眼到圖像中心的距離參數(shù)。

而實際的交互界面圖像通過人眼的視覺系統(tǒng)后相當于對該圖像進行了傅里葉變換,如果想要融合人眼視覺特性實現(xiàn)對交互界面圖像的增強處理[11],就需要將圖像轉換到傅里葉空間中。將圖像經(jīng)過變換得到的頻譜圖表示為F(u,v),將人眼視覺空間頻率[12]表示為

(8)

式中,u、v代表變化后圖像的頻譜圖的位置,p代表圖像視角。

當u、v位于圖像中心位置時,能夠反映出圖像在空域中的直流分量。

通過上述計算,重新調整圖像像素值,使其重新分布,提高像素點的分布概率,為后續(xù)圖像增強提供基礎。

2.4 圖像灰度變換

對圖像進行灰度處理,其過程如下所示:

Step1:將上述采樣處理后的圖像分解[13],分解為高斯金字塔形式;

Step2:分層提取金字塔每一層的特征,提取多個初級視覺特征;

Step3:獲取顯著圖[14],采用全局加強法提取映射圖并對其合并,將計算公式表示為

(9)

式中,I(c,s)代表圖像顯著性描述參數(shù),G代表顯著特征歸一化處理參數(shù)。

Step4:將上述獲得的顯著圖看作一個凹凸不平的曲面,進行圖像灰度處理,公式如下

E=|I(x1,y1)-I(x0,y0)|

(10)

式中,g代表處理過程中的隨機參數(shù),I(x1,y1)、I(x0,y0)分別表示圖像像素點的分形參數(shù)與灰度參數(shù)。

通過上述計算,完成灰度圖像的處理。

2.5 交互界面圖像增強實現(xiàn)

在上述圖像灰度處理的基礎上,對圖像增強,整個增強過程如圖2所示。

圖2 圖像增強過程

假設圖像主要由亮度圖像和反射圖像構成,將亮度圖記作L(x,y),反射圖像記作R(x,y),將其表示為

Ri(x,y)=log2Ii(x,y)-log2[F(x,y)*Ii(x,y)]

(11)

其中,F(x,y)、Ii(x,y)分別代表像素值的色彩譜和像素值的高斯環(huán)繞函數(shù),*代表卷積符號。

上述過程能夠將非本質因素照射參數(shù)排除在外,保留反射圖像[15],但是上述計算對于圖像的細節(jié)保留較差,為此需要進一步處理

(12)

式中,Fn(x,y)代表圖像細節(jié)參數(shù),Wn代表圖像尺度常量參數(shù)。

通過上述計算能夠在保證圖像高精度的同時,壓縮圖像動態(tài)范圍。上述計算方法雖然對圖像細節(jié)進行了處理,但是會使噪聲增加,導致圖像出現(xiàn)局部失真,為解決這個問題,將色彩調節(jié)因子引入到圖像處理中[16,17],表示為

R=Ci(x,y)RMSR i(x,y)*β/T

(13)

式中,Ci代表第i個通道的色彩調節(jié)因子,RMSR i代表第i個通道的映射函數(shù),β代表圖像處理中的增益常量,T代表非線性強度參數(shù)。

在上述處理后會導致圖像像素值出現(xiàn)負值,為此需要修正圖像[18,19],公式如下

R(x,y)′=GRMSRCR(x,y)+O

(14)

式中,G代表修正參數(shù),O代表補償參數(shù)。

經(jīng)過上述處理后,能夠保證圖像色彩與細節(jié)均被增強,以此完成交互界面圖像的增強[20]。

3 仿真研究

為驗證此次研究的交互界面圖像增強方法的有效性和可信性,進行仿真,并將基于MR-VAE的圖像增強方法、基于U-Net生成對抗網(wǎng)絡的圖像增強方法與所研究方法對比,分別從主觀角度與客觀角度科學地評價圖像增強效果。

3.1 實驗準備

此次研究的實驗在某實驗室的計算機上進行,采用的實驗系統(tǒng)為windows10系統(tǒng),其中主觀評價,主要是指人對于處理后的圖像的主觀感受。實驗中應用到的圖像如圖3所示。

圖3 主觀評價實驗圖像

客觀評價主要通過數(shù)學定理計算對應數(shù)值,以客觀地反映出圖像的一些特征。采用的主要指標如下:

平均梯度,該值主要顯示的是圖像邊界處明顯的灰度差異參數(shù),即表征圖像清晰程度的參數(shù),該值越大代表圖像層次越復雜,清晰度越高,計算公式如下所示

(15)

式中,F(x,y)代表圖像在(x,y)點的灰度值。

峰值信噪比,該值的計算公式如下所示

(16)

除此之外,對比三種方法處理后的均方誤差,其計算公式如下

(17)

式中,ri、ej代表圖像像素值。

經(jīng)上述準備后,進行實驗,詳細的實驗結果如下所示。

3.2 主觀評價

所研究的圖像增強方法與其它兩種圖像增強方法的增強對比結果如圖4所示。

圖4 圖像增強效果對比

基于上圖能夠發(fā)現(xiàn),基于MR-VAE的增強方法在增強過程中損失了大量的亮區(qū)細節(jié)信息,還包含較多噪聲;基于U-Net生成對抗網(wǎng)絡的方法在增強過程中,左半部分的噪聲較多,整體視覺效果較差。而所研究的基于人眼視覺特性的交互界面圖像增強方法能夠較好地保留圖像細節(jié)信息,沒有出現(xiàn)圖像噪聲,具有較好地圖像增強效果。

3.3 平均梯度對比

三種圖像增強方法增強后圖像平均梯度對比結果如下圖5所示:

圖5 平均梯度對比

依據(jù)上圖5能夠發(fā)現(xiàn),經(jīng)過所研究的交互界面圖像增強方法增強后,平均梯度是最高的,說明經(jīng)過所研究方法增強后圖像層次感較好,并且紋理較為突出。另外兩種方法平均梯度值較小,說明增強后的圖像層次感依舊較差,增強效果較差。

3.4 峰值信噪比對比

圖6為三種方法增強后圖像峰值信噪比對比結果。

圖6 峰值信噪比對比

通過上圖能夠發(fā)現(xiàn),所提出的增強方法增強后圖像信噪比最高,說明圖像的失真程度最小,有效提高了圖像質量。另外兩種方法增強后圖像信噪比較低,圖像質量較差。

3.5 均方誤差對比

均方誤差主要代表原始圖像與失真圖像像素值之間的均方值,三種方法的對比結果如下圖7所示。

圖7 均方誤差對比

基于上述結果能夠發(fā)現(xiàn),經(jīng)過所研究方法處理后,均方誤差較低,其均方誤差始終低于4%,較其它兩種方法均方誤差都低。說明經(jīng)所研究方法處理后圖像失真程度較低,獲得了較好的處理效果。

4 結束語

為了提升圖像增強效果,改善圖像質量,基于上述過程完成基于人眼視覺特性的交互界面圖像增強方法,通過分析實驗結果可知,本文方法取得了較好的應用效果,此次研究的方法主要完成了以下工作:

第一,預先對圖像去噪處理,并將人眼視覺特性應用到圖像處理中;

第二,充分利用人眼視覺特性,將圖像灰度級信息分配到不同區(qū)段中;

第三,提出增強算法,分別對圖像細節(jié)與色彩進行處理。

綜上,所研究的方法充分考慮了人眼視覺特性,有效提高了圖像的增強效果,但是由于目前對人眼的心理特征研究的深度還不夠,還有一定的不足之處,在后續(xù)研究中還需要深入研究。