[发明专利]一种基于人类视觉特性的仿生图像复原方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种模拟人类视觉系统的仿生图像复原方法。

背景技术

图像复原是图像处理技术的一个重要组成部分，不仅在天文学、卫星遥感、医学成像、工业视觉、军事公安等多个领域的科学研究与工程实践中得以广泛的应用，还被广泛用于录像复原、历史照片和影片复原、视频和多媒体图像复原以及扫描文档处理等领域。图像复原的基本问题是去模糊。图像模糊的实质就是图像受到平均或积分运算，从频域上来分析，图像模糊的实质是其高频分量被衰减。因此，比如微分运算或者高频加重滤波能达到一定程度的图像复原，但是却很容易增强噪声的干扰，往往达不到很好的效果。

反卷积是对模糊图像进行复原的基本方法，已有的图像复原方法诸如逆滤波器、维纳滤波器等均是基于反卷积的方法。但它存在两个固有的问题：1)病态问题，即观测数据的微小变动，就有可能导致解的大变动；2)解的不唯一性问题，这是由信息的不完备造成的。这两方面使得反卷积的方法无论是在理论分析还是数值计算上都存在着无法解决的困难。

近些年来，随着神经网络和模糊控制理论的深入研究，利用神经网络的并行计算性、非线性映射和自适应能力，提出了基于神经网络的图像复原方法，比如：改进的Hopfield神经网络模型等。但是这些方法，难以找到最优网络，并且有可能在图像复原过程中遗失观测图像的平滑性和其它特征，导致不能完整地保留原始图像的信息。

发明内容

(一)要解决的技术问题

本发明的目的在于提出一种基于人类视觉特性的仿生图像复原方法，以避免反卷积方法中的病态问题和基于神经网络的图像复原方法中的最优化网络问题。

(二)技术方案

为达到上述目的，本发明提供了一种基于人类视觉特性的仿生图像复原方法，该方法模拟了人类视觉系统的视网膜神经节细胞感受野的传输特性和视觉系统的自适应调节的特性，包括：

步骤1：对图像进行亮度提取；

步骤2：采用高斯滤波计算当前点的邻域平均亮度；

步骤3：利用人眼的主观亮度感觉与实际光强对数的局部线性关系，对图像进行局部对比度调整；

步骤4：利用局部对比度调整后的亮度图像与原始图像的亮度进行比较，来线性调整图像的色彩信息，实现图像颜色线性恢复。

上述方案中，步骤1中所述对图像进行亮度提取，是指提取图像的亮度部分，若图像为彩色图像，则是提取包括各种色彩空间在内的亮度；若图像为灰度图像，则将灰度作为亮度图像。

上述方案中，步骤2中所述采用高斯滤波计算当前点的邻域平均亮度，是采用高斯模型的位置滤波和亮度滤波来计算当前点的邻域平均亮度。

上述方案中，步骤2中所述计算当前点的邻域平均亮度，高斯模型采用单高斯模型、双高斯模型或三高斯模型，高斯滤波采用单边滤波或双边滤波。

上述方案中，步骤3中所述利用人眼的主观亮度感觉与实际光强对数的局部线性关系对图像进行局部对比度调整，是指依据每个像素点的亮度与其邻域平均亮度的大小关系，进行局部对比度调整。

上述方案中，步骤4中所述利用局部对比度调整后的亮度图像与原始图像的亮度进行比较，来线性调整图像的色彩信息，实现图像颜色线性恢复，是指通过采取线性调整的颜色恢复算法，来恢复对比度调整后图像的色彩信息。

上述方案中，若原始输入图像为灰度图，则无须通过颜色线性恢复。

(三)有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

本发明提供的基于人类视觉特性的仿生图像复原的方法，模拟了人类视觉系统的视网膜神经节细胞感受野的输入-输出特性和人类视觉系统的自适应调节的特性，针对不同模糊机理的图像泛化能力强，复原效果良好，可有效复原区域亮度对比和亮度梯度信息，具有广阔的应用前景。

进一步地，实验结果表明，本发明能有效实现模糊图像复原，特别是对于图像边界区域，既能很好地增强边缘对比，又可有效提升区域亮度对比和亮度梯度信息。

附图说明

为进一步说明本发明的技术内容，以下结合附图及实施案例对本发明详细说明如后，其中：

图1是本发明提供的基于人类视觉特性的仿生图像复原的方法流程图；

图2是光强对数与主观亮度的关系曲线；

图3是三高斯模型的空间结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。