基于HVS的含噪图像增强技术评价

P.R.Pawar¹V.V.Patil博士²

电子工程系P.G.学生，jjmcoe博士，Jaysingpur，马哈拉施特拉邦，印度
教授，电子工程系，博士jjmcoe, Jaysingpur，马哈拉施特拉邦，印度

摘要

本文对基于HVS的图像增强技术进行了评价。该算法采用基于人眼视觉系统的自适应滤波器对彩色图像进行增强。它不仅增强了彩色图像，而且消除了椒盐噪声。本文介绍了这种增强技术是如何增强彩色图像和去除数字图像中的散斑噪声的。实验结果表明，基于HVS的自适应滤波器在增强彩色图像的同时，在不采用任何显式去噪技术的情况下，能较好地去除椒盐噪声。

关键字

彩色图像增强，人类视觉系统，椒盐噪声，PSNR。

介绍

图像增强基本上是提高人类观众对图像中信息的可解释性或感知能力，并为其他自动化图像处理技术提供“更好的”输入。图像增强的主要目标是修改图像的属性，使其更适合给定的任务和特定的观察者。在此过程中，图像的一个或多个属性将被修改。属性的选择和修改它们的方式特定于给定的任务。此外，观察者特定的因素，如人类的视觉系统和观察者的经验，将引入大量的主观性到图像增强方法的选择。有许多技术可以增强数字图像而不破坏它。增强方法大致可分为以下两类，如[1]:

1.空间域方法

2.频域方法

在空间域技术中，我们直接处理图像像素。像素值被操纵以实现所需的增强。在频域方法中，首先将图像转移到频域。这意味着，首先计算图像的傅里叶变换。所有增强操作都是对图像进行傅里叶变换，然后进行傅里叶反变换得到合成图像。执行这些增强操作是为了修改图像的亮度，对比度或灰度的分布。因此，输出图像的像素值(强度)将根据应用于输入值的转换函数进行修改。

图像噪声

噪音意味着不需要的信号。图像噪声是指信号或图像中亮度或颜色信息的任何随机(不存在于成像对象中)变化。主要是电子噪声。图像噪声的来源是扫描仪、传感器或数码相机的电路。图像噪声的大小可以从在良好光线下拍摄的数码照片上的几乎斑点，到几乎完全是噪声的图像，从中很难提取甚至少量的信息。这意味着在照片中，噪音水平是完全不可接受的，因为甚至不可能确定拍摄对象是什么。

图像噪声类型:

1.椒盐噪音

2.高斯噪声

3.散斑噪声

4.泊松噪声

1.椒盐噪音

椒盐噪声也被称为脉冲噪声或尖刺噪声。这种噪声可能是由图像信号中的急剧和突然的干扰引起的。它表示自己是随机出现的白色或黑色(或两者)点图像。含有盐和胡椒噪声的图像将在明亮区域有暗像素，在黑暗区域有亮像素。它可能发生在图像采集过程中，由于开关，传感器温度。也可能由于信道中的干扰和图像传输过程中的大气干扰而发生。为了实验分析，可以在图像中加入该噪声。对于这种类型的噪声，一种有效的降噪方法是中值滤波器或形态滤波器。对于盐噪声或胡椒噪声，反调和平均滤波器可以有效地降低二者。这种噪声是由于图像信号的急剧和突然的变化而产生的。

2.高斯噪声

高斯噪声也被称为放大器噪声。该噪声模型本质上是加性的，且服从高斯分布。这意味着噪声图像中的每个像素都是真实像素值和随机的高斯分布噪声值的和。它是白噪声的一种理想化形式，是由信号中的随机波动引起的。在彩色相机中，蓝色通道比绿色或红色通道使用更多的放大，蓝色通道中可能有更多的噪声。放大器噪声是图像传感器噪声的主要组成部分，即图像黑暗区域的恒定噪声水平。在高斯噪声中，图像中的每个像素将从其原始值(通常)发生少量变化。噪声与每一点像素值的强度无关。

3.散斑噪声

散斑是一种颗粒噪声，固有地存在于和降低图像的质量。该噪声可以通过与图像像素值的随机值相乘来建模，并可以表示为

J = I + n*I

式中，J为散斑噪声分布图像，I为输入图像，n为均匀噪声图像(均值o和方差v)，该噪声使主动雷达和合成孔径雷达(Synthetic aperture radar, SAR)[4]图像质量变差。这种噪声是由于对来自多个分布点的反向散射信号进行相干处理而产生的。在传统雷达系统中，当从大小小于或等于单个图像处理单元的物体返回的信号显示突然波动时，就会注意到这种类型的噪声。均值滤波器适用于高斯噪声和均匀噪声。

4.泊松噪声

泊松或射光子噪声是当传感器感知到的光子数量不足以提供可检测的统计信息时可能引起的噪声。该噪声的均方根值与图像的平方根强度成正比。不同的像素受到独立的噪声值的影响。在实际应用中，光子噪声和其他传感器噪声对信号的破坏程度不同。

相关工作

在早期的研究中，对彩色图像的增强进行了多次尝试。Meylan和Susstrunk提出了基于retinex技术的算法[3]。这是一种有效的彩色图像增强技术。该系统是模拟人类视觉系统对场景的处理，以渲染高动态范围的图像。Retinex理论旨在解释视觉系统如何在光照变化的情况下从世界中提取可靠的信息。但增强后的图像存在颜色失真，计算复杂。

Ghimire和Lee提出了一种基于非线性传递函数和像素邻域的彩色图像增强方法，并保留细节[4]。该方法只对HSV彩色图像的V分量(亮度值)进行图像增强，保持H分量和S分量不变。郑亚旭等人提出了一种新的混合图像增强方法，该方法由图像[5]的亮度和色度分量的全局和局部过程驱动。该方法基于参数控制的虚拟直方图分布方法，可以同时增强图像的整体对比度和锐度。该方法还增加了图像的指定部分或方面的可见性，同时更好地保持图像颜色。王守觉等人提出了新的算法[6]。该算法基于双边滤波，比上述两种算法具有更好的效果。尽管算法对图像进行了改进，但图像边缘仍存在晕现象。在双边滤波中考虑像素的距离和亮度信息，而不是高斯滤波中只考虑距离信息。但是颜色信息仍然没有被考虑进去。

以上所讨论的方法都是彩色图像增强方法，但这些方法都没有考虑图像中的噪声。在彩色图像增强的同时，对各种噪声进行了去除研究。它包括M. Mansourpour, M.A. Rajabi, J.A.R. Blais为减少散斑噪声[7]所做的工作。降低散斑噪声是提高雷达相干图像质量的重要环节之一。图像方差或散斑是一种颗粒噪声，固有地存在于主动雷达和SAR图像中，并降低了图像的质量。在使用主动雷达和SAR图像之前，第一步是降低散斑噪声的影响。大多数消斑技术已经被研究人员研究过;然而，目前还没有一种综合的方法能够考虑到所有的约束条件。滤波是降低散斑噪声的常用方法之一。本文对六种不同的消斑滤波器进行了模拟图像和真实图像的定量比较。 The results have been presented by filtered images, statistical tables and diagrams. Finally, the best filter has been recommended based on the statistical and experimental results.

Rohit Verma先生Jahid Ali博士对[8]中一些重要的噪声类型和噪声去除技术进行了比较分析。本文介绍了对图像模型应用不同噪声类型的结果，并研究了应用各种降噪技术的结果。Rajib Kumar Jha, Rajlaxmi Chouhan, P. K. Biswas提出了一种基于非线性非动态随机共振的增强暗和低对比度图像[11]的技术。将低对比度图像作为亚门限信号处理，采用噪声增强信号处理提高图像对比度。所提出的技术独特地利用外部噪声的添加来中和低对比度图像的内部噪声(由于照明不足)的影响。将随机噪声反复添加到图像中，然后依次进行硬阈值处理，然后进行整体平均。通过改变噪声强度，在特定的最佳噪声强度下获得噪声诱导共振。研究了该方法在高斯、均匀、泊松和伽玛四种噪声分布下的性能。从对比度增强因子、颜色增强和知觉质量测量三个方面对其性能进行了定量评价。Sudharsan Parthasarathy, Praveen Sankaran提出了一种基于多尺度Retinex与颜色恢复(MSRCR)融合的方法，可以提供更好的图像增强[10]。 Lower dynamic range of a camera as compared to human visual system causes images taken to be extremely dependent on illuminant conditions. MSRCR algorithm enhances images taken under a wide range of nonlinear illumination conditions to the level that a user would have perceived it in real time. One of the enhancement techniques that try to achieve color constancy is Retinex. In Multi Scale Retinex(MSR),they average multiple SSR(Single Scale Retinex) images to obtain a net improved image.

技术实现

灰度图像增强的方法有很多，但直接将灰度图像增强技术用于彩色图像并不合适。在[2]中提出了一种新的自适应滤波算法。该算法主要由三个部分组成:(1)获取亮度图像和背景图像，(2)自适应调整，(3)颜色恢复。

实现该算法的第一部分是亮度图像的获取。我们通常看到的彩色图像大多在RGB色彩空间中，用红、绿、蓝三原色来产生其他颜色。在RGB色彩空间中，其他颜色由三原色合成，在某些情况下并不有效。因此，我们使用另一个颜色空间YCbCr。如果从图像中去除颜色成分，原始图像将变成灰色图像。因此像素在(x,y)处的强度即为该点的亮度值。原始彩色图像的亮度图像为IL(x,y)。主观亮度是进入人眼的光强的对数函数。得到原始亮度图像的对数函数，对其进行归一化，得到主观亮度

实验

利用本文提出的算法对彩色图像进行增强。通过在输入图像中加入椒盐噪声进行实验。然后将该算法应用于有噪声的图像，对图像进行增强。通过添加不同噪声密度的椒盐噪声进行实验。在该算法中，没有添加任何单独的去噪技术，而是对不同密度的椒盐噪声进行了相同的增强算法测试。为了实验目的，噪声密度从0.001增加到0.5。通过观测参数PSNR对结果进行比较。为了客观估计，利用峰值信噪比对增强图像进行评估。

其中I1(m,n)和I2(m,n)分别代表原始图像和去噪图像* n增强图像的大小。R为输入图像数据类型的最大波动。例如，如果输入图像具有双精度浮点数据类型，则R为1。如果它有一个8位无符号整数数据类型，R是255。

结果

这里通过计算两次PSNR来比较结果。首先计算输入图像与噪声图像之间的PSNR。这被称为PSNR1。对增强图像和有噪声图像分别计算PSNR。这被称为PSNR2。

结果是通过改变盐和胡椒噪声的噪声密度从0.001到0.5。对于最小噪声密度，结果如图1所示。在这种情况下，图像被增强，盐和胡椒噪声被消除。如图2所示，在噪声密度为0.25的情况下，本文提出的图像增强处理得到增强的图像。虽然出现了黑点，但图像智能很好。消除了椒盐噪声，使图像具有良好的信息感知力。在图3中，当噪声密度达到0.35时，椒盐噪声被消除，但图像智能受到影响。结果表明，该算法在噪声密度为0.35的情况下，具有较好的检测效果。

从图4所示的图中可以看出，在最小噪声水平下，输入图像的PSNR与有噪声的增强图像的PSNR相差较大。PSNR1为输入图像与有噪声图像的峰值信噪比。PSNR1随着噪声密度的增加开始下降。PSNR2是增强图像与噪声图像的峰值信噪比。虽然PSNR2比PSNR1低，但PSNR2的下降幅度比PSNR1小。

讨论和未来范围

在本文中，我们讨论了在图像中蔓延并影响图像智能的盐和胡椒噪声。本文所讨论的算法不仅对彩色图像进行了增强，而且在很大程度上减少了椒盐噪声，无需对图像进行额外的去噪处理。基于人眼视觉系统的自适应滤波增强彩色图像。PSNR1为输入图像与噪声图像的峰值信噪比，PSNR2为增强图像与噪声图像的峰值信噪比。从图中的斜率可以看出，PSNR1与PSNR2相比下降非常高。PSNR2虽有下降，但速率较低，斜率较小。当噪声水平较低时，PSNR1和PSNR2之间的差异较大，但这种差异进一步减小。对于0.25和0.3以上的噪声密度，差异非常小。因此，增强图像有盐和胡椒噪声，不纳入任何显式去噪技术。本文研究了基于自适应滤波技术的椒盐噪声对人眼视觉系统的影响。 This work can be extended for studying role of Human visual system based adaptive filter algorithm for Gaussian noise and Speckle noise.

参考文献

Raman Maini和Himanshu Aggarwal“图像增强技术的综合综述”，计算杂志，2010年3月，第2卷，第3期，ISSN 2151-9617
丁兴浩，王欣欣，肖泉，“一种基于自适应滤波的彩色图像增强算法”，电子工程学报，2010,44(4):457 - 457。
刘志强，刘志强，刘志强，“基于视神经网络的高动态范围图像渲染算法[J]”。图像处理学报，2006,15(9):2820-2830。
Deepak Ghimire和Joonwhoan Lee“基于非线性传递函数的局部方法
彩色图像增强“IEEE消费电子学报，2011年5月，卷。57, 2。
徐正亚，吴宏仁，余星火，IEEE研究员，邱斌，IEEE高级成员，“基于虚拟直方图方法的彩色图像增强”，电子工程学报，2010年5月，第56卷，第2期。
王守觉，丁兴浩，廖英浩，郭东辉，“一种新的仿生彩色图像增强算法”，电子学报，2008.10,Vol.36, No.10: 1970-1973。
M. Mansourpour, M.A. Rajabi, J.A.R. Blais，有源雷达和Sar图像上斑点降噪滤波器的效果和性能
Rohit Verma先生Jahid Ali博士“各种类型图像噪声和有效噪声去除技术的比较研究”。国际计算机科学与软件工程高级研究杂志2013年10月第3卷第10期ISSN: 2277 128X。
S. Parthasarathy, P. Sankaran，“基于融合的多尺度RETINEX图像增强”，2012国际计算机通信与信息学会议，2012年1月10日- 12日，印度，Coimbatore。
11.刘志强，刘志强，“基于非动态随机共振的噪声诱发暗图像对比度增强方法”，电子工程学报，2012,34(4):344 - 344。