基于人眼视觉特性的交互界面图像增强仿真

2023-09-20张晓娜张晓明

计算机仿真 2023年8期

张晓娜,张晓明

(1. 晋中信息学院信息工程学院,山西晋中 030800;2. 中北大学仪器与电子学院,山西太原 030051)

1 引言

人和计算机最直接的通信载体就是交互界面,通过该界面能够对信息传递,是人们获取信息的有效形式之一。但是在交互界面显示过程中,会受到电路噪声、传输损耗等噪声的影响,导致交互界面图像质量较差,不能很好地贴合人眼直接观察到的图像。图像增强是一种图像处理技术,在增强后能够提高图像视觉效果,并且在处理后的图像更适合用于参数估计与图像分割中,可见图像增强方法是非常重要的。

有许多学者研究了图像增强的方法,其中,文献[1]研究了一种基于MR-VAE的低照度图像增强方法,该方法主要对图像进行分阶段重建,分阶段解决图像失真问题,完成图像的增强;文献[2]研究了一种基于U-Net生成对抗网络的低照度图像增强方法,该方法主要采用生成网络对图像特征映射,从而达到图像增强的目的。上述学者研究的图像增强方法虽然能够对图像增强,但是增强效果不佳,常出现信噪比低等问题。

人眼视觉系统是接收外界图像信息的主体,也是评估图像质量的有力工具,其对图像感知过程类似于信号处理过程。人在接收到图像刺激后会采集到光信号,在视网膜形成图像,在神经细胞接收到信号刺激后会将其转换为生物电信号,经过传递后到达视觉中枢对信息处理,得到感知图像。基于人眼视觉特性这一优点,将其应用到交互界面图像增强中,期望解决当前图像增强存在的问题。

2 基于人眼视觉特性的交互界面图像增强方法

2.1 图像去噪处理

在图像增强之前预先对图像转换[3],转换公式如下

(1)

式中,Xk代表频域参数,em代表图像复数,N代表图像的像素数。

经上述处理后将低频信息转换到图像的中心位置,进行集中处理[4]。而越靠近中心位置的图像频率越低,即图像细节不足,为此将带通滤波算法应用到其中,该算法能够将高通和低通滤波组合[5],计算公式如下

(2)

式中,x代表图像坐标参数,H代表图像频谱的掩码值,W代表图像的带宽,D0代表图像处理过程中的截断频率。

通过上述计算能够对图像中中频信息进行删除或者保留,完成噪声的处理。

2.2 亮度敏感特性计算

在上述去噪处理基础上,将人眼视觉特性系统应用到图像处理中,人眼视觉系统感知模型如图1所示。

图1 人眼视觉系统感知模型

交互界面图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误差,而人眼对于交互界面的亮度具有自我调节能力[7],人眼主观感受与亮度之间的关系表示为

(3)

式中,ΔA代表人眼感知的亮度值,M代表交互界面图像的平均亮度值,ΔL代表实际亮度增益,L代表客观亮度值。

对等式两边进行积分计算[8],公式如下

A=Mlog2L+M0=M′LnL+M0

(4)

式中,M′、M0均代表常数。

对于亮度光栅,采用对比度定义,公式如下

(5)

式中,Lmin、Lmax分别代表交互界面亮度的最小值与最大值。

而人与人之间的视觉敏感度不同[9],即视敏特性,将视敏函数表示为

W(λ)=1/R(λ)

(6)

式中,W(λ)代表人眼对于光的敏感性参数,R(λ)代表辐射功率值。

通过上述过程完成对亮度敏感特性的计算,获取符合主观视觉感受的处理效果。

2.3 基于人眼感知的图像空间频率计算

图像空间频率主要是指图像在单位视角内亮度条纹的重复周期数[10],将人眼观察视角计算公式表示为

(7)

式中,S代表交互界面图像宽度参数,D代表人眼到图像中心的距离参数。

而实际的交互界面图像通过人眼的视觉系统后相当于对该图像进行了傅里叶变换,如果想要融合人眼视觉特性实现对交互界面图像的增强处理[11],就需要将图像转换到傅里叶空间中。将图像经过变换得到的频谱图表示为F(u,v),将人眼视觉空间频率[12]表示为

(8)

式中,u、v代表变化后图像的频谱图的位置,p代表图像视角。

当u、v位于图像中心位置时,能够反映出图像在空域中的直流分量。

通过上述计算,重新调整图像像素值,使其重新分布,提高像素点的分布概率,为后续图像增强提供基础。

2.4 图像灰度变换

对图像进行灰度处理,其过程如下所示:

Step1:将上述采样处理后的图像分解[13],分解为高斯金字塔形式;

Step2:分层提取金字塔每一层的特征,提取多个初级视觉特征;

Step3:获取显著图[14],采用全局加强法提取映射图并对其合并,将计算公式表示为

(9)

式中,I(c,s)代表图像显著性描述参数,G代表显著特征归一化处理参数。

Step4:将上述获得的显著图看作一个凹凸不平的曲面,进行图像灰度处理,公式如下

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

(10)

式中,g代表处理过程中的随机参数,I(x1,y1)、I(x0,y0)分别表示图像像素点的分形参数与灰度参数。

通过上述计算,完成灰度图像的处理。

2.5 交互界面图像增强实现

在上述图像灰度处理的基础上,对图像增强,整个增强过程如图2所示。

图2 图像增强过程

假设图像主要由亮度图像和反射图像构成,将亮度图记作L(x,y),反射图像记作R(x,y),将其表示为

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

(11)

其中,F(x,y)、Ii(x,y)分别代表像素值的色彩谱和像素值的高斯环绕函数,*代表卷积符号。

上述过程能够将非本质因素照射参数排除在外,保留反射图像[15],但是上述计算对于图像的细节保留较差,为此需要进一步处理

(12)

式中,Fn(x,y)代表图像细节参数,Wn代表图像尺度常量参数。

通过上述计算能够在保证图像高精度的同时,压缩图像动态范围。上述计算方法虽然对图像细节进行了处理,但是会使噪声增加,导致图像出现局部失真,为解决这个问题,将色彩调节因子引入到图像处理中[16,17],表示为

R=Ci(x,y)RMSR i(x,y)*β/T

(13)

式中,Ci代表第i个通道的色彩调节因子,RMSR i代表第i个通道的映射函数,β代表图像处理中的增益常量,T代表非线性强度参数。

在上述处理后会导致图像像素值出现负值,为此需要修正图像[18,19],公式如下

R(x,y)′=GRMSRCR(x,y)+O

(14)

式中,G代表修正参数,O代表补偿参数。

经过上述处理后,能够保证图像色彩与细节均被增强,以此完成交互界面图像的增强[20]。

3 仿真研究

为验证此次研究的交互界面图像增强方法的有效性和可信性,进行仿真,并将基于MR-VAE的图像增强方法、基于U-Net生成对抗网络的图像增强方法与所研究方法对比,分别从主观角度与客观角度科学地评价图像增强效果。

3.1 实验准备

此次研究的实验在某实验室的计算机上进行,采用的实验系统为windows10系统,其中主观评价,主要是指人对于处理后的图像的主观感受。实验中应用到的图像如图3所示。

图3 主观评价实验图像

客观评价主要通过数学定理计算对应数值,以客观地反映出图像的一些特征。采用的主要指标如下:

平均梯度,该值主要显示的是图像边界处明显的灰度差异参数,即表征图像清晰程度的参数,该值越大代表图像层次越复杂,清晰度越高,计算公式如下所示

(15)

式中,F(x,y)代表图像在(x,y)点的灰度值。

峰值信噪比,该值的计算公式如下所示

(16)

除此之外,对比三种方法处理后的均方误差,其计算公式如下

(17)

式中,ri、ej代表图像像素值。

经上述准备后,进行实验,详细的实验结果如下所示。

3.2 主观评价

所研究的图像增强方法与其它两种图像增强方法的增强对比结果如图4所示。

图4 图像增强效果对比

基于上图能够发现,基于MR-VAE的增强方法在增强过程中损失了大量的亮区细节信息,还包含较多噪声;基于U-Net生成对抗网络的方法在增强过程中,左半部分的噪声较多,整体视觉效果较差。而所研究的基于人眼视觉特性的交互界面图像增强方法能够较好地保留图像细节信息,没有出现图像噪声,具有较好地图像增强效果。