鬼佬大哥大
  • / 15
  • 下載費用:30 金幣  

一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法.pdf

摘要
申請專利號:

CN201410152246.0

申請日:

2014.04.16

公開號:

CN103955908A

公開日:

2014.07.30

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06T 5/50申請日:20140416|||公開
IPC分類號: G06T5/50 主分類號: G06T5/50
申請人: 昆明理工大學
發明人: 何自芬; 張印輝; 詹肇麟
地址: 650093 云南省昆明市五華區學府路253號
優先權:
專利代理機構: 代理人:
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410152246.0

授權公告號:

||||||

法律狀態公告日:

2017.01.11|||2014.08.27|||2014.07.30

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法,屬于數字圖像印前處理技術領域。應用二維離散小波變換建立多尺度感知誤差測度函數模型框架,建立尺度內聚類性和跨尺度持續性模型;構建原感知誤差測度函數的對偶感知誤差測度函數并計算其最大上界來實現原感知誤差測度函數的近似全局優化,采用感知誤差測度近似全局優化策略來實現半色調圖像二值像素的最大后驗概率配置;采用重新參數化算法迭代計算對偶感知誤差測度全局最優上界,定義每次迭代后在不同區域的二值像素最優配置,進而提出并證明全局優化近似系數;客觀評價在動態環境下數字圖像半色調的性能,并對算法復雜度進行分析。

權利要求書

權利要求書
1.  一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:具體包括如下步驟:
(1)判斷連續調圖像是否是標準的2n×2n圖像;
(2)構造多尺度感知誤差測度目標函數模型框架:將頻率域和方向域的標準連續調圖像信息納入多尺度感知誤差測度目標模型框架中,利用二維離散小波變換建立多尺度感知誤差測度目標函數模型框架;
(3)建立尺度相關感知誤差測度函數:采用二分量高斯混合模型對感知誤差測度的尺度內聚類性建模,采用隱馬爾可夫鏈對四叉樹的跨尺度持續性建模;
(4)尺度相關感知誤差測度近似全局優化策略:利用步驟(3)中所述的原尺度相關感知誤差測度函數的凸對偶模型轉化理論構建其對偶感知誤差測度函數,通過重新參數化殘差圖算法迭代計算對偶感知誤差測度全局最優上界,實現半色調圖像二值像素的最大后驗概率配置以及原尺度相關感知誤差測度函數近似全局最優;
(5)全局優化近似范圍確定理論:利用步驟(4)中所述對偶感知誤差測度全局最優上界來定義每次迭代后在不同區域的二值像素最優配置,進而提出并證明全局優化近似系數;通過確定尺度相關感知誤差測度函數全局優化的近似系數,可將多尺度感知誤差測度優化結果一致性控制在確定的已知范圍內;
(6)典型動態環境下算法有效性實驗驗證:根據步驟(1)~(5)提出的多尺度感知誤差測度近似全局優化算法框架,建立半色調計算平臺,在光照和背景動態變化的情況下,應用步驟(3)所述的尺度相關感知誤差測度建模和步驟(4)所述的近似全局優化策略計算半色調圖像二值像素最優配置,以驗證提出的半色調算法的有效性,利用紋理熵、結構相似度和角二階矩的客觀評價方法在動態環境下與LSMB方法比較來評價數字圖像半色調的性能,并對算法復雜度進行分析。

2.  根據權利要求1所述的多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:步驟(2)中所述構造多尺度感知誤差測度目標函數模型框架具體包括如下步驟:
① 采用Haar二維離散小波變換建立標準連續調圖像在L*a*b*色空間的多尺度模型,根據多尺度模型定義小波域空間點                                                處的多尺度感知誤差測度信息為相應小波系數在L*a*b*色空間的歐幾里德距離;
② 采用Nasanen人類視覺系統模型確定多尺度感知誤差測度的空間、頻率和方向特性對比敏感度響應,根據步驟①中多尺度感知誤差測度信息和對比敏感度響應計算多尺度感知誤差測度和對比敏感度響應的卷積得到在尺度方向空間點處多尺度感知誤差測度目標函數;
③ 將總體感知誤差測度函數定義為步驟中不同位置、尺度和方向的多尺度感知誤差測度目標函數的均方和,即。

3.  根據權利要求1所述的多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:步驟(3)中所述建立尺度相關感知誤差測度函數具體包括如下步驟:
①采用有向圖表征多尺度感知誤差測度目標函數模型,其中 為結點集合,各結點與感知誤差測度對應,為源點,為匯點,為連線集合;
②采用二分量高斯混合模型對感知誤差測度的尺度內聚類性建模:在小波域小波系數在尺度和子帶上統計獨立,通過小波系數概率分布得到小波系數集合的聯合概率密度函數: ,各小波系數的概率密度函數利用二分量高斯混合模型,其中,表示小波系數對應的隱狀態變量取值時的概率質量函數,表示給定隱狀態變量取值時小波系數的條件概率密度函數,假設此條件概率密度函數服從零均值高斯分布,即, 其中,表示零均值高斯分布的方差,,并用此方差的大小間接反映小波系數幅值的大小;在小波域的多尺度圖像模型中為各個尺度、各個子帶的小波系數依概率質量函數關聯一個隱狀態變量,該隱變量具有兩個狀態值,分別為0和1,反映小波系數幅值的高低,在此基礎上,實現小波系數的尺度內依賴性統計建模;
③采用隱馬爾可夫鏈對四叉樹的跨尺度持續性建模:應用沿小波域四叉樹圖模型結構的隱狀態轉移概率來表示小波系數在上一尺度的父親的隱狀態為大或小時,的隱狀態為大或小的概率,來建立小波系數的隱狀態跨尺度依賴關系模型;當父-子間的隱狀態相同,即時,期望狀態轉移概率為大,由此建立跨尺度持續性模型;在此基礎上,建立小波域單一子帶隱馬爾可夫樹模型:,其中,表示單一的小波子帶且,和為小波系數隱狀態變量的值且,表示父親結點的隱狀態為時孩子結點隱狀態為的概率;
將步驟②中二分量高斯混合模型和③中隱馬爾可夫鏈模型構建為隱馬爾可夫樹,其中為結點概率質量函數,為結點到的狀態轉移概率,為方差;
⑤將有向圖類標簽的尺度相關感知誤差測度函數定義為,其中和分別表示平滑約束和奇異約束,為平滑約束影響系數;采用連續調圖像L*a*b*色空間亮度幅值的負對數似然表示平滑約束,其中狀態,用指數函數構建奇異約束,利用平滑約束和奇異約束建立尺度相關感知誤差測度函數。

4.  根據權利要求1所述的多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:步驟(4)中所述尺度相關感知誤差測度近似全局優化策略具體包括如下步驟:
①采用拉格朗日變換方法實現原尺度相關感知誤差測度函數到對偶感知誤差測度函數轉化,并證明對偶感知誤差測度函數為凸函數;
②采用有向圖重新參數化方法實現尺度相關感知誤差測度函數近似全局優化,在滿足容量和守恒約束前提下,在殘余容量的基礎上增減恒流量,進行殘差圖重新參數化;
③采用圖論理論證明終端連線和結點連線容量修正理論:通過有向圖重新參數化后的尺度相關感知誤差測度函數具有相同類標簽方法,實現感知誤差測度的迭代優化; 
④達到迭代次數或設定精度時,若源點與結點相連,則標簽為1;若匯點與結點相連,則標簽為0,制定尺度相關感知誤差測度函數近似全局優化策略,得到半色調圖像二值像素近似全局最優配置。

5.  根據權利要求1所述的多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:步驟(5)中所述全局優化近似范圍確定理論具體包括如下步驟:
①采用圖論理論定義全局優化近似系數并證明近似范圍,令為重新參數化后有向圖近似全局優化類標簽配置,為有向圖全局最優類標簽配置,定義c為全局優化近似系數,設定系數;由近似系數可確定感知誤差測度全局優化近似范圍;
②定義有向圖全局最優類標簽配置為的結點集合,并分別定義該結點集合內部、外部和邊界上的結點集合;
③根據不同標簽區域結點集合定義,確定重新參數化后各區域感知誤差測度函數大小,建立各結點集合上的近似誤差測度與全局最優測度之間的聯系,由各測度分量在有向圖中出現的次數確定感知誤差測度全局優化近似范圍。

6.  根據權利要求1所述的多尺度感知誤差測度近似全局優化的數字圖像半色調方法,其特征在于:步驟(6)中所述典型動態環境下算法有效性實驗驗證具體包括如下步驟:
①應用提出的尺度相關感知誤差測度建模和近似全局優化理論計算半色調圖像二值像素最優配置,以驗證提出的半色調算法的有效性;
②利用紋理熵、結構相似度和角二階矩的客觀評價方法在動態環境下與LSMB方法比較來評價數字圖像半色調的性能,并對算法復雜度進行分析。

說明書

說明書一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法
技術領域
本發明涉及一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法,屬于激光制版的數字圖像印前處理技術。
背景技術
數字圖像半色調是將連續調圖像在激光制版機、數字印刷機、激光打印機等二值設備上顯影并在人類視覺系統中產生連續調圖像錯覺的關鍵技術。在人們生產、生活中得到了廣泛的應用。目前從家庭、辦公用的小型臺式噴墨、激光打印機、激光制版機到大型的出版印刷系統,數字半色調技術可以說是無處不在。
對于多尺度數字圖像半色調,由于低尺度誤差測度是動態的和隨機的,要求多尺度誤差測度融合算法具有較高的魯棒性,在不同的初始化條件下,要求多尺度誤差測度優化算法收斂于一致性結果。這樣,使多尺度誤差測度融合算法的魯棒性和優化結果的一致性成為動態環境下多尺度數字圖像半色調有別于靜態環境下單一尺度半色調的關鍵約束。現有多尺度半色調方法雖然解決了半色調圖像在不同二值設備上的多分辨率成像問題,但仍然沒有解決多尺度誤差測度信息的尺度內和尺度間交互問題。
發明內容
本發明的目的在于提供一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法;該方法通過二維離散小波變換建立連續調圖像的多尺度模型,采用Nasanen人類視覺系統對比敏感度響應建立多尺度感知誤差測度目標函數模型框架;采用有向圖表征多尺度感知誤差測度目標函數模型框架,采用二分量高斯混合模型和隱馬爾可夫鏈建立尺度相關感知誤差測度函數;采用拉格朗日變換方法證明對偶感知誤差測度函數為凸函數;制定尺度相關感知誤差測度函數近似全局優化策略,得到半色調圖像二值像素近似全局最優配置;采用圖論理論定義全局優化近似系數并證明全局優化近似范圍確定理論;客觀評價在動態環境下數字圖像半色調的性能,并對算法復雜度進行分析;進而得到最優半色調圖像。
本發明所述方法的具體步驟如下:
(1)判斷連續調圖像是否是標準的2n×2n圖像;
(2)構造多尺度感知誤差測度目標函數模型框架:將頻率域和方向域的標準連續調圖像信息納入多尺度感知誤差測度目標模型框架中,利用二維離散小波變換建立多尺度感知誤差測度目標函數模型框架;
(3)建立尺度相關感知誤差測度函數:采用二分量高斯混合模型對感知誤差測度的尺度內聚類性建模,采用隱馬爾可夫鏈對四叉樹的跨尺度持續性建模,使該尺度相關感知誤差測度函數能同時納入尺度內和尺度間的誤差測度相互依賴信息,以保證多尺度感知誤差測度融合算法的魯棒性;
(4)尺度相關感知誤差測度近似全局優化策略:利用步驟(3)中所述的原尺度相關感知誤差測度函數的凸對偶模型轉化理論構建其對偶感知誤差測度函數,通過重新參數化殘差圖算法迭代計算對偶感知誤差測度全局最優上界,實現半色調圖像二值像素的最大后驗概率配置以及原尺度相關感知誤差測度函數近似全局最優,以提高多尺度感知誤差測度函數優化結果的一致性;
(5)全局優化近似范圍確定理論:利用步驟(4)中所述對偶感知誤差測度全局最優上界來定義每次迭代后在不同區域的二值像素最優配置,進而提出并證明全局優化近似系數;通過確定尺度相關感知誤差測度函數全局優化的近似系數,可將多尺度感知誤差測度優化結果一致性控制在確定的已知范圍內;
(6)典型動態環境下算法有效性實驗驗證:根據步驟(1)~(5)提出的多尺度感知誤差測度近似全局優化算法框架,建立半色調計算平臺,在光照和背景動態變化的情況下,應用步驟(3)所述的尺度相關感知誤差測度建模和步驟(4)所述的近似全局優化策略計算半色調圖像二值像素最優配置,以驗證提出的半色調算法的有效性,利用紋理熵、結構相似度和角二階矩的客觀評價方法在動態環境下與LSMB方法比較來評價數字圖像半色調的性能,并對算法復雜度進行分析。
本發明步驟(2)中,構造多尺度感知誤差測度目標函數模型框架具體包括如下步驟:
① 采用Haar二維離散小波變換建立標準連續調圖像在L *a*b*色空間的多尺度模型,根據多尺度模型定義小波域空間點                                                處的多尺度感知誤差測度信息為相應小波系數在L*a*b*色空間的歐幾里德距離;
② 采用Nasanen人類視覺系統模型確定多尺度感知誤差測度的空間、頻率和方向特性對比敏感度響應,根據步驟①中多尺度感知誤差測度信息和對比敏感度響應計算多尺度感知誤差測度和對比敏感度響應的卷積得到在尺度方向空間點處多尺度感知誤差測度目標函數;
③ 將總體感知誤差測度函數定義為步驟中不同位置、尺度和方向的多尺度感知誤差測度目標函數的均方和,即。
本發明所述步驟(3)中,建立尺度相關感知誤差測度函數具體包括如下步驟:
①采用有向圖表征多尺度感知誤差測度目標函數模型,其中 為結點集合,各結點與感知誤差測度對應,為源點,為匯點,為連線集合;
②采用二分量高斯混合模型對感知誤差測度的尺度內聚類性建模:在小波域小波系數在尺度和子帶上統計獨立,通過小波系數概率分布得到小波系數集合的聯合概率密度函數: ,各小波系數的概率密度函數利用二分量高斯混合模型,其中,表示小波系數對應的隱狀態變量取值時的概率質量函數,表示給定隱狀態變量取值時小波系數的條件概率密度函數,假設此條件概率密度函數服從零均值高斯分布,即, 其中,表示零均值高斯分布的方差,,并用此方差的大小間接反映小波系數幅值的大小;在小波域的多尺度圖像模型中為各個尺度、各個子帶的小波系數依概率質量函數關聯一個隱狀態變量,該隱變量具有兩個狀態值,分別為0和1,反映小波系數幅值的高低,在此基礎上,實現小波系數的尺度內依賴性統計建模;
③采用隱馬爾可夫鏈對四叉樹的跨尺度持續性建模:利用小波域內子帶中小波系數四叉樹概率圖結構模型建立小波系數的父-子依賴性,即跨尺度持續性;跨尺度持續性表示給定一個特定的小波系數,該系數本身與其父親非常可能具有相同的隱狀態標簽;用有向馬爾可夫概率圖來連接小波系數對應的隱狀態變量對跨尺度持續性建模;引入沿小波域四叉樹圖模型結構的隱狀態轉移概率來表示小波系數在上一尺度的父親的隱狀態為大或小時,的隱狀態為大或小的概率,來建立小波系數的隱狀態跨尺度依賴關系模型;當父-子間的隱狀態相同,即時,期望狀態轉移概率較大,由此建立跨尺度持續性模型;在此基礎上,建立小波域單一子帶隱馬爾可夫樹模型:,其中,表示單一的小波子帶且,和為小波系數隱狀態變量的值且,表示父親結點的隱狀態為時孩子結點隱狀態為的概率;
將步驟②中二分量高斯混合模型和③中隱馬爾可夫鏈模型構建為隱馬爾可夫樹,其中為結點概率質量函數,為結點到的狀態轉移概率,為方差;
⑤將有向圖類標簽的尺度相關感知誤差測度函數定義為,其中和分別表示平滑約束和奇異約束,為平滑約束影響系數;采用連續調圖像L*a*b*色空間亮度幅值的負對數似然表示平滑約束,其中狀態,用指數函數構建奇異約束,利用平滑約束和奇異約束建立尺度相關感知誤差測度函數。
本發明所述步驟(4)中,尺度相關感知誤差測度近似全局優化策略具體包括如下步驟:
①采用拉格朗日變換方法實現原尺度相關感知誤差測度函數到對偶感知誤差測度函數轉化,并證明對偶感知誤差測度函數為凸函數;
②采用有向圖重新參數化方法實現尺度相關感知誤差測度函數近似全局優化,在滿足容量和守恒約束前提下,在殘余容量的基礎上增減恒流量,進行殘差圖重新參數化;
③采用圖論理論證明終端連線和結點連線容量修正理論:通過有向圖重新參數化后的尺度相關感知誤差測度函數具有相同類標簽方法,實現感知誤差測度的迭代優化; 
④達到迭代次數或設定精度時,若源點與結點相連,則標簽為1;若匯點與結點相連,則標簽為0,制定尺度相關感知誤差測度函數近似全局優化策略,得到半色調圖像二值像素近似全局最優配置。
本發明步驟(5)中所述全局優化近似范圍確定理論具體包括如下步驟:
①采用圖論理論定義全局優化近似系數并證明近似范圍,令為重新參數化后有向圖近似全局優化類標簽配置,為有向圖全局最優類標簽配置,定義c為全局優化近似系數,設定系數;由近似系數可確定感知誤差測度全局優化近似范圍;
②定義有向圖全局最優類標簽配置為的結點集合,并分別定義該結點集合內部、外部和邊界上的結點集合;
③根據不同標簽區域結點集合定義,確定重新參數化后各區域感知誤差測度函數大小,建立各結點集合上的近似誤差測度與全局最優測度之間的聯系,由各測度分量在有向圖中出現的次數確定感知誤差測度全局優化近似范圍。
本發明所述步驟(6)中,典型動態環境下算法有效性實驗驗證具體包括如下步驟:
①應用提出的尺度相關感知誤差測度建模和近似全局優化理論計算半色調圖像二值像素最優配置,以驗證提出的半色調算法的有效性;
②利用紋理熵、結構相似度和角二階矩的客觀評價方法在動態環境下與LSMB方法比較來評價數字圖像半色調的性能,并對算法復雜度進行分析。
本發明的有益效果:
(1)解決了現有方法無法兼顧多尺度誤差測度信息的尺度內和尺度間交互問題;
(2)利用本發明的多尺度誤差測度全局優化的數字半色調方法,程序簡單,處理速度較快,可得到高品質的激光制版圖像。
附圖說明
圖1為本發明的流程圖;
圖2 為四叉樹概率圖結構圖;
圖3 LSMB半色調得到的結果;                              
圖4 本發明所述方法得到的結果。
具體實施方式
下面結合附圖和具體實施方式對本發明做進一步詳細說明,但本發明的保護范圍并不限于所述內容。
實施例1
本實施例所述多尺度感知誤差測度近似全局優化的數字圖像半色調方法如圖1所示,具體包括如下步驟:
(1)判斷連續調圖像是否是標準的2n×2n圖像;
(2)構造多尺度感知誤差測度目標函數模型框架:具體包括如下步驟:
① 采用Haar二維離散小波變換建立標準連續調圖像在L *a*b*色空間的多尺度模型,根據多尺度模型定義小波域空間點處的多尺度感知誤差測度信息為相應小波系數在L*a*b*色空間的歐幾里德距離;
② 采用Nasanen人類視覺系統模型確定多尺度感知誤差測度的空間、頻率和方向特性對比敏感度響應,根據步驟①中多尺度感知誤差測度信息和對比敏感度響應計算多尺度感知誤差測度和對比敏感度響應的卷積得到在尺度方向空間點處多尺度感知誤差測度目標函數;
③ 將總體感知誤差測度函數定義為步驟中不同位置、尺度和方向的多尺度感知誤差測度目標函數的均方和,即。
(3)建立尺度相關感知誤差測度函數:具體包括如下步驟:
①采用有向圖表征多尺度感知誤差測度目標函數模型,其中 為結點集合,各結點與感知誤差測度對應,為源點,為匯點,為連線集合;
②采用二分量高斯混合模型對感知誤差測度的尺度內聚類性建模:在小波域小波系數在尺度和子帶上統計獨立,通過小波系數概率分布得到小波系數集合的聯合概率密度函數: ,各小波系數的概率密度函數利用二分量高斯混合模型,其中,表示小波系數對應的隱狀態變量取值時的概率質量函數;表示給定隱狀態變量取值時小波系數的條件概率密度函數,假設此條件概率密度函數服從零均值高斯分布,即, 其中,表示零均值高斯分布的方差,,并用此方差的大小間接反映小波系數幅值的大小;在小波域的多尺度圖像模型中為各個尺度、各個子帶的小波系數依概率質量函數關聯一個隱狀態變量,該隱變量具有兩個狀態值,分別為0和1,反映小波系數幅值的高低,在此基礎上,實現小波系數的尺度內依賴性統計建模;
③采用隱馬爾可夫鏈對四叉樹的跨尺度持續性建模:利用小波域內子帶中小波系數四叉樹概率圖結構模型建立小波系數的父-子依賴性,小波域內一個子帶中的小波系數四叉樹概率圖結構(如圖2所示)中黑色結點代表單獨的小波系數,各個黑色結點左邊的白色結點表示為各個小波系數關聯的隱狀態變量,一個隱狀態變量對應下一個較低尺度的四個隱狀態變量,它們之間通過直線相連,直線表示小波系數的父-子依賴性,即跨尺度持續性;跨尺度持續性表示給定一個特定的小波系數,該系數本身與其父親非常可能具有相同的隱狀態標簽;用有向馬爾可夫概率圖來連接小波系數對應的隱狀態變量,對跨尺度持續性建模;引入沿小波域四叉樹圖模型結構的隱狀態轉移概率,來表示小波系數在上一尺度的父親的隱狀態為大或小時,的隱狀態為大或小的概率,來建立小波系數的隱狀態跨尺度依賴關系模型;當父-子間的隱狀態相同,即時,期望狀態轉移概率較大,由此建立跨尺度持續性模型;在此基礎上,建立小波域單一子帶隱馬爾可夫樹模型:,其中,表示單一的小波子帶且,和為小波系數隱狀態變量的值且,表示父親結點的隱狀態為時孩子結點隱狀態為的概率;
將②中二分量高斯混合模型和③中隱馬爾可夫鏈模型構建為隱馬爾可夫樹,其中為結點概率質量函數,為結點到的狀態轉移概率,為方差;
⑤將有向圖類標簽的尺度相關感知誤差測度函數定義為,其中和分別表示平滑約束和奇異約束,為平滑約束影響系數;采用連續調圖像L*a*b*色空間亮度幅值的負對數似然表示平滑約束,其中狀態,用指數函數構建奇異約束,利用平滑約束和奇異約束建立尺度相關感知誤差測度函數。
(4)尺度相關感知誤差測度近似全局優化策略:具體包括如下步驟:
①采用拉格朗日變換方法實現原尺度相關感知誤差測度函數到對偶感知誤差測度①采用拉格朗日變換方法實現原尺度相關感知誤差測度函數到對偶感知誤差測度函數轉化,并證明對偶感知誤差測度函數為凸函數;
②采用有向圖重新參數化方法實現尺度相關感知誤差測度函數近似全局優化,在滿足容量和守恒約束前提下,在殘余容量的基礎上增減恒流量,進行殘差圖重新參數化;
③采用圖論理論證明終端連線和結點連線容量修正理論:通過有向圖重新參數化后的尺度相關感知誤差測度函數具有相同類標簽方法,實現感知誤差測度的迭代優化; 
④達到迭代次數或設定精度時,若源點與結點相連,則標簽為1;若匯點與結點相連,則標簽為0,制定尺度相關感知誤差測度函數近似全局優化策略,得到半色調圖像二值像素近似全局最優配置。
步驟(5)中所述全局優化近似范圍確定理論具體包括如下步驟:
①采用圖論理論定義全局優化近似系數并證明近似范圍,令為重新參數化后有向圖近似全局優化類標簽配置,為有向圖全局最優類標簽配置,定義c為全局優化近似系數,設定系數;由近似系數可確定感知誤差測度全局優化近似范圍;
②定義有向圖全局最優類標簽配置為的結點集合,并分別定義該結點集合內部、外部和邊界上的結點集合;
③根據不同標簽區域結點集合定義,確定重新參數化后各區域感知誤差測度函數大小,建立各結點集合上的近似誤差測度與全局最優測度之間的聯系,由各測度分量在有向圖中出現的次數確定感知誤差測度全局優化近似范圍。
所述步驟(6)中,典型動態環境下算法有效性實驗驗證具體包括如下步驟:
①應用提出的尺度相關感知誤差測度建模和近似全局優化理論計算半色調圖像二值像素最優配置,以驗證提出的半色調算法的有效性;
②利用紋理熵、結構相似度和角二階矩的客觀評價方法在動態環境下與LSMB方法比較來評價數字圖像半色調的性能,并對算法復雜度進行分析。
對本實施例所述方法得到的結果進行分析,如圖3~4所示,本專利從邊緣保持程度和平滑區域人工紋理抑制水平兩方面合理評價不同半調方法得到的半色調質量。將客觀質量評價體系分解為兩個部分:(1)圖像細節和邊緣的高頻部分評價(2)圖像平滑部分的低頻部分評價。
采用梯度幅值和(G)與紋理熵(Entropy Feature, Ent)評價高頻分量中邊緣損失情況和細節保持水平;圖像的低頻分量集中了圖像的絕大部分能量,人眼視覺對這部分的感知是灰度分布的均勻程度;應用角二階矩(Angle Second Moment Feature, Asm) 來考量低頻殘差圖的光滑程度;G越大,圖像中邊緣成分越多,說明半調圖像邊緣損失越大;反之,半調圖像邊緣保持情況越好;紋理熵越小,說明高頻殘差圖中包含的信息量越少,半色調圖像中整體細節損失較少,邊緣保持較好;角二階矩越大,說明灰度分布越均勻,半色調的低頻圖像越光滑。
 從表1的“橫向”來看,對同一種掃描圖像進行不同半色調方法處理后,可以發現,本專利方法質量評價數據優于Lsmb方法;證明了本專利提出的評價方法能恰當地描述半色調噪聲水平,給出了半色調圖像在邊緣、細節處的殘余噪聲變化和平滑區域的均勻特性,為客觀描述半色調圖像質量提供了有效的依據。
表1 半色調圖像質量客觀評價結果
 
表2算法復雜度分析結果
 

關 鍵 詞:
一種 尺度 感知 誤差 測度 近似 全局 優化 數字圖像 色調 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種多尺度感知誤差測度近似全局優化的數字圖像半色調方法.pdf
鏈接地址:http://www.wwszu.club/p-6140638.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大