基于廣義高斯混合模型和軟分割的圖像增強.pdf

1、圖像增強是數字圖像處理領域經典的研究方向之一，研究成果已被廣泛應用于遙感、醫(yī)學圖像、視頻監(jiān)控等方面，并且仍然在被廣大學者積極研究。圖像增強的目的是改善圖像中可理解或者可被觀察者感知到的信息，此外，圖像增強也可以作為其他圖像處理任務的預處理操作。通過改變一幅質量退化圖像中的屬性可以使其具有更佳的視覺效果或是更有利于實現某種任務。
　　在眾多影響圖像質量的因素中，不良的光照條件是十分常見的一種因素。本文針對由于光照條件不均勻而造成的逆

2、光圖像以及閃光燈圖像，提出了基于廣義高斯混合模型和軟分割的增強算法。對于逆光圖像和閃光燈圖像，根據曝光不均勻可以將其分為過曝光區(qū)域、正常曝光區(qū)域和欠曝光區(qū)域，因此本文使用一個三分量的廣義高斯混合模型對輸入圖像亮度分量的直方圖進行建模，每個分量分別對應于不同區(qū)域的直方圖，從而實現對輸入圖像按概率的軟分割。對欠曝光區(qū)域和過曝光區(qū)域分別使用最優(yōu)對比度色調映射算法進行增強，該算法提出了對比度增益和色調失真這一相互矛盾的概念，在給出了由映射函數造

3、成的輸出圖像相對于輸入圖像的對比度增益函數和色調失真度函數后，圖像增強的問題便轉換成了在色調失真不超過用戶輸入值的前提下最大化對比度增益這一最優(yōu)化問題。將欠曝光區(qū)域和過曝光區(qū)域的映射函數與不進行處理的正常曝光區(qū)域按照廣義高斯混合模型得出的概率融合，便得到最終的映射函數，實現對輸入圖像的增強。
　　實驗證明，基于廣義高斯混合模型和軟分割的圖像增強算法相比較于傳統(tǒng)的直方圖均衡、對比度限制自適應直方圖均衡、多尺度Retinex增強和最優(yōu)