论文部分内容阅读
随着数码设备的普及和日益更新,人们将越来越多的关注集中于图像美感。可计算美学通过模拟人类感官系统,以可计算的方式对图像进行美学质量判断,是计算机视觉领域具有挑战性的课题。本文致力于图像美学质量评价及自适应增强算法的系统实现,对图像构图与视觉上的多属性评价及增强进行了一系列的研究。本文主要工作如下:(1)构图质量评价部分:首次定义了景深评价公式,实现对图像景深构图的量化评价,并在已有视觉平衡评价算法的基础上加入显著区域比例评价项,有效改善了评价算法的准确性。(2)视觉属性质量评价部分:首先,提出了一种基于自适应窗口的清晰度评价方法,解决了传统清晰度评价算法不能对“浅景深”图像进行准确评价的问题;其次,从对比度在直方图上的体现出发,提出一种基于直方图的对比度评价算法,实现了对不同对比度情况的全面有效评价;最后,采用统计方法,利用logistic非线性回归得到图像饱和度的相对标准,提出了一种评价彩色图像饱和度的有效方法。(3)对比度增强部分:提出了抗对比度过增强的自适应双直方图均衡算法(ROCLABHE):采用基于对比度的自适应分块方法划分局部待增强区域,加快计算速度,并且有效地防止了局部对比度过增强;用最小化亮度差的双直方图均衡化算法(MMBEBHE)进行局部增强,在增强图像的同时有效保持了亮度。此外,提出了对比度增强综合算法,根据不同的对比度评价结果自适应地选择方法进行图像增强,形成了图像对比度评价与增强算法的完整体系。(4)清晰度增强部分:在小波域进行研究,提出一种图像锐化新算法,根据小波多尺度提取到的边缘锐化低频信息,对高频信息进行软阈值去噪,在提高图像清晰度的同时对噪声的放大实现了双重抑制。(5)综合实验部分:本文使用SVM分类器对数据库中图像进行高低美感分类实验,并从一种新的角度出发,通过加权求和阈值划分的方法对图像美学质量进行综合评价,在实现更高分类准确率的同时获得图像美感确切分数和各属性具体评价结果,进而实现了对图像的美学分析。最后对数据库中低美感图像进行增强实验,并使用本文评价算法对增强后的图像进行再评价,实验结果表明本文算法是行之有效的。