非对称广义高斯亮度迁移与局部信息融合的土壤图像增强_邓亿.pdf
《非对称广义高斯亮度迁移与局部信息融合的土壤图像增强_邓亿.pdf》由会员分享,可在线阅读,更多相关《非对称广义高斯亮度迁移与局部信息融合的土壤图像增强_邓亿.pdf(16页珍藏版)》请在咨信网上搜索。
1、 2 0 2 3年5月重庆师范大学学报(自然科学版)M a y2 0 2 3第4 0卷 第3期J o u r n a l o fC h o n g q i n gN o r m a lU n i v e r s i t y(N a t u r a lS c i e n c e)V o l.4 0 N o.3 D O I:1 0.1 1 7 2 1/c q n u j 2 0 2 3 0 2 1 5非对称广义高斯亮度迁移与局部信息融合的土壤图像增强*邓 亿1,2,曾绍华1,2,詹林庆3,陈亚楠4,刘国一5(1.重庆师范大学 计算机与信息科学学院;2.重庆师范大学 重庆市数字农业服务工程技术研究中
2、心,重庆4 0 1 3 3 1;3.重庆市农业技术推广总站,重庆4 0 1 1 2 1;4.重庆市万州区土肥与农业生态保护站,重庆4 0 4 1 9 9;5.西藏自治区农牧科学院农业资源与环境研究所,拉萨8 5 0 0 3 2)摘要:【目的】为减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响,提出对野外自然环境下采集的土壤图像可控光照增强。【方法】首先,用非对称广义高斯曲线拟合土壤图像V分量直方图,并在拟合曲线中引入目标迁移量,完成图像亮度迁移,实现土壤图像全局亮度可控增强;然后,利用全局和局部信息估计图像在局部区域上的光照权重,引入目标亮度,根据权重确定局部增量,并将局部增量叠加到原
3、始V分量,实现基于局部增量的土壤图像亮度增强;再利用s i g m o i d曲线,将非对称广义高斯曲线亮度迁移获得全局亮度增强结果与基于局部增量的亮度增强结果融合,获得土壤图像的亮度可控增强。最后,根据色比不变性原理,分别对原始土壤图像R、G、B分量进行颜色校正。【结果】仿真实验表明:土壤图像从低亮度向高亮度迁移时,增强图像与目标图像在V分量上各对应像素的亮度差异均值为1 0.5 2 67,与目标图像亮度均值差异为0.2 4 51;从高亮度向低亮度迁移时,各对应像素的亮度差异均值为1 0.7 4 30,与目标图像亮度均值差异为0.2 7 21;本文所提算法在亮度控制上较其他算法具有更高的精度
4、;主观质量评价表明,以原图亮度为基准,-3 0,3 0 为土壤图像有效增强范围;【结论】所提方法能够实现亮度可控的土壤图像增强,算法是有效的。关键词:图像增强;亮度控制;土壤图像;直方图规定化;机器视觉中图分类号:T P 7 5 1.1文献标志码:A 文章编号:1 6 7 2-6 6 9 3(2 0 2 3)0 3-0 1 3 9-1 6野外自然环境下,多变的光照条件导致机器视觉采集的同一土种图像表征的土壤信息特征可能不完全一致。如果不同土壤图像能转换到相同条件下表征土壤信息特征,无疑可提升机器视觉识别土种精度。为了减小成像环境条件差异的影响,将不同光照下采集的土壤图像调整为非常近似于该土壤在
5、某些特定自然光照条件下采集的具有额定亮度的真实土壤图像是一项非常有意义的工作,这项工作的实质是土壤图像增强。前人对图像增强做了大量研究工作1-1 8,但针对土壤的图像增强鲜见报道。已有研究中图像增强的方法主要包括:非线性增强7-1 1、直方图均衡化1 2-1 6和直方图规定化1 7-1 8。其中,直方图规定化是图像增强的重要技术之一,许多学者对该方法进行了改进。赵通等人1 9通过计算直方图的一阶导数和二阶导数来获得直方图的方差和极值,拟合直方图的多峰高斯函数,并对此函数进行调整作为规定化中的目标直方图。为了解决人脸图像中局部光照过强、纹理模糊等问题,L i u等人2 0提出了基于局部直方图规定
6、的人脸图像预处理算法,该算法能减弱人脸图像局部高频光照并对人脸重要特征的低频部分进行增强。虽然直方图规定化增强图像亮度、对比度能较好地提升图像视觉质量,但由于无法精准控增强图像亮度,因此不能解决土壤图像增强问题。为了控制增强图像亮度,X i a o等人2 1利用一维高斯曲线的可控制性,通过调整高斯曲线参数控制增强图像亮度、对比度;为了达到更理想的增强效果,进一步使用二维高斯代替一维高斯作进行直方图规定化,实现图像的亮度可控增强。但此算法将图像直方图调整为高斯曲线形状,未考虑增强图像本身应具有的直方图分布特性。为了进一步精准控制增强土壤图像亮度,有研究利用多个不同参数的高斯曲线对土壤图像亮度直方
7、图左部进行分段拟合,最终获得多次高斯拟合的加权拟合曲线2 2;然后通过调整多高斯加权拟合曲线的高斯函数参数对土壤图像亮度可控迁移,以迁移曲线为目标直方图,进行直方图规定化获得亮度可控增强土壤图像;此算法既*收稿日期:2 0 2 2-0 8-2 3 修回日期:2 0 2 2-1 0-1 0 网络出版时间:2 0 2 3-0 4-2 1 T 1 0:0 4资助项目:重庆市教育委员会科学技术研究重点项目(N o.K J Z D-K 2 0 1 9 0 0 5 0 5);重庆市高校创新研究群体(N o.C X Q T 2 0 0 1 5);重庆市研究生科研创新项目(N o.C Y S 2 2 5 6
8、4);重庆市技术预见与制度创新项目(N o.C S T B 2 0 2 2 T F I I-O F X 0 0 4 3)第一作者简介:邓亿,女,研究方向为数字图像处理,E-m a i l:8 5 0 8 5 9 9 9 2q q.c o m;通信作者:曾绍华,男,教授,博士,E-m a i l:z s h_c q u1 2 6.c o m网络出版地址:h t t p s:/k n s.c n k i.n e t/k c m s/d e t a i l/5 0.1 1 6 5.N.2 0 2 3 0 4 2 0.1 6 5 1.0 3 2.h t m l保留了亮度直方图的分布特性,又达到了精确控
9、制图像亮度的目的,但算法多次搜索拟合区间,拟合亮度直方图算法平均迭代次数68次,时间复杂度较高。显然,上述研究对图像亮度实现了可控增强,但在亮度直方图分布特性和拟合直方图的复杂性方面却有一定缺陷,均忽略了土壤图像局部信息;此外,直方图规定化中的映射算法可能产生较严重的块效应,将损失土壤图像局部梯度特性。因此,土壤图像亮度可控增强尚可进一步深入研究。1 非对称广义高斯亮度迁移为了保持土壤图像亮度直方图的分布特性并降低直方图拟合的复杂性,本文引入非对称广义高斯曲线拟合土壤图像亮度直方图。1.1 土壤图像亮度直方图分布特性在不同的自然光照下拍摄4 5 6张土壤图像,每张土壤图像的不同位置处截取(图1
10、 a)3 0 03 0 0不含背景的土壤子图。随机选取9 5 0张土壤子图,从R G B颜色空间转化为H S V颜色空间,获得亮度V分量(图1 b)进行直方图分析,发现亮度级分布连续(图1 c),总体近似于偏态的高斯分布(图1 d)。1.2 构建直方图的非对称广义高斯优化模型土壤图像V分量的亮度分布域为V=v1,vk,其中v1=vm i n,vk=vm a x,vm i n和vm a x分别为亮度分布域的最小和最大值,则土壤图像V分量直方图表示为p(vi)=ni(wh),其中:vi是第i个亮度级,viv1,vk,ni是图像中亮度级为vi的像素个数,w表示图像的宽,h表示图像的高。在图像亮度分布
11、域V=v1,vk 下,非对称广义高斯拟合土壤图像V分量直方图(如图1 d),构建非对称广义高斯(a s y mm e t r i cg e n e r a l i z e dG a u s s i a n,AG G)拟合直方图优化模型为:a r gm i n,l,r,mmi=1p(vi)-Gl(vi)+ki=mp(vi)-Gr(vi),(1)其中:Gl(vi)为非对称广义高斯左部,Gl(vi)=(l+r)1e x p-vi+ml;Gr(vi)为非对称广义高斯右部2 3,Gr(vi)=(l+r)1e x p-vi-mr。上 述 两 个 式 子 中l=l1 3,r=r1 3,m为非对称广义高斯在V
12、=v1,vk 范围内尖峰的横坐标,l,r为非对称广义高斯函数参数。1.3 非对称广义高斯亮度迁移1.3.1 引入目标亮度将拟合后的非对称广义高斯曲线进行亮度迁移:a r g m i nm t a r g e t-m+m j=1Gl(v j)v j-lj=m+m Gr(v j)v j。其中:t a r g e t为目标亮度,m 为亮度迁移的偏移量。迁移时,m+m 代替式(1)中的m,即非对称广义高斯曲线峰值点从m迁移到m+m,实现非对称广义高斯曲线迁移。亮度迁移后的非对称广义高斯曲线亮度分布域为V=v 1,v l,直方图为:p(v j)=G(v j)m+m j=1Gl(v j)+lj=m+m G
13、r(v j)()。其中:v j是亮度迁移后的第j个亮度级,v jv 1,v l。根据直方图规定化中的单映射定律2 4,利用累积分布c(vi)和c(v j)将输入图像的亮度viv1,vk 迁移到输出图像的亮度v jv 1,v l,(vi,v j)=a r g m i nvi,vjc(vi)-c(v j)。041重庆师范大学学报(自然科学版)h t t p s:/c q n u j.c q n u.e d u.c n 第4 0卷经单映射后的图像亮度分量表示为Vs m l,直方图为ps m l(v j)。直方图ps m l(v j)(图2 a)中存在异常增高和缺失的情况。经过分析发现,它是因为映射算
14、法将输入图像中多个亮度映射为输出图像上的一个亮度造成的。它将使土壤图像亮度迁移产生较严重的块效应,继而损失图像局部梯度特性,需要重映射校正。a 土壤子图b 亮度V分量c V分量直方图d 非对称广义高斯曲线拟合图1 土壤图像亮度直方图及非对称广义高斯拟合F i g.1 B r i g h t n e s sh i s t o g r a mo f s o i l i m a g ea n d i t s f i t t i n gc u r v eb a s e do nA G Ga 映射直方图b 非对称广义高斯亮度迁移直方图c 融合直方图图2 非对称广义高斯亮度迁移与局部信息融合的土壤图像直方
15、图F i g.2 S o i l i m a g e sh i s t o g r a m so f i n t e g r a t i n gb r i g h t n e s sm i g r a t i o nb a s e do nA G Ga n ds p a t i a l i n f o r m a t i o n i np r o c e s s1.3.2 迁移亮度直方图校正 1)异常点检测。从直方图ps m l(v j)中筛选出异常点v j,异常点v j同时满足:直方图ps m l(v j)中,异常点v j对应的ps m l(v j)大于邻域均值;映射中,多个原亮度级vi映射
16、到同一亮度级v j。在进行异常点检测之前对ps m l(v j)进行一次“排零”操作,剔除零数据对直方图平滑带来的影响。由异常点v j组成有序集合A=v jps m l(v j)-3a=-3ps m l(v j+a)7 0&n j2,其中:n j2表示原图中至少有2个亮度级映射为输出图像中的亮度级v j。2)迁移直方图校正算法。首先,从迁移直方图中统计零值点和异常点;然后,找出映射关系中异常点的位置坐标;最后,根据距离最小原理将异常点重映射到零值点,直至所有异常点完成校正。获得迁移直方图校正算法见算法1。算法1 输入:映射关系级M=(v1,v 1),(vi,v j),(vk,v l),vi=v
17、1,vk,v jv 1,v l ;迁移亮度直方图ps m l(v j),v jv 1,v l。过程:ps m l(v j)中的零值点组成集合L:L=v j|ps m l(v j)=0,j(1,l),nL=l e n g t h(L);(l e n g t h为求集合大小的函数,表示集合L中有nL个元素)检测迁移亮度直方图ps m l(v j)的异常点,得异常点组成的集合A:A=v j|ps m l(v j)-3a=-3ps m l(v j+a)7 0&n j2,nA=l e n g t h(A);141第3期 邓 亿,等:非对称广义高斯亮度迁移与局部信息融合的土壤图像增强f o rs=1:nA
18、 w h i l e(n s1)查找集合A中第s个元素A(s)在M中(vi,v j)所处的位置q:f o rvi=v1:vki f(v j=A(s),则:q=i;异常点A(s)对应M中的v j从位置q处校正到L中某一零值点:i f(A(s)L(nL),则:r e p e a tv q=v q-1;q=q-1;u n t i l(v q=L(nL);i f(A(s)L(b)&A(s)L(c)-A(s),则:r e p e a tv q=v q+1;q=q+1;u n t i l(v q=L(c);i f(A(s)-L(b)lj=A(s)ps m l(v j)(),则:r e p e a tv q
19、=v q+1;q=q+1;u n t i l(v q=L(c);i fA(s)j=1ps m l(v j)lj=A(s)ps m l(v j)(),则:r e p e a tv q=v q-1;q=q-1;u n t i l(v q=L(b);n s=n s-1;更新L;输出:亮度分量V11.3.3 非对称广义高斯亮度迁移算法 为了减小重映射后V1的亮度均值与目标亮度均值的差异,以迭代方式不断调整亮度偏移量m,逐步逼近输出图像目标亮度。获得的非对称广义高斯亮度迁移算法,见算法2。算法2 输入:土壤图像V分量,其中viv1,vk;2.V分量亮度均值v;3.目标均值t a r g e t。初始化:
20、迭代次数t=0;2.置偏移量m 0=v-t a r g e t以减小迭代次数;3.设置阈值=0.1。过程:计算V分量直方图及累积分布,即:p(vi)=ni(wh)和c(vi)=ia=1p(va);计算拟合曲线:a r g m i n,l,r,mmi=1p(vi)-Gl(vi)+ki=mp(vi)-Gr(vi);r e p e a t 亮度迁移:a r g m i nt a r g e t-m+m tj=1Gl(v j)v j-lj=m+m tGr(v j)v j;计算:p(v j)=G(v j)m+m tj=1Gl(v j()+lj=m+m tGr(v j)和c(v j)=ja=1p(v a)
21、;进行单映射(vi,v j)=a r g m i nvi,vjc(vi)-c(v j)获得迁移亮度分量Vs m l以及直方图ps m l(v j);用迁移直方图校正算法(表1)对迁移亮度直方图ps m l(v j)进行校正,得V1和亮度均值v1;更新t=t+1;更新m t=v1-t a r g e t;241重庆师范大学学报(自然科学版)h t t p s:/c q n u j.c q n u.e d u.c n 第4 0卷u n t i l(m t-m t-1)输出:亮度分量V12 土壤图像局部信息非对称广义高斯亮度迁移仅实现输出土壤图像目标亮度的总体控制。为了保持增强后的土壤图像局部亮度差
22、异与原始土壤图像的一致性,引入土壤图像局部光照信息,实现土壤图像局部亮度增强。2.1 局部光照权重估计运用局部和全局光照信息,估计图像在关于像素点(i,j)区域上的光照权重:D(i,j)=1-v-Vm(i,j)m a xVm-m i nVm,D(i,j)(0,1);Vm(i,j)=1a=-11b=-1V(i+a,j+b)9。其中:v为土壤图像V分量的全局均值,Vm为使用33的滑动窗口对V分量进行均值滤波的结果,m a xVm和m i nVm表示Vm中最大和最小值。2.2 局部信息的土壤图像增强为了保持图像局部光照分布特性,根据局部光照权重信息,获得局部增量Va d d(i,j):Va d d(
23、i,j)=(t a r g e t-v)whD(i,j)wi=0hj=0D(i,j)。其中:t a r g e t表示目标亮度,v代表原V分量全局均值,w表示图像的宽,h表示图像的高。为了使图像达到目标亮度,将局部增量Va d d叠加到原V分量上,即V2(i,j)=V(i,j)+Va d d(i,j)。3 亮度迁移与局部信息融合及增强后R G B图像3.1 非对称广义高斯亮度迁移与局部信息融合非对称广义高斯拟合直方图的优化模型实现对土壤图像亮度的总体迁移,局部信息的土壤图像增强保持局部亮度差异,将非对称广义高斯曲线亮度迁移结果V1和局部信息V2融合:V3(i,j)=(1-)V1(i,j)+V2
24、(i,j)。其中:=1(1+e-(V2(i,j)-V1(i,j)。式中由V1和V2全局平均差自适应获得:E(i,j)=V2(i,j)-V1(i,j),En o r m(i,j)=(E(i,j)-m i nE)(m a xE-m i nE),=wi=0hj=0En o r m(i,j)(wh)。其中:m a xE和m i nE表示E中最大和最小值。经过融合后的亮度分量V3保留土壤图像局部光照信息并使输出图像目标亮度(图2 c)可控。3.2 增强后R G B图像依据原始土壤图像中的颜色信息和三分量关系的比例不变性,线性恢复增强后R G B土壤图像:Io u tc=V3VIi nc,cR,G,B。其
25、中:Ii nc表示原始R G B土壤图像,Io u tc表示颜色恢复后增强的R G B图像。4 实验结果与分析4.1 样本来源根据重庆市地方标准D B 5 0/T7 9 62 0 1 7重庆土壤分类与代码2 5,以重庆地区分布的4土属3 4土种紫色土土壤图像为实验样本。本实验在样本的采集方案上分为成对采集和单张采集。成对采集指的是在野外自然光照下,固定相机对耕层1 03 0c m土壤的“心土”进行拍摄,获取成对的能够完全重合的土壤图像样本,分别为遮挡部分光照的低光土壤图像和无遮挡的高光土壤图像,在每对图像相同位置处,截取3 0 03 0 0不含任何背景的土壤子图对,共5 1 2对;单张采集指的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 对称 广义 亮度 迁移 局部 信息 融合 土壤 图像 增强 邓亿
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。