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

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;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 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 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=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 Gr(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=v1,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