面向人眼探測識別的視頻優(yōu)化方法研究

易運(yùn)池，李 翔

北京農(nóng)業(yè)職業(yè)學(xué)院機(jī)電工程學(xué)院，北京 102208

0 引言

在探測識別的應(yīng)用中通過圖像獲得的信息越多，探測分析的正確性和準(zhǔn)確性就越高，因此觀察者為了提高探測識別的正確率，必須要從圖像中獲取盡量多的信息?；谶@一需求，國內(nèi)外進(jìn)行了大量的相關(guān)研究，并提出了很多基于不同算法的圖像增強(qiáng)方法，其中比較有名的是直方圖均衡和Retinex 算法。近些年來，也出現(xiàn)了一些基于人眼視覺系統(tǒng)的圖像增強(qiáng)的方法，目的是使人眼盡可能感知較多的圖像信息，并根據(jù)實(shí)際應(yīng)用情況進(jìn)行了一定改進(jìn)。但是，這些方法在用于視頻圖像處理時由于對連續(xù)圖像的處理不足，往往會出現(xiàn)閃爍的現(xiàn)象。由于在監(jiān)測系統(tǒng)在實(shí)際應(yīng)用中大都具有較高的實(shí)時性要求，因此，這種閃爍會帶探測識別的準(zhǔn)確性產(chǎn)生較大的影響。因此要想增強(qiáng)視頻優(yōu)化質(zhì)量、提高視頻優(yōu)化方法的實(shí)用性，就需要在這些面向人眼探測識別的圖像優(yōu)化方法進(jìn)行深入了解的基礎(chǔ)上，分析閃爍產(chǎn)生的原因，然后探求在不影響人眼能夠獲得盡量多圖像信息前提下的抑制這種閃爍的方法。這一研究不僅視頻優(yōu)化理論的發(fā)展具有重要意義，同時也有巨大的實(shí)用價值。

1 面向人眼探測識別的視頻圖像優(yōu)化研究成果與分析

圖像的進(jìn)行拍攝時，其周圍環(huán)境往往十分復(fù)雜，因此拍攝過程經(jīng)常會受到干擾，從而影響到拍攝的視頻質(zhì)量，從而給人眼難識別圖像中的信息帶來困難，這就需要對視頻圖像進(jìn)行優(yōu)化與圖像增強(qiáng)。在目前常用的圖像增強(qiáng)方法中，最基本和常用的包括直方圖均衡化方法、線性拉伸方法和Retinex 算法，直方圖均衡化圖像處理方法以圖像的灰度分布相對均勻?yàn)槟繕?biāo)，在處理過程中將圖像的灰度進(jìn)行變換以達(dá)到圖像增強(qiáng)的目的，但是容易發(fā)生相鄰像素的灰度合并造成圖像信息的丟失，從而影響識別的準(zhǔn)確性，線性拉伸的方法由于這種處理方法對于圖像對比度的提高十分有限，因此實(shí)用價值并不大；Retinex 算法的主要是針對低對比度圖像的處理方法，但是在處理過程中易產(chǎn)生“光暈現(xiàn)象”，影響到處理效果。

圖像優(yōu)化的一個重要應(yīng)用就是目標(biāo)探測識別。這種情況下，為了保持識別的準(zhǔn)確性，在圖像優(yōu)化的過程中不改變原始圖像的信息是最基本的要求之一，只有這樣才可以避免因破壞原始圖像信息而降低探測識別的成功率。因此符合這一要求的處理方法必須滿足以下兩個條件：首先處理過程要做到圖像原始信息的保持，盡可能少丟失或不丟失；其次是對圖像進(jìn)行優(yōu)化的方式必須要符合人眼視覺特性，因?yàn)槲覀兊淖罱K目的是增加人眼獲得的信息量以提高識別的準(zhǔn)確度。

我們知道人眼獲取圖像信息的方式是通過灰度關(guān)系來進(jìn)行的。視頻圖像上相鄰像素的灰度關(guān)系有相等和不等兩種。因此圖像灰度處理的原理是處理后圖像灰度相等的相鄰像素間應(yīng)繼續(xù)保持相等關(guān)系，同時灰度不等的像素間的灰度差異被放大到能夠被人眼分辨的程度。這樣就既可以保持圖像原有信息，又能夠使人眼盡可能多地識別圖像中的信息。具體優(yōu)化流程是，將拍攝的圖像按照相鄰像素的灰度值分割成若干區(qū)域，那么這些區(qū)域就蘊(yùn)含圖像的所有人眼可識別或不可識別的信息。根據(jù)人眼視覺系統(tǒng)的可見偏差特性可知，灰度差值小的相鄰區(qū)域在人眼識別時就會被視為同一區(qū)域，如果視頻圖像中灰度差值較小的區(qū)域數(shù)量越多，則圖像中包含的信息就越難被識別，因此這些相鄰區(qū)域要能夠被人眼區(qū)分開來，它們之間的灰度差值就需要達(dá)到一定值。人眼的JND 特性曲線如圖1 所示。

圖1 人眼的 JND 特性曲線

基于以上分析，我們可以將圖像進(jìn)行分割后，按照區(qū)域相鄰、灰度級從低到高及灰度級差值最小的原則建立圖像中灰度級之間最小相鄰關(guān)系表。然后將在圖像中不相鄰而關(guān)系表中相鄰的各灰度進(jìn)行合并，這樣處理之后可以得到表示圖像所需的最少灰度級個數(shù)，但是不會改變圖像原始信息。然后依據(jù)這一原理經(jīng)過數(shù)據(jù)處理就可以得到灰度級映射關(guān)系表，依據(jù)灰度級映射關(guān)系表我們就能夠?qū)D像的各像素通過灰度映射得到符合人眼觀察要求的圖像。但是，人眼能夠分辨的灰度級的個數(shù)并不是無限多的，這一結(jié)論可以從人眼的臨界可見偏差特性得到驗(yàn)證（如圖 2）。這一理論也提醒我們，當(dāng)最小灰度級個數(shù)仍然高于人眼可分辨的灰度級個數(shù)的情況下，上述方式轉(zhuǎn)換的結(jié)果就會造成一些信息仍不能被人眼所識別。因此為了是視頻圖像在人眼識別中發(fā)揮更大的作用，就需要在圖像處理時以盡量壓縮不已識別的圖像信息為原則，并以此騰挪出較多的映射空間，并用于易被人眼識別的圖像信息。具體方法是當(dāng)最小灰度級個數(shù)仍然高于人眼能夠識別的灰度級個數(shù)時，可以采用以下兩種不易識別的信息的壓縮方式，一種是以最小相鄰的灰度級中區(qū)域鄰接的次數(shù)，另一種是以最小相鄰區(qū)域中鄰接區(qū)域的鄰接長度。通過以上方法，就可以將所需的灰度級數(shù)進(jìn)行有效壓縮，并達(dá)到人眼能夠識別的臨界個數(shù)以下，然后再根據(jù)前面的方法進(jìn)行灰度級映射，得到輸出圖像。

圖2 人眼視覺心理學(xué)曲線

2 視頻閃爍原因分析及抑制方法

2.1 視頻閃爍原因

事實(shí)證明上面圖像處理方法在單幅圖像時能夠獲得比較理想的效果，但是將其用于視頻圖像的優(yōu)化時經(jīng)常出現(xiàn)閃爍現(xiàn)象。原始視頻拍攝時現(xiàn)場光線環(huán)境，尤其是燈光較暗是造成閃爍固然的客觀原因，但并不是根本原因。從上述優(yōu)化方法的原理不難看出，其根本原因在于視頻優(yōu)化處理時，上述方法只能對視頻圖像的各幀分別進(jìn)行處理，但是不能照顧到幀與幀之間相互影響的問題。這是出現(xiàn)閃爍的主要原因，而這種閃爍在不同的視頻場景中，會反映在灰度映射曲線某個范圍內(nèi)在前后幾幀中變化很大。

2.2 視頻閃爍抑制的原理

在視頻圖像處理時既不能丟失原始數(shù)據(jù)，也不能向圖像引入新的其他的信息，也就是必須要在保留原圖像信息的不變的情況下，達(dá)到讓人眼感知更多的圖像信息的目標(biāo)，從上一節(jié)的分析中我們事實(shí)上得到了以下結(jié)果，視頻圖像產(chǎn)生閃爍的原因是兩幀圖像的灰度映射曲線存在差異，并且這種差異越大，視頻閃爍的現(xiàn)象就愈發(fā)嚴(yán)重，否則，閃爍的情況就相對較輕。所以，要想成功抑制閃爍，我們在視頻優(yōu)化時，相鄰各幀之間的灰度映射關(guān)系差別盡量小一些。

2.3 視頻閃爍抑制的方法

根據(jù)前面的分析，在進(jìn)行視頻優(yōu)化時我們可以采用如下方法進(jìn)行視頻閃爍抑制。首先運(yùn)用前面所述的方法得到的當(dāng)前幀的灰度映射關(guān)系，記為 curr_map，上一幀的灰度映射關(guān)系記為 prev_map，并將兩幀的灰度差值記為 diff，則可以得到視頻閃爍抑制的計算公式：curr_map=k×diff+prev_map

上述公式中的k 為調(diào)節(jié)系數(shù)，特別地，當(dāng)k 的數(shù)值為0 時，意味著相鄰兩幀間的灰度映射關(guān)系完全相同，當(dāng)k的值為1時，這一公式就可以演變?yōu)榈诙?jié)所述方法計算得到的映射關(guān)系。因此，在抑制閃爍處理時為了既照顧視頻閃爍又保證人眼的信息感知，因此可以在數(shù)值上做一個折中，將k 值取為0.5 即可。

2.4 視頻閃爍抑制的效果

圖3 和圖4 分別是根據(jù)抑制圖像閃爍的方法以及普通方法對400 幀圖像的視頻進(jìn)行優(yōu)化處理后每幀圖像的灰度均值，由于圖像的灰度均值能夠反映圖像的總體亮度情況。從兩幅圖的對比可以看出，圖 3 中視頻各幀的均值變化顯然比圖4 中的視頻各幀均值變化的平緩，可見閃爍抑制處理后的視頻的總體亮度變化幅度要小得多，因此，視頻劇烈閃爍的現(xiàn)象得到了明顯的改善。

圖3 視頻閃爍抑制處理后的每幀灰度均值

圖4 未經(jīng)閃爍抑制處理的幀灰度均值

3 結(jié)論

面向人眼探測識別的視頻優(yōu)化不僅具有理論意義更具有實(shí)用價值，國內(nèi)外學(xué)者在這方面做了大量的研究工作，并取得了一些重要成果。本文對于人眼識別的相關(guān)原理，以及相對應(yīng)的圖像優(yōu)化方法進(jìn)行了簡要分析，并針對優(yōu)化過程中的一些問題給出了相應(yīng)的解決方法。

[1]黃凱奇，王橋.基于人眼視覺特性的多尺度彩色圖象增強(qiáng)算法[J].中國圖像圖形學(xué)報，2003(11).

[2]劉勛，吳錦，郝穎明.面向人眼視覺的圖像增強(qiáng)方法[J].計算機(jī)工程，2012(38).

[3]吳穎謙，方濤，李聰亮.一種基于小波分析和人眼視覺特性的圖像增強(qiáng)方法[J].數(shù)據(jù)采集與處理，2003(1).