积分商城

最新搜索： RN8209D 米联客 AD717 11452-4 RA8889 protues arm
您现在的位置是：首页 > 技术资料 > 基于最大加权投影求解的彩色图像灰度化对比度保留算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于最大加权投影求解的彩色图像灰度化对比度保留算法

更新时间：2019-12-30 04:20:53 大小：1M 上传用户：zhiyao6查看TA发布的资源 标签：彩色图像灰度化 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对目前彩色图像灰度化难以充分保留原彩色图像对比度的问题,本文提出了基于最大加权投影求解的彩色图像灰度化模型及算法.首先,在好的彩色图像灰度化算法应使灰度化图像具有最大对比度的假设下,本模型提出最大加权投影的目标优化函数,并且将原始彩色图像梯度权重引入到最大化函数中,使得原彩色图像中对比度较小的区域也能够在灰度化后的图像中得到保持.每个彩色通道梯度的高斯加权系数反映灰度图像的对比度和原彩色图像的颜色顺序.其次,对所提模型使用参数离散搜索策略求解,通过对线性离散参数模型产生的候选图像进行搜索,由于只有几个算术运算,计算速度较快.最后,为评价所提出算法在复杂场景下图像灰度化对比度保持性能,本文对Cadik、CSDD和COLOR250数据集分别进行灰度化实验.定性和定量实验结果表明,所提算法相比于其他算法能较好地保留原彩色图像颜色对比度,同时具有对噪声鲁棒和运算速度快的优势.


部分文件列表

文件名 大小
基于最大加权投影求解的彩色图像灰度化对比度保留算法.pdf 1M

【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第 43 卷 第 5 期  
2017 年 5 月  
自
动
化
学
报
Vol. 43, No. 5  
May, 2017  
ACTA AUTOMATICA SINICA  
基于最大加权投影求解的彩色图像灰度化对比度保留算法  
王玉皞 1  
卢红阳 1  
刘且根 1  
熊娇娇 1  
邓晓华 1  
摘
要
针对目前彩色图像灰度化难以充分保留原彩色图像对比度的问题, 本文提出了基于最大加权投影求解的彩色图像灰  
度化模型及算法. 首先, 在好的彩色图像灰度化算法应使灰度化图像具有最大对比度的假设下, 本模型提出最大加权投影的目  
标优化函数, 并且将原始彩色图像梯度权重引入到最大化函数中, 使得原彩色图像中对比度较小的区域也能够在灰度化后的  
图像中得到保持. 每个彩色通道梯度的高斯加权系数反映灰度图像的对比度和原彩色图像的颜色顺序. 其次, 对所提模型使用  
参数离散搜索策略求解, 通过对线性离散参数模型产生的候选图像进行搜索, 由于只有几个算术运算, 计算速度较快. 最后, 为  
评价所提出算法在复杂场景下图像灰度化对比度保持性能, 本文对 Cadik、CSDD 和 COLOR250 数据集分别进行灰度化实  
验. 定性和定量实验结果表明, 所提算法相比于其他算法能较好地保留原彩色图像颜色对比度, 同时具有对噪声鲁棒和运算速  
度快的优势.  
关键词 彩色图像灰度化, 最大加权投影, 对比度保留, 线性参数模型, 离散搜索  
引用格式 卢红阳, 刘且根, 熊娇娇, 王玉皞, 邓晓华. 基于最大加权投影求解的彩色图像灰度化对比度保留算法. 自动化学  
报, 2017, 43(5): 843−854  
DOI 10.16383/j.aas.2017.c160077  
Maximum Weighted Projection Solver for Contrast Preserving Decolorization  
LU Hong-Yang1  
LIU Qie-Gen1  
XIONG Jiao-Jiao1  
WANG Yu-Hao1  
DENG Xiao-Hua1  
Abstract This paper presents a color-to-gray conversion model for faithfully preserving the contrast details of the  
original color image. First, on the basic assumption that a good gray conversion should make the conveyed gradient values  
to be maximal, we present a maximum weighted projection function to model the decolorization procedure, incorporating  
weights of the original gradients into the maximization problem. The Gaussian weighted factor consisting of the gradients  
of indivisual channels of the input color image is employed to better reflect the degree of preserving feature discriminability  
and color ordering. Second, a discrete searching solver is proposed by determining the solution with the loss function  
value from the linear parametric model-induced candidate images. The non-iterative solver has advantages in simplicity  
and speed with only several simple arithmetic operations, leading to real-time computational speed. Finally, extensive  
experimental evaluations on the existing datasets show that the proposed method outperforms the state-of-the-art methods  
quantitatively and qualitatively.  
Key words Color-to-gray conversion, maximum weighted projection, contrast preserving, linear parametric model,  
discrete searching  
Citation Lu Hong-Yang, Liu Qie-Gen, Xiong Jiao-Jiao, Wang Yu-Hao, Deng Xiao-Hua. Maximum weighted projection  
solver for contrast preserving decolorization. Acta Automatica Sinica, 2017, 43(5): 843−854  
在图像处理和现代科技应用中 伴随着数字图  
像处理技术的逐渐进步 彩色图像灰度化技术越来  
越受到重视 首先在一些图像处理和模式识别等技  
术系统的预处理阶段 例如人脸识别、运动目标跟踪  
等 为了减少输入图像的信息量或者是减少后续的  
运算量 都需要将彩色图像灰度化 这样不仅能够增  
加后续算法的处理速度 还能够大大提高系统综合  
应用实效 另外 因为打印成本的原因 很多课本报  
刊及论文等资料仍然将彩色图像转换成灰度图像打  
印出来 最后灰度图像在艺术美学方面也有广泛应  
用 如中国水墨画渲染等 因此 研究图像灰度化技  
术具有重要意义  
上述应用需求推动着各种彩色图像灰度化方法  
的发展 彩色图像的灰度化过程可以看成是一个将  
彩色图像从三维颜色矢量空间变换到一维灰度标量  
空间的降维过程 在这种空间转换过程中 不可避免  
的会有许多彩色图像的颜色信息因空间转换而丢失  
各种算法试图利用有限范围的灰度值呈现输入彩色  
图像的对比度和颜色顺序等细节 因此 为得到比较  
好的彩色图像灰度化效果 应该考虑在映射彩色图  
像亮度信息的基础上 尽量多地向灰度图像映射原  
收稿日期 2016-01-22 录用日期 2016-04-28  
Manuscript received January 22, 2016; accepted April 28, 2016  
国家自然科学基金 (61362001) 资助  
Supported by National Natural Science Foundation of China  
(61362001)  
本文责任编委 吴建鑫  
Recommended by Associate Editor WU Jian-Xin  
1. 南昌大学信息工程学院 南昌 330031  
1. School of Information Engineering, Nanchang University,  
Nanchang 330031  
844  
自
动
化
学
报
43 卷  
彩色图像的颜色对比信息  
像像素点的亮度值信息和颜色对比度信息 并尽量  
多地向灰度图像映射原彩色图像相邻区域的不同  
颜色对比信息 从而增加灰度图像的对比度 对此  
等[4] 提出一种基于彩色图像相邻像素点间  
颜色差值的灰度化算法 首先 通过求解彩色图像  
相邻像素点之间的颜色差值和亮度差值 然后 通  
过得到的颜色信息和亮度信息构造灰度级目标函  
数 最后 通过构造和求解优化方程得到灰度图像  
等[5] 直接对不同的颜色对集进行约束 并  
且通过建立二次多项式求解出灰度图像  
分别从参数化和扩充梯度点集的角度对  
工作进行了扩展 在国内 上海交通大学的  
等[6]  
的
等
基于显著性引导的图像灰度化算法 他们使用区  
域显著性保持作为优化目标并将灰度图像参数化  
为依赖局部特征和不依赖局部特征两步部分的权  
重和进行优化求解来实现[7] 浙江大学的宋明黎  
等主要侧重于在图像灰度化过程中对空域中各种  
视觉效果特征的保持进行建模 在建立优化模型  
后采用参数优化的方式进行求解[8−10] 全局映射  
算法缺点是将彩色图像信息映射到灰度图像后 可  
能会出现原彩色图像中不同区域相同的颜色信息  
映射为相同的灰度值的情况 还可能会出现彩色图  
像中不同区域不同颜色信息映射为同一灰度值的  
情况[11−12]  
图 1 彩色图像灰度化的应用示意图  
Fig. 1 Application diagram of color-to-gray conversion  
若原输入图像是  
灰度化的方法是以固定权重线性地对  
和 即 中的 函数 然而 对于一  
格式 常用的彩色图像  
通道求  
些有不平衡颜色值区域的彩色图像 仅使用高亮度  
通道图像不能如实地表示它们的结构和对比度 近  
几年 有关认知驱动灰度化的理论和算法取得显著  
性进展 从而产生了大量新方法 这些灰度化算法  
整体上主要分为两大类 局部映射算法和全局映  
射算法 在局部算法映射中 多维度色彩到单维度  
灰度映射的像素值取决于颜色的局部空间分布 局  
部映射类算法运算量小、计算简单、算法处理速度  
很快 基于这些优点 局部映射类的算法对于大部  
现有的方法普遍存在计算成本高和对原图像对  
比度小的区域不能很好保持的缺点 为了克服这些  
缺陷 研究人员重新考虑简单和传统的  
模
型
中
具体地讲 它假定输出的灰度图像是彩色图像  
分的彩色图像都具有比较好的处理效果  
等[1]  
通道的线性组合 即分别代表  
颜色通  
道分量 例如在经典  
的
函数 所  
提出了一种将高频色度分量加入亮度分量的空间  
域方法 在色度分量进行高通滤波 并将滤波器输  
出量与亮度相关的项加权 将结果加入到亮度分  
有图像的权重都是固定的 最近 一些研究人员通  
过引入一些度量对离散的候选灰度图像集合进行比  
量
等[2] 通过将彩色空间中的色彩和亮  
较 自适应地选择通道权重  
差最小化的  
等提出基于梯度误  
[13]  
及
模型[14] 算法 其  
度对比度作为梯度对比度从而得到灰度图  
等[3] 将图像分解成几段频率成分 并用色度分量调  
整组合权重 这些局部映射算法具有有效地保护局  
部色差的特点 但往往只是将一部分彩色图像信息  
通过空间映射的方法映射到灰度图像 并没有比较  
好地平衡原彩色图像中的亮度值信息和色度值信  
息 导致灰度图像只能体现原彩色图像的部分对比  
信息  
中
算法[14] 使用  
个候选值离散化线性参  
数模型的解空间 然后基于能量值选取其中最小梯  
度误差的候选值作为最优解 用双峰分布函数自动  
选择合适的符号来保持图像的部分局部对比度信息  
但是这种方法依然会损失很多明显的局部对比度信  
息[15]  
等[16] 探讨现存方法的鲁棒性 研究利  
用联合双边滤波来保持离散候选图像集合中灰度图  
像的多尺度对比度 为了得到比较好的彩色图像灰  
度化效果 须考虑在映射彩色图像亮度信息的基础  
上 尽量多地向灰度图像映射原彩色图像的颜色对  
在全局的映射方法中 输入图像的所有像素采  
用相同的灰度值化映射 其主要分为基于变换的  
降维类和像素点颜色对比的方法 对于变换的降  
维类的方法 以主成分分析  
比信息  
等[17] 通过深入分析目前最为普遍的以  
变换降维为主要代表 对于像素点  
梯度差值拟合作为准则所衍生的算法 发现彩色图  
像灰度化效果依赖于图像的梯度模值 因此提出梯  
颜色对比的方法 这一类算法的思想是在构造从彩  
色图像到灰度图像的映射函数时 综合利用彩色图  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号