基于子集导引与变异系数的图像集增强优选方法技术

本发明专利技术提出了一种基于子集导引与变异系数的图像集增强优选方法，所提方法首先对原始图像集进行随机取样得到子图像集，使用子图像集来代表原始图像集。然后，使用多种图像增强算法对子图像集进行增强，得到多个增强后的子图像集，再使用某一种图像质量评价准则对多个增强后的子图像集进行逐一打分，根据打分结果，计算出每个增强后的子图像集的平均值和方差。所提方法根据平均值和方差，分别计算出每个增强后的子图像集的变异系数，最小变异系数所对应的增强算法即为子图像集的最优算法；根据子集导引的测评体系，最小变异系数所对应的增强算法同时也是原始图像集的最优增强算法。

Optimization method of image set enhancement based on subset guidance and coefficient of variation

【技术实现步骤摘要】
基于子集导引与变异系数的图像集增强优选方法
本专利技术针对多种图像增强算法提供一种基于子集导引与变异系数的优选方法，属于图像处理与质量评价领域。
技术介绍
图像增强在人们日常生活和生产中应用十分广泛，它以满足特定应用需求为目的，突出图像中感兴趣的信息，通常作为图像分析识别的预处理过程，其目的是调整原图像的信息使其更适合人机的识别。若要对图像进行鲁棒的增强，则需要找到一种最优的图像增强算法。对于单幅图像，寻找最优图像增强算法相对简单，即使用多种增强算法对单幅图像进行增强，得到多幅增强后的图像，然后采用图像质量评价准则对增强后的图像进行打分，最高得分的图像所对应的增强算法即为该幅图像最优的增强算法。对于大量图像组成的图像集而言，寻找最优的增强算法相对而言比较困难，一方面是增强算法的数量多，另一方面是图像集很大，操作起来非常耗时。现有的图像集增强优选方法主要为平均方法，首先使用多种增强算法对图像集进行增强，得到多个增强后的图像集；然后使用图像质量评价准则对增强图像集中的每一幅图像进行打分并取平均值，最高平均值所对应的增强算法即为该图像集的最优增强算法。然而平均方法存在一定的缺陷，因为平均方法仅考虑平均值这一个指标，如果增强后的图像集中某些图像的质量分数波动很大，则平均值容易波动，此时平均值难以代表整个增强图像集的整体水平。另外，随着大数据时代的来临，图像数据日益庞大，图像集通常很大，对整个图像集进行增强，然后对增强图像集进行打分并取平均值这一过程非常耗时。
技术实现思路
本专利技术的目的是提供一种可靠性与效率较高的图像集增强优选方法，为图像集筛选出一种性能最优的图像增强算法。为了达到上述目的，本专利技术的技术方案是提供了一种基于子集导引与变异系数的图像集增强优选方法，其特征在于，包括以下步骤：步骤一：对原始图像集A进行随机取样得到子图像集B，原始图像集A包含p幅图像，子图像集B包含n幅图像；步骤二：使用多种图像增强算法(E1，E2，...，Em)对子图像集B进行增强，得到多个增强后的子图像集(B1，B2，...，Bm)，m为图像增强算法的数量；步骤三：使用某一种图像质量评价准则Q依次对增强后的子图像集(B1，B2，...，Bm)进行打分，打分结果记为αij，其中i为图像标号，i＝1，2，...n，j为各种图像增强算法的标号，j＝1，2，...m；步骤四：依次计算出在每一种增强算法(E1，E2，...，Em)下，αij的平均值Uj和方差Sj：步骤五：分别计算出在每一种图像增强算法(E1，E2，...，Em)下增强子图像集的变异系数，在第j种图像增强算法下增强子图像集的变异系数定义为COVj，则有：步骤六：当得到每一种图像增强算法(E1，E2，...，Em)下增强子图像集的变异系数之后，挑选出最小变异系数COVmin＝min(COV1，COV2，...，COVm)，最小变异系数COVmin所对应的图像增强算法即为该子图像集的最优增强算法；步骤七：选出子图像集B的最优增强算法后，根据子集导引的评测体系，子图像集B的最优增强算法即为原始图像集A的最优增强算法。为了从多种图像增强算法中选出适合原始图像集的最优算法，本专利技术提出了一种基于子集导引与变异系数的图像集增强优选方法，通过引入子集导引的评测体系，对于超大的原始图像集，对其进行随机取样得到子图像集，然后对子图像集进行增强操作，这样效率大为提高。所提方法不仅考虑了平均值，还考虑了方差，具有高可靠性和高效率的特点。附图说明图1为本专利技术的总体框架图；图2为是本专利技术所提方法的具体流程图。具体实施方式下面结合附图，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。图1为本专利技术的总体框架图。本实施例以水下图像集为例来阐述所提方法，选用500幅水下图像作为原始图像集A，选取直方图均衡、对比度受限制的直方图均衡、以及Iqbal等人提出的无监督颜色模型这三种图像增强算法作为示例进行阐述。图像质量评价准则是UCIQE(UnderwaterColorImageQualityEvaluation)准则，由Yang和Arcot等人提出，UCIQE是目前应用最广泛的水下图像质量评价准则。图2为是本专利技术所提方法的具体流程图，具体的实施步骤如下：步骤一：从500幅原始图像集A中随机选取50幅图像，作为子图像集B。步骤二：使用直方图均衡(E1)、对比度受限直方图均衡(E2)、无监督颜色模型(E3)三种图像增强算法对子图像集B进行增强，得到三个增强后的子图像集(B1，B2，B3)。步骤三：使用UCIQE图像质量评价准则(Q)依次对增强后的子图像集(B1，B2，B3)进行打分，打分结果记为αij，其中i(i＝1，2，...，50)为图像标号，每个子图像集中所包含的图像数量等于50；j(j＝1，2，3)为各种图像增强算法的标号，图像增强算法的数量等于3。步骤四：依次计算出在每一种增强算法下，αij的平均值Uj和方差Sj：直方图均衡E1：对比度受限直方图均衡E2：无监督颜色模型E3步骤五：分别计算出在每一种图像增强算法下增强子图像集的变异系数：直方图均衡E1：对比度受限直方图均衡E2：无监督颜色模型E3：步骤六：得到在每一种图像增强算法下增强子图像集的变异系数之后，挑选出最小变异系数，经过MATLAB程序计算，COV1＝0.0550，COV2＝0.0539，COV3＝0.0820。由此可知，COV2最小，与COV2对应的对比度受限直方图均衡算法即为子图像集B的最优增强算法。步骤七：根据子集导引的评测体系，对比度受限直方图均衡算法同样为原始图像集A的最优增强算法。综上所述，本专利技术可以为多种可应用于原始图像集的质量增强算法提供一种优选策略，从而为大型图像集挑选出一种最优的图像增强算法。本文档来自技高网...

【技术保护点】
1.一种基于子集导引与变异系数的图像集增强优选方法，其特征在于，包括以下步骤：步骤一：对原始图像集A进行随机取样得到子图像集B，原始图像集A包含p幅图像，子图像集B包含n幅图像；步骤二：使用多种图像增强算法(E1，E2，...，Em)对子图像集B进行增强，得到多个增强后的子图像集(B1，B2，...，Bm)，m为图像增强算法的数量；步骤三：使用某一种图像质量评价准则Q依次对增强后的子图像集(B1，B2，...，Bm)进行打分，打分结果记为αij，其中i为图像标号，i＝1，2，...n，j为各种图像增强算法的标号，j＝1，2，...m；步骤四：依次计算出在每一种增强算法(E1，E2，...，Em)下，αij的平均值Uj和方差Sj：

【技术特征摘要】
1.一种基于子集导引与变异系数的图像集增强优选方法，其特征在于，包括以下步骤：步骤一：对原始图像集A进行随机取样得到子图像集B，原始图像集A包含p幅图像，子图像集B包含n幅图像；步骤二：使用多种图像增强算法(E1，E2，...，Em)对子图像集B进行增强，得到多个增强后的子图像集(B1，B2，...，Bm)，m为图像增强算法的数量；步骤三：使用某一种图像质量评价准则Q依次对增强后的子图像集(B1，B2，...，Bm)进行打分，打分结果记为αij，其中i为图像标号，i＝1，2，...n，j为各种图像增强算法的标号，j＝1，2，...m；步骤四：依次计算出在每一种增强算法(E...

【专利技术属性】
技术研发人员：魏冬，刘浩，田伟，周健，翟广涛，黄荣，孙韶媛，李德敏，周武能，魏国林，廖荣生，黄震，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31