【技术实现步骤摘要】
本专利技术涉及图像优化，特别是一种多媒体图像优化方法及系统。
技术介绍
1、随着多媒体技术的快速发展和广泛应用，图像质量的优化处理成为一个备受关注的研究领域。多媒体图像的质量直接影响用户的视觉体验，尤其是在高清视频、虚拟现实（vr）、增强现实（ar）等场景下，对图像清晰度、亮度细节和色彩表现的要求越来越高。传统的图像优化技术通常集中于单一维度的处理，例如亮度增强、对比度调整或色彩优化。然而，由于多媒体图像通常受到采集设备噪声、光照不均和色彩失真的影响，这些单一的优化方法无法全面提升图像质量，容易出现过度增强、细节损失或色彩不自然等问题。近年来，基于颜色空间的图像处理方法逐渐引起关注，特别是hsi颜色空间能够将亮度与色调、饱和度分离处理，为图像质量优化提供了新的技术路径。然而，现有方法大多仅对单一通道或特定参数进行调整，无法实现亮度、对比度和边缘细节的全方位优化。
技术实现思路
1、鉴于上述现有的多媒体图像优化方法及系统中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于现有方法大多仅对单一通道或特定参数进行调整，无法实现亮度、对比度和边缘细节的全方位优化。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种多媒体图像优化方法，其包括，获取待优化的多媒体图像并进行hsi颜色空间转换，提取hsi颜色空间中的亮度分量并进行亮度增强；调整增强后的亮度分量的对比度，并进行亮度区域的划分和动态范围优化；对优化后的亮度分量进行边缘增强，并重新组合
4、作为本专利技术所述多媒体图像优化方法的一种优选方案，其中：所述获取待优化的多媒体图像并进行hsi颜色空间转换指从多媒体设备中提取原始图像数据，将得到的图像格式统一转换为标准格式并通过均值滤波对图像进行噪声平滑处理；
5、对预处理后的原始图像的颜色通道数据进行归一化，根据归一化后的颜色通道数据计算图像的亮度分量i，饱和度s和色调h；
6、得到转换后的hsi颜色空间以及对应的hsi图像。
7、作为本专利技术所述多媒体图像优化方法的一种优选方案，其中：所述提取hsi颜色空间中的亮度分量并进行亮度增强指从hsi颜色空间中提取亮度分量i并作为独立通道，对提取的亮度分量i进行标准化后通过双边滤波器对亮度分量进行平滑处理，在完成边缘平滑和标准化处理后输出最终的亮度分量；
8、对亮度分量应用亮度转换函数，增强原始亮度的对比和层次：
9、
10、式中，a是亮度转换后的像素亮度值，a(x)是亮度增强调节参数，i(x)是亮度分量；
11、对亮度转换后的亮度分量构建高斯金字塔，设定金字塔为n层，生成多个分辨率层次的图像，初始层直接取转换后的亮度分量，从第二层起，逐层对前一层图像进行高斯模糊和下采样，生成每一层低分辨率图像，直到达到第n层；
12、在达到第n层之后得到多层高斯金字塔，每层代表亮度在不同空间尺度的低频信息；
13、基于高斯金字塔构建拉普拉斯金字塔，从高斯金字塔的每一层图像中提取高频信息，通过双线性插值方法对第l+1层的高斯金字塔图像进行上采样，使用以下公式计算第l层的拉普拉斯金字塔图像ll(x,y)：
14、
15、式中，gl(x,y)是高斯金字塔的第l层图像，gl+1(x,y)是高斯金字塔的第l+1层图像，u()是上采样操作，将gl+1(x,y)放大到与第l层gl(x,y)相同的分辨率，method表示用于上采样的插值方法；
16、将计算得到的存储为第l层拉普拉斯金字塔的高频分量；
17、将高斯金字塔的最后一层作为拉普拉斯金字塔的最低频信息，将每一层的高频信息与低频基础亮度信息整合，形成完整的拉普拉斯金字塔结构，拉普拉斯金字塔的各层为多尺度亮度分量；
18、将每一层的亮度分量输入到dcnn的初始卷积层，通过卷积操作捕捉基本亮度特征，并使用relu激活函数处理卷积结构，提取亮度的基础细节；
19、在dcnn的中间层，对初始卷积层h(z)的输出进行多层卷积处理，每层卷积都基于上一层的输出：
20、
21、式中，表示第k层输出的亮度特征，为第k层卷积核权重，为第k-1层输出的亮度特征，为当前层的偏置项；
22、对每一层卷积的输出进行批归一化，再使用relu激活函数：
23、
24、式中，表示经过第k层卷积、批归一化和激活处理后的亮度特征输出，bn()是批归一化操作；
25、经过多层卷积、批归一化和激活函数的层层递进处理，最终得到深度提取的亮度特征；
26、基于亮度分量i，在图像中的每个像素点x，取nn窗口内的像素点计算像素点x的局部亮度均值和标准差，将所有像素点的局部亮度均值和局部标准差结合，生成最终的光照估计图t(x)，基于光照估计图生成权重矩阵w(x)；
27、通过上采样和下采样方法将多尺度亮度分量和深度亮度特征调整到相同的分辨率；
28、使用全通道的均值将多通道的深度亮度特征进行通道合并，转换为单通道亮度特征，在格式统一后，通过权重矩阵进行加权融合，得到融合后的亮度分量，从最低频率层开始，将每层的拉普拉斯金字塔分量依次进行上采样叠加，逐步重建出完整的亮度分量，得到增强后的亮度分量。
29、作为本专利技术所述多媒体图像优化方法的一种优选方案，其中：所述调整增强后的亮度分量的对比度指获取增强后的亮度分量并进行归一化处理，定义水循环算法的解群体规模为p，每个解代表一组对比度参数(s,d)，其中s指对比度缩放系数，d指亮度偏移量；
30、初始化河流解和小溪解，模拟水流寻找最优解的过程；
31、根据当前解的参数(s,d)，对归一化后的亮度分量进行对比度调整：
32、
33、式中，是调整后的亮度值，是归一化后的亮度值；
34、对调整后的亮度分量计算目标函数值j，评估当前解的优化效果：
35、
36、式中，m和n是图像的宽度和高度，表示像素的总范围，是局部亮度均值，x表示像素在水平方向上的位置，y表示像素在垂直方向上的位置；
37、根据目标函数值更新河流解和小溪解；
38、设定最大迭代次数，直到到达最大迭代次数停止迭代，在水循环算法完成迭代后，选择目标函数值最小的解，将其参数作为最终的最优解，使用最优解调整亮度分量，并对优化后的亮度值进行范围裁剪，得到对比度调整后的亮度分量。
39、作为本专利技术所述多媒体图像优化方法的一种优选方案，其中：所述进行亮度区域的划分和动态范围优化指将亮度分量划分为亮部，暗部和中间调区域，设定阈值h和，若亮度值，则将该像素归类为亮度区域，若亮度值，则将该像素归类为暗部区域，若亮度值，则将该像素归类为中间调区域；
40、对于亮度区域本文档来自技高网...
【技术保护点】
1.一种多媒体图像优化方法，其特征在于：包括，
2.如权利要求1所述的多媒体图像优化方法，其特征在于：所述获取待优化的多媒体图像并进行HSI颜色空间转换指从多媒体设备中提取原始图像数据，将得到的图像格式统一转换为标准格式并通过均值滤波对图像进行噪声平滑处理；
3.如权利要求2所述的多媒体图像优化方法，其特征在于：所述提取HSI颜色空间中的亮度分量并进行亮度增强指从HSI颜色空间中提取亮度分量I并作为独立通道，对提取的亮度分量I进行标准化后通过双边滤波器对亮度分量进行平滑处理，在完成边缘平滑和标准化处理后输出最终的亮度分量；
4.如权利要求3所述的多媒体图像优化方法，其特征在于：所述调整增强后
5.如权利要求4所述的多媒体图像优化方法，其特征在于：所述进行亮度区域的划分和动态范围优化指将亮度分量划分为亮部，暗部和中间调区域，设定阈值H和，若亮度值，则将该像素归类为亮度区域，若亮度值，则将该像素归类为暗部区域，若亮度值，则将该像素归类为中间调区域；
6.如权利要求5所述的多媒体图像优化方法，其特征在于：所述对优化后的亮度分量
7.如权利要求6所述的多媒体图像优化方法，其特征在于：所述将增强后的HSI图像转换回RGB颜色空间，得到优化后的多媒体图像指通过图像处理库OpenCV将HSI图像转换为RGB图像后得到优化后的多媒体图像，将生成的多媒体图像保存为标准格式并进行数据备份。
8.一种基于权利要求1-7任一所述的多媒体图像优化方法的多媒体图像优化系统，其特征在于：包括，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的多媒体图像优化方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的多媒体图像优化方法的步骤。
...【技术特征摘要】
1.一种多媒体图像优化方法，其特征在于：包括，
2.如权利要求1所述的多媒体图像优化方法，其特征在于：所述获取待优化的多媒体图像并进行hsi颜色空间转换指从多媒体设备中提取原始图像数据，将得到的图像格式统一转换为标准格式并通过均值滤波对图像进行噪声平滑处理；
3.如权利要求2所述的多媒体图像优化方法，其特征在于：所述提取hsi颜色空间中的亮度分量并进行亮度增强指从hsi颜色空间中提取亮度分量i并作为独立通道，对提取的亮度分量i进行标准化后通过双边滤波器对亮度分量进行平滑处理，在完成边缘平滑和标准化处理后输出最终的亮度分量；
4.如权利要求3所述的多媒体图像优化方法，其特征在于：所述调整增强后
5.如权利要求4所述的多媒体图像优化方法，其特征在于：所述进行亮度区域的划分和动态范围优化指将亮度分量划分为亮部，暗部和中间调区域，设定阈值h和，若亮度值，则将该像素归类为亮度区域，若亮度值，则将该像素归类为暗部区域，若亮度值，则将该像素归类为中间调区域；
6.如权利要求5所述的多媒体图像优化方法，其特征在于：所述对优化后的亮度分量进行边缘增强...
【专利技术属性】
技术研发人员：王振中，罗天，王娟，王丽霞，张金沙，陈芳，高江杰，孙畅，李佳伟，
申请(专利权)人：中央广播电视总台，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。