一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法
【專利摘要】本發(fā)明公開了一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，屬于數(shù)字圖像印前處理【技術(shù)領(lǐng)域】。應(yīng)用二維離散小波變換建立多尺度感知誤差測度函數(shù)模型框架，建立尺度內(nèi)聚類性和跨尺度持續(xù)性模型；構(gòu)建原感知誤差測度函數(shù)的對偶感知誤差測度函數(shù)并計算其最大上界來實現(xiàn)原感知誤差測度函數(shù)的近似全局優(yōu)化，采用感知誤差測度近似全局優(yōu)化策略來實現(xiàn)半色調(diào)圖像二值像素的最大后驗概率配置；采用重新參數(shù)化算法迭代計算對偶感知誤差測度全局最優(yōu)上界，定義每次迭代后在不同區(qū)域的二值像素最優(yōu)配置，進而提出并證明全局優(yōu)化近似系數(shù)；客觀評價在動態(tài)環(huán)境下數(shù)字圖像半色調(diào)的性能，并對算法復(fù)雜度進行分析。
【專利說明】一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，屬于激光制版的數(shù)字圖像印前處理技術(shù)。
【背景技術(shù)】
[0002]數(shù)字圖像半色調(diào)是將連續(xù)調(diào)圖像在激光制版機、數(shù)字印刷機、激光打印機等二值設(shè)備上顯影并在人類視覺系統(tǒng)中產(chǎn)生連續(xù)調(diào)圖像錯覺的關(guān)鍵技術(shù)。在人們生產(chǎn)、生活中得到了廣泛的應(yīng)用。目前從家庭、辦公用的小型臺式噴墨、激光打印機、激光制版機到大型的出版印刷系統(tǒng)，數(shù)字半色調(diào)技術(shù)可以說是無處不在。
[0003]對于多尺度數(shù)字圖像半色調(diào)，由于低尺度誤差測度是動態(tài)的和隨機的，要求多尺度誤差測度融合算法具有較高的魯棒性，在不同的初始化條件下，要求多尺度誤差測度優(yōu)化算法收斂于一致性結(jié)果。這樣，使多尺度誤差測度融合算法的魯棒性和優(yōu)化結(jié)果的一致性成為動態(tài)環(huán)境下多尺度數(shù)字圖像半色調(diào)有別于靜態(tài)環(huán)境下單一尺度半色調(diào)的關(guān)鍵約束?，F(xiàn)有多尺度半色調(diào)方法雖然解決了半色調(diào)圖像在不同二值設(shè)備上的多分辨率成像問題，但仍然沒有解決多尺度誤差測度信息的尺度內(nèi)和尺度間交互問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法；該方法通過二維離散小波變換建立連續(xù)調(diào)圖像的多尺度模型，采用Nasanen人類視覺系統(tǒng)對比敏感度響應(yīng)建立多尺度感知誤差測度目標(biāo)函數(shù)模型框架；采用有向圖表征多尺度感知誤差測度目標(biāo)函數(shù)模型框架，采用二分量高斯混合模型和隱馬爾可夫鏈建立尺度相關(guān)感知誤差測度函數(shù)；采用拉格朗日變換方法證明對偶感知誤差測度函數(shù)為凸函數(shù)；制定尺度相關(guān)感知誤差測度函數(shù)近似全局優(yōu)化策略，得到半色調(diào)圖像二值像素近似全局最優(yōu)配置；采用圖論理論定義全局優(yōu)化近似系數(shù)并證明全局優(yōu)化近似范圍確定理論；客觀評價在動態(tài)環(huán)境下數(shù)字圖像半色調(diào)的性能，并對算法復(fù)雜度進行分析；進而得到最優(yōu)半色調(diào)圖像。
[0005]本發(fā)明所述方法的具體步驟如下:
(1)判斷連續(xù)調(diào)圖像是否是標(biāo)準(zhǔn)的2nX2n圖像；
(2)構(gòu)造多尺度感知誤差測度目標(biāo)函數(shù)模型框架:將頻率域和方向域的標(biāo)準(zhǔn)連續(xù)調(diào)圖像信息納入多尺度感知誤差測度目標(biāo)模型框架中，利用二維離散小波變換建立多尺度感知誤差測度目標(biāo)函數(shù)模型框架；
(3)建立尺度相關(guān)感知誤差測度函數(shù):采用二分量高斯混合模型對感知誤差測度的尺度內(nèi)聚類性建模，采用隱馬爾可夫鏈對四叉樹的跨尺度持續(xù)性建模，使該尺度相關(guān)感知誤差測度函數(shù)能同時納入尺度內(nèi)和尺度間的誤差測度相互依賴信息，以保證多尺度感知誤差測度融合算法的魯棒性；(4)尺度相關(guān)感知誤差測度近似全局優(yōu)化策略:利用步驟(3)中所述的原尺度相關(guān)感知誤差測度函數(shù)的凸對偶模型轉(zhuǎn)化理論構(gòu)建其對偶感知誤差測度函數(shù)，通過重新參數(shù)化殘差圖算法迭代計算對偶感知誤差測度全局最優(yōu)上界，實現(xiàn)半色調(diào)圖像二值像素的最大后驗概率配置以及原尺度相關(guān)感知誤差測度函數(shù)近似全局最優(yōu)，以提高多尺度感知誤差測度函數(shù)優(yōu)化結(jié)果的一致性；
(5)全局優(yōu)化近似范圍確定理論:利用步驟(4)中所述對偶感知誤差測度全局最優(yōu)上界來定義每次迭代后在不同區(qū)域的二值像素最優(yōu)配置，進而提出并證明全局優(yōu)化近似系數(shù)；通過確定尺度相關(guān)感知誤差測度函數(shù)全局優(yōu)化的近似系數(shù)，可將多尺度感知誤差測度優(yōu)化結(jié)果一致性控制在確定的已知范圍內(nèi)；
(6)典型動態(tài)環(huán)境下算法有效性實驗驗證:根據(jù)步驟(1)~(5)提出的多尺度感知誤差測度近似全局優(yōu)化算法框架，建立半色調(diào)計算平臺，在光照和背景動態(tài)變化的情況下，應(yīng)用步驟(3)所述的尺度相關(guān)感知誤差測度建模和步驟(4)所述的近似全局優(yōu)化策略計算半色調(diào)圖像二值像素最優(yōu)配置，以驗證提出的半色調(diào)算法的有效性，利用紋理熵、結(jié)構(gòu)相似度和角二階矩的客觀評價方法在動態(tài)環(huán)境下與LSMB方法比較來評價數(shù)字圖像半色調(diào)的性能，并對算法復(fù)雜度進行分析。
[0006]本發(fā)明步驟(2)中，構(gòu)造多尺度感知誤差測度目標(biāo)函數(shù)模型框架具體包括如下步驟:
①采用Haar二維離散小波變換建立標(biāo)準(zhǔn)連續(xù)調(diào)圖像在L *a*b*色空間的多尺度模型，根據(jù)多尺度模型定義小波域空間點
im’n)處的多尺度感知誤差測度信為相應(yīng)小波系數(shù)在L*a*b*色空間的歐幾里德
距離；
②采用Nasanen人類視覺系統(tǒng)模型確定多尺度感知誤差測度的空間、頻率和方向特性對比敏感度響應(yīng)，根據(jù)步驟①中多尺度感知誤差測度信息％.(?，《)和對比敏感
度響應(yīng)計算多尺度感知誤差測度和對比敏感度響應(yīng)的卷積得到在尺度?方向j空
間點(榭，《)處多尺度感知誤差測度目標(biāo)函數(shù)；
③將總體感知誤差測度函數(shù)?足義為步驟②中不同位置、尺度和方向的多尺度感知
誤差測度目標(biāo)函數(shù)e.(m e、的均方和，即
【權(quán)利要求】
1.一種多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:具體包括如下步驟: (1)判斷連續(xù)調(diào)圖像是否是標(biāo)準(zhǔn)的2nX2n圖像； (2)構(gòu)造多尺度感知誤差測度目標(biāo)函數(shù)模型框架:將頻率域和方向域的標(biāo)準(zhǔn)連續(xù)調(diào)圖像信息納入多尺度感知誤差測度目標(biāo)模型框架中，利用二維離散小波變換建立多尺度感知誤差測度目標(biāo)函數(shù)模型框架； (3)建立尺度相關(guān)感知誤差測度函數(shù):采用二分量高斯混合模型對感知誤差測度的尺度內(nèi)聚類性建模，采用隱馬爾可夫鏈對四叉樹的跨尺度持續(xù)性建模； (4)尺度相關(guān)感知誤差測度近似全局優(yōu)化策略:利用步驟(3)中所述的原尺度相關(guān)感知誤差測度函數(shù)的凸對偶模型轉(zhuǎn)化理論構(gòu)建其對偶感知誤差測度函數(shù)，通過重新參數(shù)化殘差圖算法迭代計算對偶感知誤差測度全局最優(yōu)上界，實現(xiàn)半色調(diào)圖像二值像素的最大后驗概率配置以及原尺度相關(guān)感知誤差測度函數(shù)近似全局最優(yōu)； (5)全局優(yōu)化近似范圍確定理論:利用步驟(4)中所述對偶感知誤差測度全局最優(yōu)上界來定義每次迭代后在不同區(qū)域的二值像素最優(yōu)配置，進而提出并證明全局優(yōu)化近似系數(shù)；通過確定尺度相關(guān)感知誤差測度函數(shù)全局優(yōu)化的近似系數(shù)，可將多尺度感知誤差測度優(yōu)化結(jié)果一致性控制在確定的已知范圍內(nèi)； (6)典型動態(tài)環(huán)境下算法有效性實驗驗證:根據(jù)步驟(1)~(5)提出的多尺度感知誤差測度近似全局優(yōu)化算法框 架，建立半色調(diào)計算平臺，在光照和背景動態(tài)變化的情況下，應(yīng)用步驟(3)所述的尺度相關(guān)感知誤差測度建模和步驟(4)所述的近似全局優(yōu)化策略計算半色調(diào)圖像二值像素最優(yōu)配置，以驗證提出的半色調(diào)算法的有效性，利用紋理熵、結(jié)構(gòu)相似度和角二階矩的客觀評價方法在動態(tài)環(huán)境下與LSMB方法比較來評價數(shù)字圖像半色調(diào)的性能，并對算法復(fù)雜度進行分析。
2.根據(jù)權(quán)利要求1所述的多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:步驟(2)中所述構(gòu)造多尺度感知誤差測度目標(biāo)函數(shù)模型框架具體包括如下步驟: ①采用Haar二維離散小波變換建立標(biāo)準(zhǔn)連續(xù)調(diào)圖像在L*a*b*色空間的多尺度模型，根據(jù)多尺度模型定義小波域空間點M處的多尺度感知誤差測度信為相應(yīng)小波系數(shù)在L*a*b*色空間的歐幾里德距離； ②采用Nasanen人類視覺系統(tǒng)模型確定多尺度感知誤差測度的空間、頻率和方向特性對比敏感度響應(yīng)，根據(jù)步驟①中多尺度感知誤差測度信息和對比敏感度響應(yīng)計算多尺度感知誤差測度和對比敏感度響應(yīng)的卷積得到在尺度?方向J空間點ψι，?)處多尺度感知誤差測度目標(biāo)函數(shù)； ③將總體感知誤差測度函數(shù)Ψ定義為步驟②中不同位置、尺度和方向的多尺度感知誤差測度目標(biāo)函數(shù)ε (m n)的均方和，即
3.根據(jù)權(quán)利要求1所述的多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:步驟(3)中所述建立尺度相關(guān)感知誤差測度函數(shù)具體包括如下步驟: ①采用有向圖σ= (Fu表征多尺度感知誤差測度目標(biāo)函數(shù)模型，其中為結(jié)點集合，各結(jié)點與感知誤差測度對應(yīng)力源點，I為匯點，E為連線集合； ②采用二分量高斯混合模型對感知誤差測度的尺度內(nèi)聚類性建模:在小波域小波系數(shù)在尺度和子帶上統(tǒng)計獨立，通過小波系數(shù)概率分布得到小波系數(shù)集合1"的聯(lián)合概率密度函數(shù)
4.根據(jù)權(quán)利要求1所述的多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:步驟(4)中所述尺度相關(guān)感知誤差測度近似全局優(yōu)化策略具體包括如下步驟: ①采用拉格朗日變換方法實現(xiàn)原尺度相關(guān)感知誤差測度函數(shù)到對偶感知誤差測度函數(shù)轉(zhuǎn)化，并證明對偶感知誤差測度函數(shù)為凸函數(shù)； ②采用有向四I重新參數(shù)化方法實現(xiàn)尺度相關(guān)感知誤差測度函數(shù)近似全局優(yōu)化，在滿足容量和守恒約束前提下，在殘余容量的基礎(chǔ)上增減恒流量，進行殘差圖重新參數(shù)化； ③采用圖論理論證明終端連線和結(jié)點連線容量修正理論:通過有向四-重新參數(shù)化后的尺度相關(guān)感知誤差測度函數(shù)具有相同類標(biāo)簽
5.根據(jù)權(quán)利要求1所述的多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:步驟(5)中所述全局優(yōu)化近似范圍確定理論具體包括如下步驟: ①采用圖論理論定義全局優(yōu)化近似系數(shù)并證明近似范圍，令力重新參數(shù)化后有向圖σ近似全局優(yōu)化類標(biāo)簽配置，ζ為有向圖σ全局最優(yōu)類標(biāo)簽配置，定義c為全局優(yōu)化近似系數(shù)，設(shè)定系數(shù)
6.根據(jù)權(quán)利要求1所述的多尺度感知誤差測度近似全局優(yōu)化的數(shù)字圖像半色調(diào)方法，其特征在于:步驟(6)中所述典型動態(tài)環(huán)境下算法有效性實驗驗證具體包括如下步驟: ①應(yīng)用提出的尺度相關(guān)感知誤差測度建模和近似全局優(yōu)化理論計算半色調(diào)圖像二值像素最優(yōu)配置，以驗證提出的半色調(diào)算法的有效性； ②利用紋理熵、結(jié)構(gòu)相似度和角二階矩的客觀評價方法在動態(tài)環(huán)境下與LSMB方法比較來評價數(shù)字圖像半色調(diào)的性能，并對算法復(fù)雜度進行分析。
【文檔編號】G06T5/50GK103955908SQ201410152246
【公開日】2014年7月30日 申請日期:2014年4月16日 優(yōu)先權(quán)日:2014年4月16日
【發(fā)明者】何自芬, 張印輝, 詹肇麟 申請人:昆明理工大學(xué)