基于向心自动波交叉皮质模型的非均匀光照图像增强

面向非均匀光照图像,提出了基于向心自动波交叉皮质模型(Centripetal-autowave intersecting cortical model,CA-ICM)的图像增强算法.为了解决原始交叉皮质模型(Intersecting cortical model,ICM)固有自动波效应在图像增强应用中易导致边缘模糊的问题,首先,设计了基于形态学中值集的向心自动波(Centripetal autowave,CA)实现方式.提出了基于图像特征—键值(Key)的自适应S形状映射函数,以此作为CA-ICM模型的输入输出的映射关系.为了增强算法的鲁棒性,对未点火位置进行了标注和修复.最后提出了非线性变换的颜色恢复方法.同时对模型参数设计进行了细致讨论.仿真结果表明,该模型可以有效进行光照动态范围的调整,向心自动波约束产生了邻域内的侧抑制作用,输出图像对比度得到大幅提升,细节边缘清晰,颜色恢复充分自然,客观评价值高.

基于交叉皮质模型的高动态范围图像可视化方法

针对高动态范围图像(HDRI)在低动态范围显示设备上的可视化问题,提出基于交叉皮质模型(ICM)的色调映射算法,其在融入人类视觉特性的同时兼顾了全局亮度和局部细节保持.首先将线性热流(LHF)应用于向心自动波(CA)的实现,构成LHF-CA-ICM,以解决原有ICM自动波效应的负面影响;然后根据LFH-CA-ICM迭代过程,通过设计自适应S形函数将亮度信息从高动态范围向低动态范围映射,并进行基于直方图截取的后处理;最后在RGB空间恢复颜色信息.实验结果表明,该算法可以获得HDRI高视觉质量显示效果,能够再现真实场景的细节和丰富色彩,并有效地避免了光晕等人工效应.

交叉视觉皮质模型中向心自动波的实现

对交叉视觉皮质模型神经元运行机理进行了深入研究,分析了以向心自动波为解决方式的构造方法,指出Kinser向心自动波的构造方式存在的问题;从曲线演化的线性热流和形态学中值集两个角度设计了向心自动波的具体实现方式,解决了交叉视觉皮质模型迭代过程中所产生的干涉现象.