![点击分享此内容可以赚币 分享](/master/images/share_but.png)
数字媒体信息共享系统中的图片质量增强方法研究.pdf
《数字媒体信息共享系统中的图片质量增强方法研究.pdf》由会员分享,可在线阅读,更多相关《数字媒体信息共享系统中的图片质量增强方法研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、第 44 卷第 3 期2023 年 6 月喀什大学学报Journal of Kashi UniversityVol.44 No.3Jun.2023数字媒体信息共享系统中的图片质量增强方法研究王艳,苏怡航(安徽建筑大学 艺术学院,安徽 合肥 230041)摘要:由于数字媒体信息共享系统中部分图片存在失真、噪声大、边缘丢失等问题,为此,提出一种图片质量增强方法.构建由INM模块和URM模块组成的双网络模型结构,对低照度图像经过特征提取、融合、重建后,得到正常照度图像;在损失函数的作用下,尽可能多地保留图像边缘细节信息,同时结合对比度增强算法,实现对图像整体质量的增强.经实验验证,创建的方法可在保证
2、图片失真程度最小的前提下,完成高质量的图像增强.关键词:图片质量;损失函数;URM模块;对比度增强;特征提取;双网络模型结构中图分类号:TP391.41文献标志码:A文章编号:2096-2134(2023)03-0077-040引言随着社会网络信息化的迅速普及,数字信息衍生出了多种多样的类型,汇聚成了丰富多彩的数字媒体信息共享系统,如电子商务平台、网络视频平台、远程教育平台以及远程医疗平台等.由于数字媒体信息共享系统中信息量的不断增加,再加上一些图片在拍摄时就出现了颜色失真、亮度不平衡、对比度低等问题,使得很难对共享系统中的图片进行后续应用和处理.为此,相关领域专家学者提出了图片质量增强算法,
3、从恢复图片内容、平衡图片颜色、调整对比度等方面展开研究.邓翔宇1等人利用图像主体与背景光非相关性的估计算法,对图像进行去散射处理,达到增强图像对比度的目的;与此同时,对经过去散射处理的图像提取得到离光源最近的灰色像素,并按照光照强度的不同对图像进行分域;最终,在不考虑光源自身颜色增益的前提下,对光传播时产生的损失进行补偿,实现对图像颜色的校正.王小芳2等人对图像进行特征提取后得到特征灰度图,利用蚁群算法检测图像边缘,并引入模糊聚类算法,保证蚁群具有较快的收敛速度;将检测后的图像与原始图像重合在一起,实现对图像质量的整体增强.仲伟峰3等人在对图像颜色空间进行转换后,利用单尺度 Retinex 算
4、法对图像 V 分量进行伽马校正;利用低通滤波器对图像进行处理,并在 Retinex算法中加入拉普拉斯金字塔算法,实现对图像的去雾处理,完成图像增强.李雪露4等人在小波变换算法的基础上将图像分类为高频、低频两个部分,利用 Retinex算法增强低频部分,利用硬阈值与软阈值结合的方式增强高频部分;利用小波逆变换对图像整体进行重构,并对重构后的图像进行伽马变换,输出图像即为完成增强后的图像.上述方法具有很强的局限性,适用范围较小.为此,本文针对数字媒体信息共享系统提出一种图片质量增强算法,通过对图像照度、边缘细节以及对比度三方面进行增强后,实现对图像整体质量的增强.通过与其他算法展开对比实验,结果表
5、明,本文方法具有最优秀的图片质量增强性能,可在保证最低失真的前提下取得与真实图像最接近的增强效果.1算法描述1.1残差网络残差网络与深层网络相比,可以合理地增加网络层收稿日期:2023-03-09基金项目:2021年度安徽省教育厅科学研究项目“新媒体语境下安徽非物质文化遗产数字化发展空间及传播路径研究”(SK2021JD12).作者简介:王艳(1994-),女,安徽铜陵人,助教,硕士,主要从事动画与数字媒体、数字化建筑设计研究.DOI:10.13933/ki.2096-2134.2023.03.015图 1基本残差网络结构权重层权重层xF(x)ReLUReLUF(x)+x喀什大学学报第 44
6、卷数,降低错误的发生概率,避免出现神经网络梯度消失的情况.基本残差网络结构如图1所示.残差网络模型可以用公式表示为H()x=F()x+x,(1)其中:x表示模型的输入特征,F()x表示在 2 层卷积作用后输出的内容,H()x表示残差网络模型整体输出.1.2Retinex 理论Retinex 理论指出,人眼视觉能感知到物体存在是因为物体具有反射属性,与自然界中的一切无关.一幅图像能被人眼看到,是因为具有入射图像分量和反射图像分量,理论模型表达式为S()x,y=R()x,y L()x,y,(2)其中:()x,y表示图像像素点坐标,R()x,y表示入射图像分量,L()x,y表示反射图像分量,表示互相
7、对应的像素点进行相乘运算.2数字媒体信息共享系统中图片质量增强模型在一幅图像中,包含了非常多的信息量和图像特征,利用单网络模型很难获取到深层次特征.为此,本文采用一种双网络模型结构,解决单网络模型易出现的信息丢失、性能饱和等问题.双网络模型就是将 2个单网络模型联立在一起,从而增加网络宽度、减少网络层数、避免出现过拟合的情况,以此获得更多图像特征信息,最终达到增强图像质量的目的.2.1图片照度处理本文构建了端到端的双网络模型结构,其中包含 2个子模块,分别是 Inception 网络模块5INM 和 URes-Net模块 URM,主要从特征提取、特征融合、特征重建 3 个方面展开,具体如图2所
8、示.URM模块InputConv+ReLU(1)Conv+ReLU(1)Max poolingConv+ReLU(2)Conv+ReLU(2)Max poolingConv+ReLU(3)Conv+ReLU(3)Max poolingConv+ReLU(4)Conv+ReLU(4)Max poolingConv+ReLU(5)Conv+ReLU(5)UpsampleConv+ReLU(6)Conv+ReLU(6)UpsampleConv+ReLU(7)Conv+ReLU(7)UpsampleConv+ReLU(8)Conv+ReLU(8)UpsampleConv+ReLU(9)Conv+ReL
9、U(9)ResNETResNETConv+ReLUInceptionNET V1InceptionNET V1Conv+ReLUInceptionNET V1InceptionNET V1Conv+ReLUConcatConvOutputINM模块(a)双网络模型全貌InputConv 1116Conv 1116Conv 1116Conv 1116Max poolingConv 3316Conv 5516Concat(b)InceptionNet V1Conv+ReLUConv+ReLUConvReLUConv+ReLUConv+ReLUConvReLU(c)ResNET图2端到端双网络模型结
10、构2.11特征提取URM 模块中的特征提取结构在网络模型中表现为33 的卷积核,在第 1 层和第 9 层、第 2 层和第 8 层、第 3层和第 7 层、第 4 层和第 6 层以及第 5 层中的卷积核数分别是 16、32、64、128、256;除第 5 层外,其余各组合层均采用跳跃链接6的形式,最大程度上控制数据丢失的概率.INM 模块利用 InceptionNet V1 对图像进行特征提取,如图 2(b)所示.INM 模块中每层卷积核的个数为 16,可以保证模型整体具有较高的收敛速度7.无论是 URM 模块还是INM模块,激活函数均为ReLU.用于特征提取的卷积计算公式为Hi,j=Wi,jC+
11、bi,j,(3)其中:Hi,j表示第i层卷积的第j个分支经过卷积作用后输出的内容,Wi,j表示第i层卷积的第j个分支的卷积核,C表示输入的图像特征,bi,j表示第i层卷积的第j个分支的偏置,表示卷积操作过程.在修正单元中,激活函数ReLU的计算公式为Ri,j=max()0,Wi,jC+bi,j,(4)其中:Ri,j表示在第i层卷积中第j个分支的修正单元输出.执行聚合操作的计算公式为Gi=max()0,Wi,jC+bi,j,(5)其中,Gi表示第i层卷积执行聚合操作后的输出.2.1.2特征融合INM 模块中共有 2 个 3316 的卷积核和 4 个 InceptionNet V1 进行特征融合;
12、URM 模块则直接利用残差网络完成特征融合.残差学习模型共包含 2 个双路径残差块和 1个卷积操作,双路径残差块又包含 4个 33卷积和1个 11卷积.残差学习模型中的卷积核均为 16个,激活函数与特征提取相同,也是 ReLU.残差网络如图 2(c)所示.2.1.3特征重建将 URM 模块和 INM 模块输出的特征执行聚合操作,再利用 1 个 113 的卷积核对其进行重建,即可输出正常照度的图片.本文利用 11 的卷积核目的是控制网络参数,从一定程度提高模型的训练效率.78第 3 期王艳,苏怡航:数字媒体信息共享系统中的图片质量增强方法研究2.2图片边缘处理在得到正常照度的图片后,为了避免边缘
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字 媒体 信息 共享 系统 中的 图片 质量 增强 方法 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。