科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的提出一种亮度、对比度、饱和度三要素与神经网络相结合的家装设计渲染图增强方法。方法该方法分析了图像增强的3个要素:亮度、对比度和饱和度。算法从下列几个方面着手进行三要素的调节:1)根据原图饱和度和图像融合方法实现亮度和对比度增强;2)采用颜色矩阵实现饱和度增强;3)采用直方图均衡实现对比度进一步增强。这3个要素对图像增强的效果均有贡献,本文为三要素分别赋予一个权值,并引入神经网络方法,自动建立图像亮度分量均值、方差和饱和度分量均值、方差与三要素的权值系数的非线性映射关系。结果根据图像本身的信息自动获取图像增强三要素的增强系数,实现家装设计渲染图的自适应增强。算法的有效性在不同程度偏灰暗的家装设计渲染图上得到了验证,并与几种经典方法进行了直方图、信息熵、平均对比度（AC）和平均灰度（AG）的定量比较。实验结果显示,本文算法实验结果的直方图具有很少的信息丢失和较好的特征保持,与遗传算法相比,信息熵提高了约0.2,AC值提高了约0.1,AG值提高了约15,本文算法在多数情况下评价指标优于改进的直方图方法。结论通过对实验结果的直观评价与定量评价,证明与某些现有的方法相比,本文方法适用于不同程度偏灰暗的渲染图,具有较好的通用性,并能达到更优的渲染图像增强效果。
- 出版日期2017
- 单位东南大学
