武术运动动作三维图像非显著性区域自适应增强系统设计

李志田

摘 要： 针对传统增强系统一直存在效率低、效果不佳的问题，提出基于中心环绕法优化Retinex增强模型的武术运动动作三维图像非显著性区域自适应增强系统设计。在图像空间域上，通过均值滤波法对武术运动动作三维图像进行去噪处理，采用梯度算子求出能够反映武术运动动作三维图像的梯度向量，并在图像的空间域上采用微分算子对武术运动动作三维图像进行锐化处理。以此为基础，采用SSR算法进行求解、加权，获取武术运动动作三维图像中准确的非显著性区域，引入中心环绕法对武术运动动作三维图像进行估计，引入Retinex增强模型对武术运动动作三维图像非显著性区域进行自适应增强处理。实验结果表明，采用该设计系统的增强效率、增强效果均要优于传统增强系统，具有一定优势。

关键词： 武术运动动作； 三维图像； 非显著性区域； 自適应； 增强系统； 均值滤波

中图分类号： TN911.73?34； TP91 文献标识码： A 文章编号： 1004?373X（2018）13?0056?05

Abstract： Since the traditional enhancement system has the problems of low efficiency and poor effect， the design of non?salient region adaptive enhancement system of Wushu motion 3D image is proposed， which is based on center?surround method to optimize the Retinex enhancement model. In the spatial domain of the image， the mean value filtering method is used to denoise the Wushu motion 3D image. The gradient operator is used to determine the gradient vector which can reflect the Wushu motion 3D image. The differential operator is used to sharpen the Wushu motion 3D image in the spatial domain. On this basis， the SSR algorithm is used to solve， weight and acquire the accurate non?salient regions in Wushu motion 3D image. The center?surround method is introduced to estimate the Wushu motion 3D image. The Retinex enhancement model is introduced to perform the adaptive enhancement for the non?salient region of Wushu motion 3D image. The experimental results show that the designed system is superior to the traditional enhancement system in the aspects of enhancement efficiency and enhancement effect， and has a certain advantages.

Keywords： Wushu movement； three?dimensional image； non?saliency region； adaption； enhancement system； mean value filtering

0 引 言

武术运动动作三维图像已经发展为图像研究领域中一个非常活跃的研究课题[1?2]，每种武术运动动作三维图像都有其固定的特征，他们位于武术运动动作三维图像中的某一点，但由于存在很多不定因素干扰，使得武术运动动作三维图像存在非显著性区域[3?5]，增加了对武术运动动作三维图像研究的难度，而对其非显著性区域进行自适应增强，是解决武术运动动作三维图像非显著性区域研究过难最有效的方法[6]，成为很多学者研究的重点。

文献[7]提出基于小波变换的武术运动动作三维图像非显著性区域自适应增强方法，该方法将图像转到HSV空间，并利用离散小波变换对图像进行子带分析。再利用双边滤波对图像进行快速估计与去除，降低图像的非显著性，自动对图像非显著性区域进行增强，但该方法存在增强效果差的问题。文献[8]提出基于人工鱼群与粒子群混合的图像非显著性自适应增强方法，该方法通过将人工鱼群与粒子群算法混合队图像进行非线性增强参数优化寻优，避免出现区域增强不全面的问题，该方法有较高的自适应性，但容易陷入局部最优，收敛速度慢的问题。文献[9]提出基于混合蛙跳优化的图像自适应增强方法，该方法利用混合蛙跳算法中部分信息交换和全部信息交换的寻优机制，自动搜索最佳灰度变换参数，得到一条最佳灰度变换曲线，实现图像非显著性区域自适应增强处理，但是该方法忽略了图像背景对目标的影响，存在细节部分信息保留不够全面的问题。

针对上述问题，本文提出基于中心环绕法优化Retinex增强模型的武术运动动作三维图像非显著性区域自适应增强系统。

1 武术运动动作三维图像处理

1.1 去噪处理

本文设计的武术运动动作三维图像非显著性区域自适应增强系统，重点设计其软件部分。在进行软件设计前，需要对武术运动动作三维图像进行去噪和锐化处理，在现实生活中，对武术运动动作三维图像进行采集时，一般会因为一种或几种因素，使得武术运动动作三维图像采集设备形成的图像包含一定的噪声[10]，影响图像的质量，增加非显著性区域面积，降低图像质量，因此，需要对武术运动动作三维图像进行去噪处理。在图像空间域上，通过均值滤波法进行去噪处理。

3 实验结果分析

为了验证本文方法在武术运动动作三维图像非显著性区域增强方面的有效性及可行性，设计了对比实验进行分析。将本文系统与混合蛙跳优化法、小波变换增强系统进行了对比分析。在每组实验中，为了保证图像增强的同时，进一步增加方法的时间效率，对每一个武术运动动作三维图像选用其邻近的图像为研究对象进行增强。

实验1：增强处理效果对比实验

为了验证本文方法在武术运动动作三维图像非显著性区域增强方面的有效性及可行性，进行实验对比分析，结果如图1所示。

从图1可以看出，采用本文方法在自适应增强方面较传统增强系统的处理效果较好，传统方法增强后图像出现失真的情况，本文方法增强后图像较为自然，细节更为清晰，更具有优势。

实验2：鲁棒性对比实验

在实验中，选择空间序列和标准序列，采用3×3的统一掩模进行增强处理，对每个图像进行2倍采样处理，由于武术运动动作三维图像具有一定的噪声，因此实验以噪声水平为基准进行实验测试。实验在不同噪声级别下，将混合蛙跳优化法、小波变换增强法与本文增强方法进行对比，以PSNR和MSSIM为指标进行实验分析，对比曲线图如图2，图3所示。

由图2，图3可知，相比于混合蛙跳优化法和小波变换增强法，本文方法无论在任何噪声级别下，均具有更高的PSNR和MSSIM值，并且随着噪声级别的增大，优势更为明显，PSNR指标依然保持在36.66 dB以上，MSSIM指标保持在0.84以上。相比其他比较方法中的最优者，本文方法在PSNR指标方面平均提升了5%，在MSSIM指标方面平均提升了4%。由此说明本文方法具有较好的增强性能，鲁棒性较高。

4 结 论

针对传统增强系统一直存在效率低、效果不佳的问题，本文提出基于中心环绕法优化Retinex增强模型的武术运动动作三维图像非显著性区域自适应增强系统，并进行了实验对比分析。实验结果表明，采用本文方法时，其增强效率、增强效果等均要优于传统增强方法，具有一定优势。

参考文献

[1] 任永峰，董学育.基于自适应流形相似性的图像显著性区域提取算法[J].山东大学学报（工学版），2017，47（3）：56?62.

REN Yongfeng， DONG Xueyu. An image saliency object detection algorithm based on adaptive manifold similarity [J]. Journal of Shandong University （engineering science）， 2017， 47（3）： 56?62.

[2] 谢惠杰，唐涛，项德良，等.尺度自适应的SAR图像显著性检测方法[J].计算机工程与应用，2015，51（20）：145?152.

XIE Huijie， TANG Tao， XIANG Deliang， et al. Scale self?adaptive saliency detection of SAR image [J]. Computer engineering and applications， 2015， 51（20）： 145?152.

[3] 王蓉芳，陈佳伟，焦李成，等.基于视觉显著性的分块自适应压缩感知算法[J].华中科技大学学报（自然科学版），2015，43（1）：127?132.

WANG Rongfang， CHEN Jiawei， JIAO Licheng， et al. Blocked adaptive compressed sensing based on visual saliency [J]. Journal of Huazhong University of Science and Technology （nature science edition）， 2015， 43（1）： 127?132.

[4] 柯洪昌，邵文奇，梁丞汉.一种基于显著性区域的运动目标跟踪方法[J].科技创新与应用，2017，34（9）：90.

KE Hongchang， SHAO Wenqi， LIANG Chenghan. A moving area tracking method based on significant region [J]. Technology innovation and application， 2017， 34（9）： 90.

[5] 王浩宇.融合运动特征的视频图像显著性检测方法[J].科技经济导刊，2016，28（11）：22?25.

WANG Haoyu. Video image saliency detection method integrating motion features [J]. Technology and economic guide， 2016， 28（11）： 22?25.

[6] 窦智，韩玉兵，盛卫星，等.双通道局部处理的自适应图像增强方法[J].计算机辅助设计与图形学学报，2015，27（10）：1823?1831.

DOU Zhi， HAN Yubing， SHENG Weixing， et al. Two?channel local processing adaptive image enhancement method [J]. Journal of computer?aided design and graphics， 2015， 27（10）： 1823?1831.

[7] 王敏，黄峰，叶松，等.人工鱼群与粒子群混合图像自适应增强算法[J].计算机测量与控制，2012，20（10）：2805?2807.

WANG Min， HUANG Feng， YE Song， et al. Image adaptive enhancement based on artificial fish?swarm and particle swarm optimization [J]. Computer measurement & control， 2012， 20（10）： 2805?2807.

[8] 岳梅，郭宝平，张平，等.基于混合蛙跳优化的条纹管图像自适应增强[J].光电工程，2011，38（5）：108?113.

YUE Mei， GUO Baoping， ZHANG Ping， et al. Adaptive image enhancement of streak tube imaging based on shuffled frog?leaping optimization [J]. Opto： electronic engineering， 2011， 38（5）： 108?113.

[9] 遆晓光，曲悠杨.一种改进的色彩保持低照度图像增强方法[J].哈尔滨工业大学学报，2014，46（3）：1?7.

TI Xiaoguang， QU Youyang. An improved low illumination image enhancement algorithm with color preserving [J]. Journal of Harbin Institute of Technology， 2014， 46（3）： 1?7.

[10] 李雅梅，任婷婷，LIYa?mei，等.自适应分数阶微分小波图像增强方法的研究[J].微电子学与计算机，2015，32（6）：130?133.

LI Yamei， REN Tingting. Research on adaptive fractional differential wavelet image enhancement method [J]. Microelectronics & computer， 2015， 32（6）： 130?133.