第7卷第5期 智能系统学报 Vol.7 No.5 2012年10月 CAAI Transactions on Intelligent Systems 0ct.2012 D0I:10.3969/i.issn.16734785.201204004 网络出版t地址：htp://www.cnki.net/kcma/detail/23.1538.TP.20120907.1726.003.html 一种自适应的仿生图像增强方法：DRF算法 谌琛，李卫军，陈亮，覃鸿，来疆亮 (中国科学院半导体研究所神经网络实验室，北京100083) 摘要：为了研究基于人类视觉系统特性（亮度自适应特性和视网膜神经元感受野非经典侧抑制特性）的仿生图像 处理方法，增强仿生图像增强算法的自适应性，提出了一种新的自适应仿生图像增强算法一LDRP算法.LDRF算 法首先建立参数对数模型对图像全局亮度进行自适应调整，然后采用三高斯动态滤波进行局部细节增强，引入W 算子建立增益因子模型，使局部细节增强具有自适应性，最后通过线性变换恢复图像彩色信息.在大量图像上进 行对比实验和分析.实验结果证明，LDF算法能够避免过增强现象，并且针对不同大小、不同内容的图像能够自适 应地进行图像增强，取得了较好的数果，提高了仿生图像增强算法的实用性. 关键词：仿生图像处理；人类视觉；图像增强；三高斯模型；参数对数模型；增益因子模型 中图分类号：TP391.4文献标志码：A文章编号：16734785(2012)05040405 An adaptive biomimetic image processing method:LDRF algorithm CHEN Chen,LI Weijun,CHEN Liang,QIN Hong,LAI Jiangliang (Laboratory of Artificial Neural Networks,Institute of Semiconductors,Chinese Academy of Sciences,Beijing 100083,China) Abstract:The research proposes to continue examining a novel adaptive biomimetic image processing method called, LDRF (logarithmic and disinhibitory properties of concentric receptive field)algorithm.Numerous research studies have examined biomimetic image processing method and human visual characteristics,which include brightness adaptability and disinhibitory properties of concentric receptive fields.Firstly,a parameterize logarithmic function was adjusted for global luminance for image adaptability.Secondly,the tri-Gaussian dynamic filtering was applied to the partial detail en- hancement.Wallis operator was also introduced for establishing a gain factor model that provided adaptability for partial detail enhancement as well.Finally,the linear transform was performed for the color restoration.The contrast experi- mental results were based on a large image set which indicated,the LDRF algorithm is capable of adapting and enhan- cing the images with different sizes and contents.Additionally,the study avoided over enhancement,achieved excellent effects and increased practicality of the biomimetic image enhancement algorithm. Keywords:biomimetic image processing;human visual system;image enhancement;tri-Guassian model;parameterized logarithmic model;gain factor model 仿生学是目前快速发展的热门研究领域.由于觉仿生并将其应用在多波段成像导引头的设计 人类视觉系统在处理图像信息上近乎完美的特性， 中[6]等，这些研究表明，模仿人眼视觉系统的图像 目前越来越多的学者研究仿生学在机器视觉和图像 处理技术，能够有效地提高图像处理技术的效率. 处理中的应用.从1970年Robison对猴子视觉神经 文献[1-2]模仿人眼视觉系统的亮度自适应特 系统的研究开始，学者们开始对视觉系统的生物特 性和视网膜神经元感受野的非经典侧抑制性，提出 性进行了深人的研究，并基于视觉仿生探索新的图 了一种仿生图像增强算法，并且通过实验论证了该 像处理方法u2).例如，E.H.Lamd等提出了基于 算法的有效性.然而，进一步的研究表明：该算法 Retinex理论的图像增强算法3s],訾方等提出了视 存在过增强现象，模型中的部分参数没有建立数学 模型，因此无法自适应地对不同类型的图像进行有 收稿日期：2012-0403.网络出版日期：2012-09-07 效处理，缺乏实际应用价值. 基金项目：国家自然科学基金重大研究项目(90920013) 通信作者：李卫军.E-mail:wjli@semi.ac.cn. 本文采用与文献[1]相同的算法框架，在文献