t-SNE最大化的自适应彩色图像灰度化方法

摘要：

目的 彩色图像的灰度化是计算机视觉领域的研究热点.针对传统彩色图像灰度化方法得到的灰度图像存在对比度保持不足、细节模糊及层次感欠缺等问题,本文结合t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)提出了一种更加简单、高效的彩色图像灰度化新方法.方法 首先,将t-SNE降维思想引入到彩色图像的灰度化过程中,设计了一种基于t-SNE最大化的彩色图像灰度化新模型,通过最大化能量函数使原始彩色图像中对比度较小的区域在灰度化后其对比度能够适当地变大或保持,让灰度图像更好地保持原始彩色图像的对比度特征和层次感.其次,在新模型中设计了一种自适应的对比度保持策略,根据颜色对比度信息来自适应地调节原始彩色图像不同区域的灰度化力度,更好地保留原始彩色图像的细节和对比度信息.最后,采用了一种高效的离散搜索方法以快速求解所提新模型.结果 基于Cadik、CSDD(complex scene decolorization dataset)和Color250数据集的大量实验结果表明,与传统方法相比,本文方法得到的灰度图像具有更好的表现,在颜色对比度保持率(color contrast preserving ratio,CCPR)指标上,本文方法在上述3个数据集上的平均CCPR值最高,分别为0.874、0.862和0.864.另外,在相同硬件上测试不同灰度化方法的运行效率时,本文方法的运行时间最短.结论 相较于传统灰度化方法,本文方法不仅能够更好地保持原始彩色图像的对比度、细节特征和层次感,而且在主观评价和客观评价方面均有更好的表现.

关键词：彩色图像灰度化、t分布随机邻域嵌入(t-SNE)、对比度保持、离散搜索、细节保持

所属期刊栏目：29

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2024-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：2333-2349