基于相关性准则和参数优化策略的彩色图像灰度化关键技术研究

Color-to-gray conversion is process that converts a color image into a grayscale one. It is an important pre-processing stage of image processing and pattern recognition techniques, using the limited range in gray scales to present the input color image contrast as much as possible. How to exploit the color contrast information and design fast and robust algorithm are two issues for its success. In recent years the applicant proposed correlation criterion in transform domain (ICCV) and a variety of fast algorithms based on variable splitting techniques (TIP and SIAM J IMAGING SCI.). To achieve fast and efficient color-to-gray conversion, the project intends to study the three directions: (1) discuss the basic and generalized models based on gradient-domain correlation criterion, trying to use gradient correlation criteria for valuating grayscale contrast maintaining capability and integrate sparse norm, channel weights and saliency information in the model; (2) use variables splitting and discrete strategy to develop iterative and global search algorithms for solving the parameterized first-order model; (3) explore new image decolorization evaluation. The three parts perspectively aim to maintain the color contrast in the process of conversion. The successful implementation of this project will greatly push the color image used in image processing and pattern recognition techniques, and subsequently in the practical applications.

彩色图像灰度化是将彩色图像转换成灰度图像，它是图像处理和模式识别等技术的预处理阶段中重要的一环。如何挖掘彩色图像中的对比度信息以尽可能地使用灰度图像将彩色图像的信息显示及设计快速稳健的实现算法是其成功的两大关键因素。申请人近年来在相关领域提出了变换域相关性准则（ICCV）及各种基于变量分离的快速算法（TIP和SIAM J IMAGING SCI.），积累了一定成果。为实现高效快速的彩色图像灰度化，项目组拟从三个方向为研究切入点：(1)探讨梯度域相关性准则的基本及广义模型，提出梯度相关性准则衡量灰度化对比度保持能力及融入稀疏范数、通道权重和显著性等先验信息进行灰度化建模；(2)在参数化建立一阶模型后，使用分离变量及离散化策略提出迭代型和全局搜索型快速算法；(3)探讨新的图像灰度化评价指标；三个研究角度相辅相成、共同促使彩色图像对比度在灰度化过程中得到更为丰富的保持，实现高效快速灰度化。

本项目主要内容为彩色图像灰度化的关键技术研究。研究要点有：1）相关性准则基本模型的建立和优化实现。鉴于申请人在相关性准则方面的积累经验和图像灰度化前期实验研究，尝试提出各种相关性准则的优化模型。本课题在2015年TIP期刊上发表GcsDecolor论文的基础上，先后从非欧氏空间表示、最大化权重投影、两步优化法等角度对传统梯度差模型和梯度相关性模型进行理论解释扩充和完善，先后发表论文4篇，申请并授权发明专利1项。2）融合其它先验信息进行建模及求解。对于梯度域灰度化模型，在算法鲁棒性和灰度化效果上有很大改进空间。本项目在原有彩色图像灰度化模型的基础上先后考虑子空间通道权重先验信息、参数化先验信息、求解范围先验信息和融入局部特征信息的建模。先后发表4篇论文，申请并授权转件著作权1项。3）提出新的灰度化评价指标及灰度化研究扩展。目前对于图像灰度化问题，定量化的评价指标非常少，只有Lu等人提出的基于彩色图像对比度保持率指标。项目组提出一种新的评价指标（IEEE TCSVT）。并且随着研究的推进，在图像融合(Information Fusion)和配准(IEEE ICIP)等方面发表研究扩展性论文4篇。.迄今为止，本项目先后发表论文12余篇，其中在IEEE TIP上发表2篇(Google引用次数分别为23次和10次)；IEEE TCSVT上发表1篇；Information Fusion上发表1篇(Google引用次数为4次)；国际和国内学术会议专题报告或讲座2人次。其中1篇论文获得2017 IEEE Fusion的Oral presentation。授权彩色图像灰度化相关发明专利1项。授权软件著作权1项。本项目属于应用基础研究项目，研究成果在（医学）图像处理及模式识别中有着重要的应用前景。