基于量子方差最大化的自适应图像增强方法研究

《Scientific Reports》：Adaptive image enhancement through quantum variance maximization

　　

摘要

本文提出了一种量子启发的图像增强框架，称为基于量子方差最大化的自适应图像增强方法（AIEQVM）。该方法利用量子图像灵活表示法（FRQI）将图像灰度值编码为量子旋转角度，并将图像增强建模为逐块的方差最大化问题。通过有界标量优化为每个图像块确定自适应增强参数，随后进行非线性量子启发的灰度变换。为确保空间一致性并抑制块效应，在图像重建之前对优化后的增强图进行平滑处理。所提框架在基准自然图像Palm、Garden、Car、脑MRI图像以及低光Flowers图像上进行了评估，并与直方图均衡化（HE）和对比度受限自适应直方图均衡化（CLAHE）进行了比较。采用全参考和无参考质量指标对性能进行评估，包括方差、对比度改善指数（CII）、熵、PSNR、SSIM、NIQE、BRISQUE和LPIPS。实验结果表明，AIEQVM在增强对比度的同时，能够始终如一地保留结构信息和感知图像质量。与传统的基于直方图的增强方法相比，所提方法在对比度增强与伪影抑制之间取得了更好的平衡，在多种成像条件下均实现了更高的结构相似度以及具有竞争力的感知质量。这些结果证明了量子启发的方差优化在自适应图像增强中的有效性，并凸显了其在自然图像和医学图像处理中的潜力。用于实现所提基于量子方差最大化的自适应图像增强方法（AIEQVM）并复现所报道实验的源代码公开可获取于https://github.com/Johnchristopherclement/Adaptive_Image_Enhancement_Through_Quantum_Variance_Maximization