２０１１年３月 西安邮电学院学报 Ｍａｒ．２０１１ 第１６卷第２期 ＪＯＵＲＮＡＬ ＯＦ ＸＩ’ＡＮ ＵＮⅣＥＲＳＩＴＹ ＯＦ ＰＯＳＴＳ ＡＮＤ ＴＥＬＥｃｏＭ ＩＣＡＴ１０ＮＳ Ｖｏ１．１６ Ｎｏ．２ 基于清晰度的彩色图像量子增强算法 高静波 ，吴成茂 ，田小平 （１．西安邮电学院通信与信息工程学院，陕西西安７１０１２１；２．西安邮电学院电子工程学院，陕西西安７１０１２１） 摘要：针对信息熵不能客观地反映图像清晰程度的不足，提出一种基于图像清晰度的量子增强算法。该方法首先 将一幅由ＲＧＢ空间表示的彩色图像转换为由ＨＳＶ空间表示，其次根据相关灰度阈值函数对其亮度分量进行归一 化处理，并采用量子衍生增强算法对其进行增强，在此基础上采用清晰度评价函数自适应确定本算法的灰度阈值 参数，最后将增强后的ＨＳＶ空间表示的图像还原为一幅新的ＲＧＢ空间表示的彩色图像。实验结果表明，基于清 晰度评价的彩色图像增强算法较信息熵函数准则有更好的图像增强效果。 关键词：信息熵；清晰度；量子增强；彩色图像 中图分类号：ＴＰ９１１．７３ 文献标识码：Ａ 文章编号：１００７—３２６４（２０１１）０２—０００４一Ｏ５ 图像增强是图像处理的一个重要的分支，是图 像处理领域一类非常重要的基本图像处理技术，其 目的是对一幅图像进行加工，将原来不清楚的图像 变得清晰或把感兴趣的某些特征强调出来，对图像 度增强并不改变原图的彩色内容［引。该模型的重要 性在于：一方面消除了亮度成分在图像中与颜色信 息的联系；另一方面色调和饱和度分量与人的视觉 感受密切相关。因此将ＲＧＢ空间表示的彩色图像 整体或局部特征能有效地改善。突出图像中的某些 信息，削弱或去除某些不需要的信息，以得到视觉效 果更好、更有用的图像；或转换成一种更适合人或机 器进行分析处理的形式［１］。 彩色图像比灰度图像包含更多的信息，无论是 对人的视觉感受，还是后续的图像理解与分析，彩色 转换到ＨＳＶ空间表示的彩色图像后，对其亮度分 量进行图像增强处理。 量子衍生［５ 方法是如何借鉴和利用量子信息理 论的基本概念、原理和公理化数学体系而产生的在 前计算机上实现的、用于解决某些具体问题的新方 法或改进方法。量子衍生图像处理方法是量子衍生 方法在图像处理领域的拓展，它为该领域的理论研 图像都具有灰度图像无可比拟的优越性。因此彩色 图像增强有着重要的意义［ｚ］。原有的图像增强技术 多是针对灰度图像，并不能直接应用彩色图像的增 强，这是因为彩色图像还包括彩色信息。彩色图像 增强不仅需要考虑采用何种方法增强图像，还需要 究和技术实现提供了一种新的观念和思路。针对量 子衍生图像增强原理不能自动选取最优阈值参数的 不足，本文提出一种基于清晰度评价的改进型量子 图像增强算法，它采用图像清晰度评价函数自适应 考虑如何保持色调不变，因而彩色图像的处理远比 灰度图像复杂。在许多实用系统中，大量应用ＨＳＶ 模型［３］，这个模型由色调（Ｈ）、饱和度（Ｓ）和亮度 （Ｖ）这３个分量组成。它比ＨＳＩ模型更与人类对颜 色的感知接近，更好的利用人类的视觉特性。在 确定本算法的灰度阈值参数。结果表明该方法具有 较好的图像增强效果。 １量子衍生原理 １．１量子力学假设 ＨＳＶ模型中，亮度分量与图像的彩色信息无关，亮 收稿日期：２０１０～ＩＩ一２２ 量子力学是一个基于量子力学假设的公理体 基金项目：陕西省自然科学基金资助项目（２００９ＪＭ８００４）；陕西省教育厅科技计划资助项目（２０１０ＪＫ８１６） 作者简介：高静波（１９８７一），女，硕士研究生，研究方向：图像与视频通信，Ｅ－ｍａｉｌ：ｐｅｒｆｅｃｔｇｊｂ＠ｓｉｎａ．ｃｏｒｎ！吴成茂（１９６８一），男，高级 工程师，研究方向：图像处理。 第２期 高静波，等：基于清晰度的彩色图像量子增强算法 ・５・ 系，它从量子力学的基本假设出发，应用线性代数中 位相应基态出现的概率。由于函数描述的是一个真 实的物理系统，则必然会坍缩到一个基态 加］，因此 概率幅Ｗｉ所决定的概率之和为１，它亦满足归一化 关于向量空间结构的知识体系，采用狄拉克表示法 来描述其数学框架结构的。本文所做的工作是在认 可这种数学形式的合理性基础上，利用量子力学的 公理体系去演绎或建立算法，因此，量子力学公理化 数学体系对建立和描述文中提出的量子衍生图像处 理算法是非常重要的。量子力学假设是构造量子理 论数学框架的基础，量子力学假设可视为量子理论 数学框架的公理集。这个公理集包括四条量子力学 基本假设：主要描述了一个微观粒子或多个微观粒 子系统的状态、量子力学系统的状态如何随时间变 化、量子的测量、及复合量子系统的状态等。 １．２量子比特描述 量子力学系统态由Ｈｉｌｂｅｒｔ空间中的矢量描 述；描写量子态的矢量称为态矢，可用符号“ｌ ）”表 示。“１．）”称为右态矢，“（・Ｊ”称为左态矢，表示右 矢的共轭转置。由态矢量张成的空间在量子力学中 称为态矢空间。一般情况下，量子态是不可确定 的，它可以同时以不同的概率处于多种状态。态叠 加原理正是描述了这种情况：在量子计算中，量子状 态用量子比特（Ｑｕｂｉｔ）来表示，一个量子比特是一个 双态系统。如果一个量子比特可能处在ｌ ０）和ｌ １） （满足归一化条件）表述的两个基态中，则这个量子 比特处在线性叠加态，也是系统的一个可能态，并由 （１）式表示＿６ ］。 ｌ ）＝＝＝ａ １ ０）＋ｂ Ｉ １） （１） 其中口，ｂ为满足归一化ｌ口ｌ ＋ｌ ｂ Ｊ 一１的复数，称 之为概率幅，Ｉ口Ｉ ，Ｉ ｂ Ｉ 分别为两个基态ｌ ０）态和 Ｉ １）态出现的概率。 如果一个量子系统处于基态的叠加之中，则称 此量子系统是相干的。当一个相干的量子系统以某 种方式与其所处环境发生相互作用（如测量），线性 叠加就会被破坏，由此引起的相干的消失称为消相 干或坍缩。如果一个量子系统由 个量子位构成，则 其中第ｉ个量子位的状态为ｌ ）一口 ｌ ０）＋ｂ Ｉ １） 。该量子系统的状态可用，ｚ个单量子比特的直积态 表示 ］： Ｉ ）一Ｉ ）ｏｌ ） … ｌ ）一 ｎ１口２…ｎ １ ００…０）＋ｎ１ｎ２…ａｎ－－１ｂ ｌ ０Ｏ…１）＋… ２ｎ－１ —、１＋６１６２… Ｉ ｌ１…１）一 Ｗｉ ｌ ｉｂ） （２） ＝０ 其中“ ”表示张量积；态矢Ｉ ｉ ）表示，ｚ个量子比特 系统Ｉ ）的第 个基态；ｉ 表示对应十进制数ｉ的 位二进制数；∞ 为相应基态出现的概率幅；１ ｗｉ ｊ。 条件为 ２ 一１ ∑｝Ｗｉ ｌ。一１ （３） 一０ ２ 图像增强算法 ２．１ 像素量子比特表述 为了实现图像从灰度空间到量子空间的映射， 将图像灰度函数进行归一化变换处理，定义如下归 一化变换函数为 ｆ（ｍ，咒）一 ｆＩ （一ｍｉＴ ） ’， ｇ（ｍ， ）≤Ｔ１【 ＋ ｔ，ｇ（优， ）＞Ｔ ．ｍｘ一』 （４） 其中ｇ（ｍ，，ｚ）为待处理的图象，ｆ（ｍ， ）∈Ｅｏ，１］表 示像素（ｍ， ）的归一化灰度值，～、 分别表示待 处理图像ｇ（ｍ， ）的最大、最小灰度值，Ｔ和ａ是本 文引入的两个参数，Ｔ称为灰度阈值，且丁∈（ｍｉ， ｒｎｘ），系数ａ∈（Ｏ，１）。通过大量的实验发现，ａ选取 为０．３适应绝大多数图像增强需要。 文献［１１］从量子衍生的观点出发，定义如下像 素量子比特表达形式为 ｌ Ｆ（ｍ，，ｚ）＞＝：＝￣，／１一ｆ（ｍ，咒）ｌ ０）＋￣／，（ｍ，７ｚ）ｌ １） （５） 其中１ ０）和Ｉ １）分别表示像素量子比特中的两个基 态，ｖ／１一ｆ（ｍ， ）和、／／，（ｍ，７２）表示对应基态出现 的概率幅；１一ｆ（ｍ， ）、ｆ（ｍ， ）分别表示对应基态 出现的概率。显然，根据归一化函数ｆ（ｍ，，ｚ）的定 义，１ ０）与ｌ １）基态的出现的概率满足归一化条件。 ２．２清晰度评价函数 清晰度：即模糊（粗糙）度，也是人们从主观上描 述图像质量的感受。简单的说，清晰度就是图像细 节边缘变化的敏锐程度。在图像细节的边缘处，光 学密度或亮度随位置的变化越敏锐（变化快）、越剧 烈（反差大），则细节的边缘就越清晰，可辨程度越 高。清晰度是影响图像质量的一个很重要的因素， 清晰度好的图像包含了丰富的细节信息，便于对图 像进行相关处理，因此图像清晰度评价在图像分析 和识别中具有着重要的意义。目前，清晰度评价函 数种类多，计算复杂，针对性不强，尚无统一标准。 ・６・ 西安邮电学院学报 ２０１１年３月 常用的清晰度评价函数有点锐度函数法、梯度函数 法、频谱函数法、熵函数法。点锐度函数法通过分析 图像区域边缘法向方向的灰度变化情况来进行评 价，认为灰度变化程度越剧烈，边缘就越清晰；梯度 函数法将图像区域边缘法向方向梯度平方和作为评 价标准，认为该值越大，即图像对比度越高，边缘就 越清晰；频谱函数法是基于ＦＴ变换，认为清晰的图 像比模糊的图像包含有更多的细节信息，边缘更清 １８Ｉ 厶）一ｌ ＞ｏＩ ＞ｏｌ厶＞一 Ｊ（１一厂８）（１一厂１）（１一，４）Ｉ ｏｏｏ （１一，８）（１一＾）厂４｝００１）＋ Ｊ（１一＾），１（１一 ）ｌ ｏ１０＞＋ 、／／（１一 ） ，４ ｌ ０１１ 厂８（１一＾）（１一厂４）Ｊ １００）十 厂８（１一厂１），４ ｌ １０１）＋ 晰；熵函数法认为图像的熵越大，图像越清晰。 在图像处理中，梯度函数法主要考察图像空间 灰度梯度变化的大小，经常被用来提取边缘信息。 清晰图像的边缘相对模糊图像具有较大的灰度变化 率，即清晰图像能更快地从高灰度降到低灰度。常 用的梯度类函数有灰度差分函数、能量梯度函数、方 差函数、拉普拉斯函数、Ｔｅｎｅｎｇｒａｄ函数等。其中能 量梯度函数是用相邻点的差分计算一个点的梯度 值，此函数计算简单易行，运行效率高，效果也相对 较好。基于能量梯度函数法，图像像素灰度值的清 晰度公式可表示为［１２，１３］ ＝∑∑［口（ｚ，３，）一ａ（ｘ ４－１， ）］ ４－ （ｚ， ）一ａ（ｘ，Ｙ４－１）］ （６） 其中ａ（ｘ， ）为图像ｎ在像素点坐标（ｚ，３，）处的灰度 值； 表示清晰度， 值越大，表明清晰度越高，最 大值 对应的图像就是最清晰的图像。 ２．３ 基于量子比特表达式的图像增强原理 针对彩色图像的特点，结合像素灰度的相关性， 根据本文定义的像素量子比特的表达形式，下面列 举了一种基于量子衍生的图像增强原理［１ 。 图１ ３×３邻域位置关系 如图１所示，假设当前像素（ ，，ｚ）标记为 ， 表示３×３邻域窗口中的像素， 为根据公式（４），由 自适应灰度阈值Ｔ得到的归一化数值，且 ∈［Ｏ， １］。采用像素量子表达式形式，则水平方向上ｌ Ｊ ）， Ｊ Ｌ），Ｉ Ｊ。）的三个像素的量子比特表达式分别为： Ｉ １１＞一￣／ｌ一，１ １ ０）＋、／／，１ Ｉ １） （７） ｌ １４）一、／／１一 ｌ ０）－４￣／ ｌ １） （８） Ｉ １８）一、／／１一＾１ ０）＋、／／ Ｉ １） （９） 则水平方向的三个像素Ｊ８ Ｊ Ｌ构成的一个量子系统 的态矢表示为 、／／厂８，１（１一 ）Ｉ １１０）＋ ｆ ｆ、ｆ ＼１１１、）一 ２３－－１ ∑ Ｊ ｉ＞ （１ｏ） 由（２）式可知，三量子比特构成的量子系统中 各个基态的概率幅为 ，概率为Ｊ ｌ。。 在３×３邻域窗口中，通常边缘像素具有较强的 方向性，与相邻像素灰度关系紧密。本文从三量子比 特系统概率统计的角度出发，提出一种增强算子，以 ３×３窗口中的中心点（ ， ）为当前像素，并用四个 方向上的均值作为像素（ｍ， ）算子的输出，定义 如下： Ｅ（ｍ， ）一Ｆｔ＇ｌｅ口 ｛ｓｏ ｌ０一ｏ， ，专，号７ｒ）（１１） 其中 Ｓｏ（ ，竹）一ｓｕｍ（ｆ ｆ ０ ｌ ｉ一１，３，４，５，６，７｝ （１２） 以水平方向（ 一０）为例， 统计Ｉ厶ｊ Ｌ）的增 强基态ｉ出现的概率总和，ｉ取相应十进制数１，３，４， ６和５，７，分别为了保留图像的渐变斜坡边缘信息和 平滑区信息。根据式（１Ｏ），Ｓｏ（仇， ）可简化为 Ｓｏ（ ，，２）一＾４－厂４一ｆ８・厂４ （１３） 同理， 一 ７／＂，专，号丌时，Ｓｏ（ｍ， ）分别为 Ｓｌ五（ｍ， ）＝，９ －４厂５一 ・厂５ （１４） Ｓ晋（ ，７２）一厂６ －４厂２一 ・ （１５） Ｓ导 （ｍ， ）一，７ －４ 一 ・ （１６） 采用像素量子比特表达式，本文所提出的增强 算子可表示为 ． ５ Ｅ（ｍ， ）一÷∑（ｉ＝２ ＋ 一 ・ ）（１７） Ｅ为采用本算子的计算形式得到的增强图像， 其灰度值范围为［Ｏ，１］。其中 为根据灰度阈值参 数Ｔ，归一化的数值。为了刻画图像的清晰程度，优 化图像增强效果，同时减少选择Ｔ的计算开销，以利 用本文算法增强后的图像清晰度评价函数值最大化 第２期 高静波，等：基于清晰度的彩色图像量子增强算法 ・ ７ 。 为原则，在（ｍ／，ｍｘ）整数范围内，自适应确定最优 灰度阈值参数Ｔ。 ３ 增强算法 基于清晰度的彩色图像量子增强算法部分 如下： （１）将图像的ＲＧＢ彩色空间转化为ＨＳＶ彩色 空间后保持色调分量（Ｈ），饱和度分量（Ｓ）不变，仅 提取亮度分量（Ｖ），并对其进行量子增强； （２）定义变量 ，ｏｐｔ＿Ｔ；初始化参数Ｔ—ｍ／＋ ｌ。 和ｏｐｔ＿Ｔ分别临时存放当前最大的图像清晰 度评价函数最大值和其对应的Ｔ值； （３）根据参数Ｔ，式（４）得到归一化图像，然后 根据式（１７）得到增强后的Ｅ图像； （４）在当前Ｔ取值情况下，根据式（６）计算Ｅ图 像的清晰度评价函数的数值； （５）根据图像清晰度评价函数值的最大化原 则，更新 ，ｏｐｔ＿Ｔ； （６）Ｔ—Ｔ＋１，重复（３）～（５），直到Ｔ—Ｗ／２Ｅ执 行下一步； （７）Ｔ—ｏｐｔ＿Ｔ，根据式（４）对原图像进行归一 化变换，然后，利用式（１７）得到最后的量子增强图 像Ｅ。 （８）将增强处理后的亮度分量（一一 一■一■一圈 ），即为图像 一一因 墨 圈 Ｅ，与原始彩色图像的色调分量（Ｈ），饱和度分量 （Ｓ）相结合，还原出新的ＨＳＶ空间的增强图像，并 转换为由ＲＧＢ彩色空间表示的图像。 ４实验结果及分析 为了验证该方法的有效性和可行性，在ＭＡＴ— ＬＡＢ７．０环境下进行仿真实验，并采用直方图均衡 化［１，５，１５，１６］、基于信息熵准则的量子增强等空间域图 像增强算法与本文的方法进行比较。实验中采用具 有代表性的彩色图像进行仿真测试（其结果见图２ 和图３所示）。 从图２的３幅图像增强实验结果来看，均取得 了一定的增强效果，但本文算法的整体视觉效果 较佳。 图（ｂ）中，采用直方图均衡化方法虽然对图像 的亮度进行了拉伸，但也使原图中灰度变化较小的 区域反差增大，对比度过分增强，颜色过于突出，使 较暗的区域反而更暗，而且整幅图亮度偏暗，不够柔 和。如图（ｂ）中蓝色的海洋图像，透过海水观察到 的海底颜色过暗过深，并且原来灰度不同的像素经 （ｄ）本文算法的增强结果 图２彩色图像增强的结果比较 过处理后可能变得相同，形成一片相同灰度区域，各 区域之间有明显的边界，从而出现了伪轮廓。如图 （ｂ）中的红色建筑物图像，建筑物后面的树木和天 空背景中出现一些灰色的阴影。 图（ｃ）中，基于信息熵的量子增强法虽然能使过 增强现象得到一定的改善，使得原图像中灰度变化 较小的区域过渡自然，但图像整体视觉感受明显偏 暗，边缘不够清晰，增强效果并不十分理想。如图 （ｃ）中的雪景图像，在阳光的照射下，雪地里的树木 阴影和树木的边缘部分过暗，看不清具体细节；蓝色 的海洋图像中，海水的颜色过深导致图像整体视觉 感受不够清晰自然。 图（ｄ）中，本文所提出的方法能使整幅图看起 来色彩明亮柔和且边缘清晰自然。如图（ｄ）中的红 色建筑物图像，建筑物旁边的树叶亮度基本一致，颜 色更加接近于真实；雪景图像中雪地里的树木阴影 和树木的边缘细节较为清晰。 因此，通过上述３种方法的对比，表明所提出的 增强方法可以改善彩色图像的对比度，提高图像的 清晰程度，使图像的色彩更自然，符合人眼的视觉特 性，无论从整体还是细节部分都有相对满意的增强 效果。 考虑到参数ａ的变化对图像增强效果的影响， 本文增强算法中参数ａ选取４个典型值，分别为 ０．３，０．５，０．７，０．９，其增强测试结果如图３所示。 从图３所示的两幅图像增强实验结果来看，ａ ・８・ 西安邮电学院学报 ２０１１年３月 强方法。该方法计算简单、易实现，较传统直方图均 衡化增强方法更有效。由清晰度评价函数自适应确 定的参数Ｔ可在整体上有效调节整幅图像的对比 度；在３×３图像窗口中，可有效增强局部图像信息。 目前量子力学用于图像处理的研究还处于萌芽 ＿～一圈一ｌ～圈一＿一量 圈 加广泛的应用。 阶段，其理论还未成熟，很多方面有待研究。随着研 究的不断深入，量子理论在图像处理方面会得到更 参考文献 （ｄ）Ⅱ选取为０．９ 图３不同ａ取值的增强结果比较 选取０．３时，色彩丰富自然，尤其在亮度高的地方颜 色更加鲜艳清晰。但是若选取ａ值较大，则会出现 过亮或过暗，甚至出现模糊不清等现象，细节都无法 得到较好地保留。如图（ｂ），图（ｃ），图（ｄ）中，当Ｑ值 分别选取０．５，０．７，０．９时，雪景图像中光照过亮过 强，树木周围也出现了明显的光晕现象；红色建筑物 图像亮度水平整体过亮，局部对比度较差，建筑物后 面的树木较暗的区域变的更暗，树叶在亮度的逐步 提升下也变得更加模糊。因此，选择ａ为０．３能获 得相对满意的增强效果。 另外，采用清晰度函数对大海图像的３种不同 增强结果进行了评价，其结果如表１所示。 表１不同增强方法所得结果的清晰度值 彩色图像 清晰度 原始图像 １５３．２６５２ 直方图均衡化结果 ３３７．７６１７ 基于信息熵的量子增强结果 ５０８．８１１３ 本文算法的增强结果 ５４５．０９４７ 从表１所示的３种不同增强方法所得结果的评 价值来看，本文所建议的基于清晰度评价函数的量 子增强算法是相对有效的。 ５ 结论 针对彩色图像的特点，将量子图像增强原理和 清晰度评价函数相结合得到一种自适应彩色图像增 ［１３ Ｇｏｎｚａｌｅｚ Ｒ Ｃ，Ｗｏｏｄｓ Ｒ Ｅ Ｄｉｇｉｔａｌ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ［Ｍ］．Ｂｅｉｉｉｇｎ：Ｐｕｂｌｉｓｈｉｎｇ Ｈｏｕｓｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ Ｉｎｄｕｓ— ｔｒｙ，２００５． Ｅ２３赵晓丽，孙宪坤．基于视觉特性的彩色图像增强算法研 究Ｄ］．３－１－￣机工程与设计，２００９，３０（１９） ４４５８－４４６０． Ｅ３３张娜，王绪本．基于ＨＳＶ空间的简牍算法研究ＥＪ］．计 算机应用研究，２００７，２４（６）：２０４—２０７． ［４］王萍，程号．基于色调不变的彩色图像增强［Ｊ］．中国图 象图形学报，２００７，１２（７）：１１７３—１１７７． ［５］Ｈａｎ Ｋ Ｈ，Ｋｉｍ Ｊ Ｈ．Ｑｕａｎｔｕｍ－ｉｎｓｐｉｒｅｄ ｅｖｏｌｕｔｉｏｎａｒｙ ａｌ— ｇｏｒｉｔｈｍ ｆｏｒ ａ ｃｌａｓｓ ｏｆ ｃｏｍｂｉｎａｔｏｒｉｌａ ｏｐｔｉｍｉｚａｔｉｏｎ［刀． ＩＥＥＥ Ｔｒａｎｓａｃｔｌｏｓ ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔａｔｉｏｎ，２００２， ６（６）：５８０—５９３． ［６］Ｈｄａｒ Ｙ Ｃ，Ｏｐｐｅｎｈｅｉｍ Ａ ｖ．Ｑｕａｎｔｍｕ ｓｉｇｎａｌ ｐｒｏｃｅｓｓ— ｉｎｇ［Ｊ］．ＩＥＥＥ Ｓｉｎｇａｌ Ｐｒｏｃｅｓｓｉｇｎ Ｍａｇａｚｉｎｅ，２００２，１９ （６）：１２—３２．７５—１４１． ［７］谢可夫，罗安．量子启发数学形态学的研究［Ｊ］．电子学 报，２００５，３３（２）：２８４－２８７． ［８３谢可夫，罗安，周心一．量子衍生形态学图像边缘检测 方法［Ｊ］．计算机工程与设计，２００７，４３（１１）：８７—８９． ［９］庞朝阳．量子算法及其在图像处理中的应用［Ｊ］．四川 师范大学学报，２００９，３２（４）：５２３—５４０． ＥｌＯ］谢可夫，周心一，许光平．量子衍生坍缩形态学滤波 ［Ｊ］．中国图像图形学报，２００９，１４（５）：９６７－９７２． ［１１３谢可夫．量子衍生图像处理方法的研究ｉ－Ｄ－］．长沙：中 南大学，２００７． ［１２３李奇，冯华君，徐之海，等．数字图象清晰度评价函数研 究［Ｊ］．光子学报，２００２，３１（６）：７３６－７３８． ［１３３查世华，王旭，张舞杰，等．一种改进的数字图像清晰度 评价函数研究［Ｊ］．微计算机信息，２００７，２３（１２）： ２７９－２８０． ［１４］付晓薇．基于量子概率统计的医学图像增强算法研究 ［Ｊ］．电子学报，２０１０，３８（７）：１５９１－１５９６． ［１５］Ｍｕｎｔｅａｎｕ Ｃ，Ｒｏｓａ Ａ Ｇｒａｙ－ｓｃａｌｅ ｉｍａｇｅ ｅｎｈａｎｃｅｍｅｎｔ ａｓ ａｎ ａｕｔｏｍａｔｉｃ ｐｒｏｓｓｅｓ ｄｒｉｖｅｎ ｂｙ ｅｖｏｌｕｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ， ２００４，３４（２）：１２９２—１２９８． （下转第２５页） 第２期 刘艳君，等：关于Ｐ２Ｐ与ＣＤＮ混合的流媒体技术综述 ・ ２５ ・ ｔｒｉｂｕｔｅｄ Ｓｙｓｔｅｍｓ［Ｃ］，２００９ １ ５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ－ Ｎｅｔｗｏｒｋ ａｎｄ Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍｓ Ｓｕｐｐｏｒｔ ｆｏｒ Ｄｉｇｉｔａｌ ｅｎｃｅ ｏｉｌ Ｐａｒａｌｌｅｌ ａｎｄ Ｄｉｓｔｒｉｂｕｔｅｄ Ｓｙｓｔｅｍｓ，２００９： Ａｕｄｉｏ ａｎｄ Ｖｉｄｅｏ（ＮＯＳＳＤＡＶ ０８），Ｂｒａｕｎｓｃｈｗｅｉｇ， ７５８—７６３． Ｇｅｒｍａｎｙ，２００８． ［１９］Ｚｈａｎ Ｗａｎｇ，Ａｉ Ｊｉａｎｇ，ｅｔ ａ１．Ａ ｋ－ｃｏｏｒｄｉｎａｔｅｄ ｄｅｃｅｎｔｒａｌ— ［２１］Ｄ．Ｘｕ，＆Ｋｕｌｋａｍｉ，ｅｔ ａ１．Ａｎａｌｙｓｉｓ ｏｆ ａ ＣＤＮ－Ｐ２Ｐ ｈｙ— ｉｚｅｄ ｒｅｐｌｉｃａ ｐｌａｃｅｍｅｎｔ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｔｈｅ ｒｉｎｇ－ｂａｓｅｄ ｂｒｉｄ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ Ｃｏｓｔ－Ｅｆｆｅｃｔｉｖｅ Ｓｔｒｅａｍｉｎｇ Ｍｅｄｉａ ＣＤＮ－Ｐ２Ｐ ａｒｃｈｉｔｅｃｔｕｒｅ［Ｃ］．Ｃｏｍｐｕｔｅｒｓ ａｎｄ Ｃｏｍｍｕｎｉ— ｉＤｓｔｒｉｂｕｔｉｏｎ［Ｃ］，Ｍｕｌｔｉｍｅｄｉａ Ｓｙｓｔｅｍ，２００６，ｌ１（４）： ｃａｔｉｏｎｓ（ＩＳＣＣ），２０１０ ＩＥＥＥ Ｓｙｍｐｏｓｉｕｍ ｏｎ，２０１０． ３８３—３９９． ［２ｏ］ｃ Ｈｕａｎｇ，Ａ Ｗａｎｇ，Ｊ．Ｌｉ，ｅｔ ａ１．Ｕｎｄｅｒｓｔａｎｄｉｎｇ ［２２］Ｓ Ｌｉｕ，Ｒ Ｚｈａｎｇ－Ｓｈｅｎ，ｗ．Ｊｉａｎｇ，Ｊ．Ｒｅｘｆｏｒｄ，ｅｔ ａ１． Ｈｙｂｒｉｄ ＣＤＮ－Ｐ２Ｐ：Ｗｈｙ Ｌｉｍｅｌｉｇｈｔ Ｎｅｅｄｓ ｉｔｓ Ｏｗｎ Ｒｅｄ Ｐｅｒｆｏｒｍａｎｃｅ ｂｏｕｎｄｓ ｆｏｒ ｐｅｅｒ－ａｓｓｉｓｔｅｄ ｌｉｖｅ ｓｔｒｅａｍｉｎｇ Ｓｗｏｏｓｈ［Ｃ］．Ｐｒｏｃ．１８ｔｈ Ｉｎｔｅｍａｔｉｏｎａ１ Ｗｏｒｋｓｈｏｐ ｏｎ ｒ ．ｉｉ＂１ Ｐｒｏｅ．ＡＣＭ ＳＩＧＭＥＴ－ＲＩＣＳ，２００８． Ａ ｓｕｒｖｅｙ ｏｆ ｓｔｒｅａｍｉｎｇ ｍｅｄｉａ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ Ｐ２Ｐ ａｎｄ ＣＤＮ ＬＩＵ Ｙａｎ－ｊ ｋｉｎ，ＺＨＡＮＧ Ｊｉ－ｒｏｎｇ （ｓｃｂｏｏｌ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ ７１０１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃｏｎｓｉｄｅｒｉｎｇ ｉｔｓ ｏｒｇａｎｉｚａｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ，ｓｐｅｃｉｆｉｃ ｃｏｎｔｅｎｔ ｓｔｏｒａｇｅ ｌｏｃａｔｉｏｎ ｓｅｌｅｃｔｉｏｎ ａｎｄ ｃａｃｈｅ ｒｅ— ｐｌａｃｅｍｅｎｔ ｐｏｌｉｃｙ，ａ ｓｕｒｖｅｙ ｏｆ ｔｈｅ ｒｅｃｅｎｔ ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ｈｙｂｒｉｄ ａｒｃｈｉｔｅｃｔｕｒｅ ｏｆ Ｐ２Ｐ（Ｐｅｅｒ ｔｏ Ｐｅｅｒ）ａｎｄ ＣＤＮ （Ｃｏｎｔｅｎｔ Ｄｅｌｉｖｅｒｙ Ｎｅｔｗｏｒｋ）ｉｓ ｍａｄｅ ｔｏｆｉｎｄ ｏｕｔ ｔｈｅ ｌｉｍｉｔａｔｉｏｎｓ ｏｆ ｃｕｒｒｅｎｔ ｗｏｒｋ，ａｎｄ ｍａｋｅ ｃｌｅａｒ ｗｈａｔ ｓｈｏｕｌｄ ｂｅ ｐａｙ ｍｏｒｅ ａｔｔｅｎｔｉｏｎ ｉｎ ｔｈｅ ｆｕｔｕｒｅ ｓｔｕｄｉｅｓ ｏｆ ｈｙｂｒｉｄ ｓｔｒｅａｍｉｎｇ ｍｅｄｉａ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ｍｅｄｉａ ｓｔｒｅａｍｉｎｇ；Ｐ２Ｐ；ＣＤＮ；ｈｙｂｒｉｄ ａｒｃｈｉｔｅｃｔｕｒｅ ［责任编辑：祝剑］ （上接第８页） ［１６］Ｆｌｏｒｅａ Ｃ，Ｖｌａｉｃｕ Ａ，Ｇｏｒｄａｎ Ｍ Ｆｕｚｚｙ ｉｎｔｅｎｓｉｆｉｃａｔｉｏｎ ｐｒｅｓｓｅｄ ｄｏｍａｉｎ［Ｊ］．Ａｐｐｌｉｅｄ Ｓｏｆｔ ｏＣｍｐｕｔｉｎｇ，２００９，９ ｏｐｅｒａｔｏｒ ｂａｓｅｄ ｃｏｎｔｒａｓｔ ｅｎｈａｎｃｅｍｅｎｔ ｉｎ ｔｈｅ ｃｏｒｎ— （３）：１１３９－１１４８． Ｑ￣Ｊａｎｔｕｍ ｅｎｈａｎｃｅｍｅｎｔ ａｌｇｏｒｉｔｈｍｓ ｏｆ ｃｏｌｏｕｒ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｄｉｇｉｔａｌ ｉｎｌｌｆｇｅ ｄｅｆｉｎｉｔｉｏｎ ＧＡＯ Ｊ ｉｎｇ—ｂｏ ，ＷＵ Ｃｈｅｎｇ－ｍａｏ２，ＴＩＡＮ Ｘｉａｏ－ｐｉｎｇｚ （１．Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ’ａｎ ７１０１２１，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｘｉ ａｎ ７１０１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃｏｎｓｉｄｅｒｉｎｇ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｅｎｔｒｏｐｙ ｃａｎ ｎｏｔ ｄｅｓｃｒｉｂｅ ｔｈｅ ｌｅｖｅｌ ｏｆ ｔｈｅ ｉｍａｇｅ ｄｅｆｉｎｉｔｉｏｎ ｏｂ— ｊｅｃｔｉｖｅｌｙ，ａ ｑｕａｎｔｕｍ ｅｎｈａｎｃｅｍｅｎｔ ａｌｇｏｒｉｔｈｍ ｏｆ ｃｏｌｏｒ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｄｉｇｉｔａｌ ｉａｍｇｅ ｄｅｆｉｎｉｔｉｏｎ ｉｓ ｐｒｏｐｏｓｅ＆Ｆｉｒｓｔｌｙ，ｉｔ ｔｒｎａｓｆｏｒｍｓ ａ ｏｃｌｏｒ ｉａｍｇｅ ｆｒｏｍ ＲＧＢ ｓｐａｃｅ ｔｏ ＨＳＶ ｓｐａｃｅ，ｋｅｅｐｉｎｇ ｈｕｅ ａｎｄ ｓａｔｕｒａｔｉｏｎ ｏｃｍｐｏｎｅｎｔｓ ｉｎｄｅｃｌｉｎａｂｌｅ ａｎｄ ｎｏｒｍａｌｉｚｉｎｇ ｏｎｌｙ ｖａｌｕｅ ｃｏｍｐｏｎｅｎｔ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｇｒａｙ ｔｈｒｅｓｈｏｌｄ ｆｕｎｃｔｉｏｎ．Ｔｈｅｎ，ｉｔ ｅｎｈａｎｃｅｓ ｔｈｅ ｎｏｒｍａｌｉｚｅｄ ｉｍａｇｅ ａｃｃｏｒｄｉｎｇ ｔｏ ａ ｇｉｖｅｎ ｑｕａｎｔｕｍ－ｉｎｓｐｉｒｅｄ ｅｎｈａｎｃｅｍｅｎｔ ａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒ ｔｈａｔ，ｉｔ ａｄａｐｔｉｖｅｌｙ ｃｈｏｏｓｅｓ ｔｈｅ ｐａｒａｍｅｔｅｒ ｏｆ ｔｈｅ ｇｒａｙ ｔｒｈｅｓｈｏｌｄ ｆｕｎｃｔｉｏｎ ｗｈｉｃｈ ｉｓ ｒｅｌｅｖａｎｔ ｔｏ ａｎ ａｌｇｏｒｉｔｈｍ ｂｙ ｍｅａｎｓ ｏｆ ｄｅｆｉｎｉｔｉｏｎ ｅｖａｌｕａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｉｔ ｔｒａｎｓ— ｆｏｒｍｓ ａｎ ｅｎｈａｎｃｅｄ ｉａｍｇｅ ｗｈｉｃｈ ｉｓ ｅｘｐｒｅｓｓｅｄ ｂｙ ＨＳＶ ｓｐａｃｅ ｉｎｔｏ ｔｈｅ ｎｅｗ ｏｎｅ ｗｈｉｃｈ ｉｓ ｅｘｐｒｅｓｓｄｅ ｂｙ ＲＧＢ ｓｐａｃｅ Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｉａｍｇｅ ｈａｓ ａ ｂｅｔｔｅｒ ｅｎｈａｎｃｅｄ ｅｆｆｃｅｔ ｗｉｔｈ ｔｈｅ ｎｅｗ ｐｒｏｐｏｓｅｄ ｌａｇｏｒｉｔｈｍｓ ｔｈａｎ ｔｈａｔ ｉｗｔｈ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｅｎｔｏｒｐｙ． Ｋｅｙ ｗｏｒｄｓ：ｉｎｆｏｒｍａｔｉｏｎ ｅｎｔｒｏｐｙ；ｄｅｆｉｎｉｔｉｏｎ；ｑｕａｎｔｕｍ ｅｎｈａｎｃｅｍｅｎｔ；ｃｏｌｏｒ ｉｍａｇｅ ［责任编辑：孙书娜］