專(zhuān)利名稱(chēng)：一種非局部變換域圖像增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖像處理領(lǐng)域，特別是一種用于圖像增強(qiáng)的方法。
背景技術(shù)：
圖像增強(qiáng)方法分為空域法與變換域法兩種，由于小波變換具有較好的時(shí)頻分域分析信號(hào)的能力，所以小波變換一經(jīng)提出就在圖像處理研究領(lǐng)域得到了廣泛的應(yīng)用。鑒于小波變換只能較好表征點(diǎn)狀奇異性，能較好表征線(xiàn)狀奇異性的一系列超小波被提出，如曲波，輪廓波等。基于變換的圖像增強(qiáng)方法中最好的是基于非下采樣輪廓波變換(NSCT)的圖像增強(qiáng)算法[Cunha A L, Zhou J, Do M N. The nonsubsampled contourlet transform theory, design，and applications. IEEE Transactions on Image Processing，2006，15(10) :3089-3101].基于變換的圖像增強(qiáng)方法都是先通過(guò)某種變換將圖像的細(xì)節(jié)表示出來(lái)，然后對(duì)弱細(xì)節(jié)系數(shù)適當(dāng)放大，逆變換后就得到了增強(qiáng)后的圖像。由于NSCT具有一些良好的性能，如多方向性、平移不變換性等，所以將NSCT應(yīng)用到圖像增強(qiáng)獲得了當(dāng)前最好的 圖像增強(qiáng)結(jié)果。無(wú)論是小波變換還是超小波變換，在表征圖像中的奇異性時(shí)都是利用一個(gè)卷積核與圖像進(jìn)行卷積運(yùn)算，在對(duì)表征出來(lái)的線(xiàn)狀奇異性進(jìn)行非線(xiàn)性增強(qiáng)后再逆變換的過(guò)程中，增強(qiáng)的細(xì)節(jié)系數(shù)會(huì)對(duì)圖像細(xì)節(jié)周?chē)钠交糠窒禂?shù)造成影響，從而形成光暈現(xiàn)象，這不僅極大影響了增強(qiáng)后圖像的視覺(jué)效果，也使其在大部分實(shí)際應(yīng)用中的能力大打折扣。

發(fā)明內(nèi)容
本發(fā)明的目的就在于針對(duì)上述現(xiàn)有技術(shù)的缺陷而提供一種非局部變換域圖像增強(qiáng)方法，該方法可在有效弱化圖像增強(qiáng)后的光暈現(xiàn)象同時(shí)提高圖像增強(qiáng)的效果?？蓮V泛應(yīng)用于計(jì)算機(jī)、醫(yī)學(xué)、數(shù)碼相機(jī)、手機(jī)等圖像處理。實(shí)驗(yàn)結(jié)果表明，本申請(qǐng)的方法基本不會(huì)引入光暈假信號(hào)，并能在增強(qiáng)圖像細(xì)節(jié)的同時(shí)有效抑制噪聲。其技術(shù)解決方案如下一種非局部變換域圖像增強(qiáng)方法，其包括如下步驟I)估計(jì)輸入圖像的噪聲標(biāo)準(zhǔn)偏差0 ;2)通過(guò)K-近鄰塊抽取方法抽取K個(gè)圖像塊；使抽取的所有圖像塊都有相似的平滑背景，但各圖像塊中的圖像細(xì)節(jié)位置都存在一些差異，本申請(qǐng)稱(chēng)之為K-近鄰塊抽??；首先按照一定的滑動(dòng)步長(zhǎng)nstep，在圖像中選取一個(gè)大小為nXn的參考圖像塊Bk，然后以Bk的左上角坐標(biāo)為中心抽取K個(gè)大小也為nXn的圖像塊，使抽取的這些圖像塊的左上角坐標(biāo)為Bk的左上角坐標(biāo)的K-近鄰。因?yàn)楸旧暾?qǐng)要執(zhí)行這K個(gè)圖像塊間的一個(gè)Haar矩陣變換，所以K應(yīng)該為2的整數(shù)次冪，如8，16，32等。把抽取的圖像塊組成一個(gè)以塊為元素的列向量Be = (B1, B2, B3, ...,BJt53)對(duì)這些塊構(gòu)成的圖像塊組執(zhí)行塊間的Haar變換；本申請(qǐng)給出一種基于所提出的塊抽取特性的快速的塊間的Haar變換；因?yàn)樗槿〉膱D像塊都是等大的，所以很容易用Haar變換矩陣的規(guī)則結(jié)構(gòu)構(gòu)造快速算法；
K = 2J, (j = 3,4,...)個(gè)圖像塊表不為 Bi, (i = I，2，3， ，K)，比如，K = 8，用下面的公式實(shí)現(xiàn)完全的Haar變換，即3層變換Be = ^Be(I)其中W是Haar變換矩陣，Be = (B1, B2, , BK)T是抽取的塊構(gòu)成的一個(gè)向量，Be =(戽,力2，…,先f(wàn)是變換后各個(gè)子帶構(gòu)成的一個(gè)列向量。通過(guò)計(jì)算式(I)中兩個(gè)矩陣的乘積，Be被分解成8個(gè)子帶，其中為是低頻子帶，其余的7個(gè)子帶都為高頻子帶。4)通過(guò)下面的非線(xiàn)性函數(shù)放大弱細(xì)節(jié)系數(shù)并同時(shí)抑制噪聲
「C” if IC, Ce=\ 'H 1⑵
if Icju1CT其中Ct是Haar變換系數(shù)，Y是一個(gè)增益因子用來(lái)放大弱細(xì)節(jié)系數(shù)，K1和K2兩個(gè)常值參數(shù)，Cm是增強(qiáng)的系數(shù)；對(duì)每一個(gè)變換子帶先分別求出所有符號(hào)為正的系數(shù)值的和sumP與符號(hào)為負(fù)的系數(shù)值的和sumN,然后比較sumP與_sumN的大小,若sumP > _sumN,則只放大符號(hào)為正的細(xì)節(jié)系數(shù)，反之則只放大符號(hào)為負(fù)的細(xì)節(jié)系數(shù)；sumP(/) = S S(為(y,k)>Q)(3)
j=\ k=\sumN{i) = tt< 0)(4)
>U=1根據(jù)這種方法，對(duì)每一個(gè)高頻子帶中的系數(shù)將式(2)修改為
Cn if I CJ> 9if sumP > -sumN,thenC-=K'C- if 0<C^K'a(5)
[Ct,if -KxCr <Ct<0或
C”if IqkiC1CTif sumP ^ -sumN, then Cen Ct,if 0 < C1 < K^a(6)
J-Ct,if -Kx<7 <Ct<05)執(zhí)行塊間的逆Haar變換；由于Haar變換矩陣是一個(gè)可逆矩陣，因此能夠通過(guò)下面的逆變換公式重構(gòu)所有的圖像塊Be = x^-1Be(7)其中W—1表示變換矩陣W的逆矩陣，1為重構(gòu)后的各圖像塊構(gòu)成的列向量。當(dāng)完成一組圖像塊的上述操作后，將這組圖像塊四周補(bǔ)零得到與原始圖像同樣大小的圖像，使得這個(gè)實(shí)際圖像塊的左上角在補(bǔ)零后的圖像中的位置與在原始圖像中的位置相同。對(duì)每一個(gè)像素位置計(jì)算像素個(gè)數(shù)，把這個(gè)位置的所有像素值求平均。完成所有參考?jí)K操作后用下面聚合公式得到輸出圖像f Z Z^e(X)I(x) =-, XGl(8)
2,2^(x)
BesI x ,其中Xm是一個(gè)像素，X ￡是一個(gè)特征函數(shù)，它的作用是計(jì)算每個(gè)位置的像素個(gè)數(shù)。因?yàn)镠aar變換是完全重構(gòu)的，另外在聚合過(guò)程中總是計(jì)算每一個(gè)位置的像素的平均值，即在每一個(gè)位置的像素值都返回其原始值，所以最后的輸出圖像也是完全重構(gòu)的；6)聚合所有圖像塊得到增強(qiáng)的圖像。
與現(xiàn)有技術(shù)相比，本申請(qǐng)?zhí)岢隽艘环N非局部變換域線(xiàn)狀奇異性表示方法，本申請(qǐng) 方法的最大好處是基本不引入光暈假信號(hào)。目前通用的圖像增強(qiáng)的客觀評(píng)價(jià)為增強(qiáng)后圖像的背景方差(BV)與細(xì)節(jié)方差(DV)與原始圖像的BV、DV的比較，好的圖像增強(qiáng)結(jié)果是同時(shí)具有比原始圖像低的BV值但有高的DV值。本申請(qǐng)圖像增強(qiáng)的結(jié)果的BV值一致低于NSCT增強(qiáng)的BV值，而本申請(qǐng)的DV值一致高于NSCT的結(jié)果。以下結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。


圖I為圖像塊抽取方法示例。圖2為塊抽取與Haar變換結(jié)果示例。圖3為本發(fā)明流程框圖。圖4BH1與NSCT對(duì)House圖像增強(qiáng)結(jié)果比較。(a)原始圖像；(b)和(C)是BH!的圖像增強(qiáng)結(jié)果，Y取值分別為3和5 ; (d)和(e)是NSCT圖像增強(qiáng)結(jié)果。圖5圖像增強(qiáng)結(jié)果比較。(a)為原始圖像；(b)為冊(cè)H方法增強(qiáng)的圖像；(c)為BEH-BM3D方法增強(qiáng)的圖像。圖6為本申請(qǐng)圖像增強(qiáng)結(jié)果。(a)為原始圖像；(b)為本申請(qǐng)方法增強(qiáng)結(jié)果。
具體實(shí)施例方式K-近鄰塊抽取本申請(qǐng)給出一種行之有效的圖像塊抽取方法，使抽取的所有圖像塊都有相似的平滑背景，但各圖像塊中的圖像細(xì)節(jié)位置都存在一些差異，本申請(qǐng)稱(chēng)之為K-近鄰塊抽取。首先按照一定的滑動(dòng)步長(zhǎng)nstep，在圖像中選取一個(gè)大小為nXn的參考圖像塊Bk，然后以Bk的左上角坐標(biāo)為中心抽取K個(gè)大小也為nXn的圖像塊，使抽取的這些圖像塊的左上角坐標(biāo)為Be的左上角坐標(biāo)的K-近鄰。因?yàn)楸旧暾?qǐng)要執(zhí)行這K個(gè)圖像塊間的一個(gè)Haar矩陣變換，所以K應(yīng)該為2的整數(shù)次冪，如8，16，32等。把抽取的圖像塊組成一個(gè)以塊為元素的列向量Be = (B1, B2J B3J ... BkI為了更有效地表征多個(gè)方向的信息，一般最少抽取8個(gè)圖像塊，具體的圖像塊抽取方案如圖I所示。其中中心的實(shí)心圓為參考?jí)K的左上角坐標(biāo)，其外圍的六個(gè)實(shí)心圓為要抽取的8個(gè)圖像塊的左上角坐標(biāo)，當(dāng)然也可以抽取再外層的16個(gè)塊，但如果抽取的圖像塊的左上角坐標(biāo)距參考?jí)K的左上角坐標(biāo)太遠(yuǎn)，有時(shí)會(huì)造成平滑的背景不再滿(mǎn)足相似條件，從而導(dǎo)致變換后的細(xì)節(jié)系數(shù)幅值不顯著，這就不利于在圖像增強(qiáng)中的應(yīng)用。
Haar 變換本申請(qǐng)給出一種基于所提出的塊抽取特性的快速的塊間的Haar變換。因?yàn)樗槿〉膱D像塊都是等大的，所以很容易用Haar變換矩陣的規(guī)則結(jié)構(gòu)構(gòu)造快速算法。正變換
權(quán)利要求
1.一種非局部變換域圖像增強(qiáng)方法，其包括如下步驟 1)估計(jì)輸入圖像的噪聲標(biāo)準(zhǔn)偏差O; 2)通過(guò)K-近鄰塊抽取方法抽取K個(gè)圖像塊； 使抽取的所有圖像塊都有相似的平滑背景，但各圖像塊中的圖像細(xì)節(jié)位置都存在一些差異，本申請(qǐng)稱(chēng)之為K-近鄰塊抽?。皇紫劝凑找欢ǖ幕瑒?dòng)步長(zhǎng)nstep，在圖像中選取一個(gè)大小SnXn的參考圖像塊Bk，然后以Bk的左上角坐標(biāo)為中心抽取K個(gè)大小也為n X n的圖像塊，使抽取的這些圖像塊的左上角坐標(biāo)為Bk的左上角坐標(biāo)的K-近鄰。因?yàn)楸旧暾?qǐng)要執(zhí)行這K個(gè)圖像塊間的一個(gè)Haar矩陣變換，所以K應(yīng)該為2的整數(shù)次冪，如8，16，32等。把抽取的圖像塊組成一個(gè)以塊為元素的列向量Be = (B1, B2, B3, . . . , BJt ； 3)對(duì)這些塊構(gòu)成的圖像塊組執(zhí)行塊間的Haar變換； 本申請(qǐng)給出一種基于所提出的塊抽取特性的快速的塊間的Haar變換；因?yàn)樗槿〉膱D像塊都是等大的，所以很容易用Haar變換矩陣的規(guī)則結(jié)構(gòu)構(gòu)造快速算法；K = 2J, (j = 3,4, ...)個(gè)圖像塊表示為 Bi, (i = I, 2, 3, . . . , K),比如，K = 8,用下面的公式實(shí)現(xiàn)完全的Haar變換，即3層變換 Be=x^Be(I) 其中W是Haar變換矩陣，Be = (B1, B2, , Bk) T是抽取的塊構(gòu)成的一個(gè)向量，Be = (B1, B2，…，Bk廣是變換后各個(gè)子帶構(gòu)成的一個(gè)列向量。
通過(guò)計(jì)算式(I)中兩個(gè)矩陣的乘積，Be被分解成8個(gè)子帶，其中我是低頻子帶，其余的7個(gè)子帶都為高頻子帶。
4)通過(guò)下面的非線(xiàn)性函數(shù)放大弱細(xì)節(jié)系數(shù)并同時(shí)抑制噪聲 JC,,en Ir-Cn if I C, |< K,a 其中Ct是Haar變換系數(shù)，Y是一個(gè)增益因子用來(lái)放大弱細(xì)節(jié)系數(shù)，K1和K2兩個(gè)常值參數(shù)，Cm是增強(qiáng)的系數(shù)； 對(duì)每一個(gè)變換子帶先分別求出所有符號(hào)為正的系數(shù)值的和Sump與符號(hào)為負(fù)的系數(shù)值的和sumN,然后比較sumP與_sumN的大小,若sumP > _sumN,則只放大符號(hào)為正的細(xì)節(jié)系數(shù)，反之則只放大符號(hào)為負(fù)的細(xì)節(jié)系數(shù)； Sump(I) = tt (BiU,k)>0)(3)y=u=i sumN(i) = ii(Bi(j,k)<0)(4) j=\ k=\ 根據(jù)這種方法，對(duì)每一個(gè)高頻子帶中的系數(shù)將式(2)修改為Ct, if 丨 Ct 丨> X1CT if sumP > -sumN， then Cen = j y-Ct, if O <C, < Kx<j(5) Ct, if -K1CtkC1^O 或
全文摘要
本發(fā)明公開(kāi)了一種非局部變換域圖像增強(qiáng)方法，該方法可在有效弱化圖像增強(qiáng)后的光暈現(xiàn)象同時(shí)提高圖像增強(qiáng)的效果?？蓮V泛應(yīng)用于計(jì)算機(jī)、醫(yī)學(xué)、數(shù)碼相機(jī)、手機(jī)等圖像處理。實(shí)驗(yàn)結(jié)果表明，本申請(qǐng)的方法基本不會(huì)引入光暈假信號(hào)，并能在增強(qiáng)圖像細(xì)節(jié)的同時(shí)有效抑制噪聲。
文檔編號(hào)G06T5/00GK102708545SQ20121012406
公開(kāi)日2012年10月3日 申請(qǐng)日期2012年4月13日 優(yōu)先權(quán)日2012年4月13日
發(fā)明者侯迎坤, 楊德運(yùn) 申請(qǐng)人:泰山學(xué)院