基于边缘保持滤波器的彩色图像增强算法研究

发布时间：2020-06-27 01:30

【摘要】：在图像处理中,作为图像的前期预处理阶段,图像增强是必不可少的技术手段。图像增强的目的是为了突出图像中感兴趣区域的细节信息,滤除噪声,扩大图像中不同物体特征之间的差别,改善图像的视觉效果,使得增强后的图像更适合人类的视觉特性以及机器的识别系统。近年来,随着科技的发展和人类需求的不断提升,彩色成像设备日新月异,广泛地应用于生活工作的很多方面。而通常图像在硬件获取和成像过程中受成像设备和场景条件等外界因素的影响,导致图像质量下降,甚至影响后续的人机图像分析识别。因此,彩色图像增强技术研究备受人们的关注,本文根据实际应用需求,通过对彩色图像增强的相关理论进行研究,分析彩色图像处理中存在的问题,结合边缘保持滤波器的特性,提出了几种新的增强算法,主要包括基于四元数引导滤波的彩色图像增强、基于多尺度引导滤波的彩色图像增强和基于深度双边滤波器的彩色图像增强。由于彩色图像增强领域比较广泛,因此本文提出的三种彩色图像增强方法也是针对于不同的应用需求。为了使彩色图像细节突出,可视性强,并且避免在增强过程中造成颜色失真,本文提出了一种基于四元数引导滤波的彩色图像增强方法。首先将传统引导滤波推广到四元数域中,对引导滤波的最小化代价函数进行修改,引入参数l抑制线性输出的实部,将图像能量集中到虚部,推导得出基于四元数的引导滤波;其次将彩色图像以四元数矩阵的形式建模,彩色图像的R,G和B分量分别作为纯四元数的三个虚部,通过四元数引导滤波对图像作为一个整体进行滤波处理;再次利用提出的四元数引导滤波对彩色图像进行分解,将待增强彩色图像分成一个平滑图像和一个细节图像,并对细节图像进行细节增强处理;最后将平滑图像和增强后的细节图像重构,得到增强后的图像。其中,本文提出了两种不同特点的细节图像增强方法,第一种是自适应细节增强方法,在自适应变换模型中,当输入量的绝对值变大时,输出值的绝对值也逐渐变大,这个特性符合图像中细节与噪声能量的分布,图像中,噪声的能量往往比较小,而图像的细节边缘部分的能量比较大,当细节能量作为函数输入量时可以得到较大的放大系数,当噪声能量作为函数输入量时放大系数相对变小,因此该函数模型恰好可以适用于本文的图像细节增强方法。第二种是显著性细节增强方法,显著性细节增强主要是将彩色图像转化为灰度图,并对灰度图的像素值与邻域内其他像素值的差值求和,得到对应的显著值,该方法利用直方图能够简单快速地获得显著图,通过计算得出的显著图对图像细节层进行区域放大,突出了图像的感兴趣区域,同时对细节图像进行整体的线性增强,最后,将线性增强结果和显著性区域增强结果有效结合,得到了最终的显著性细节增强图像,不仅着重突出了图像感兴趣区域,同时也增强了图像中其他区域的细节。实验结果表明,提出的方法增强效果显著,不仅使图像边缘明显突出、纹理更加清晰,同时颜色保真,其视觉效果优于传统的图像增强方法,客观评价指标也有较大幅度的提升。为了深层次平滑图像细节,同时保持图像边缘不模糊,将引导滤波与提升小波结合提出了一种多尺度引导滤波。首先,通过提升小波将图像多尺度分解,分解成一个低频子带和多个高频子带。在提升小波分解中,相比高频信息,低频信息作为图像的主要能量,不仅含有图像的基础部分,同时含有大部分的图像细节。然后,在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并且保持其边缘不模糊的特性。最后,再次对提升小波重构后的平滑图像进行引导滤波,滤除残余的细节。实验结果表明:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性。本文将多尺度引导滤波应用到暗通道去雾先验理论中,对透射率进行优化,相比he(暗原色先验)算法,能够从整体上提升图像的视觉效果,增强去雾图像的细节和对比度,有效地恢复场景信息并保留场景的边缘信息。同时改善了客观评价指标。本文还将多尺度引导滤波应用到flash/noflash去噪中,flash图像含有丰富的细节,但图像中的颜色与真实环境颜色不符,可以将它作为多尺度引导滤波的引导图像,noflash图像虽然很多细节被噪声淹没,但保持着较为自然的图像色彩,因此可以作为输入图像,多尺度引导滤波利用flash/noflash的特性进行互补,将两幅图像融合来去除noflash图像中的噪声,使得其细节丰富,呈现出清晰自然的图像。与引导滤波相比较,多尺度引导滤波不仅能够有效地去除噪声,还能够增强图像中的细节信息,同时保持输入图像真实的色彩环境。针对边缘保持滤波器在平滑较大尺度的细节时容易造成边缘模糊的问题,本文提出了一种新的边缘保持滤波器,它充分利用了图像中的信息,将图像估计的深度信息与传统双边滤波融合进行平滑滤波。首先,本文通过大气散射物理模型以及暗原色先验原理对透射率进行估计,获得图像“深度”信息,虽然这个深度不是严格意义上的深度值,但它能够在一定程度上反映图像中的结构层次信息;其次,利用估计的深度信息构造一个硬边缘约束条件,用来约束邻域内各个像素值在构造双边滤波权值中的作用。约束中引入了一个阈值参数T_d,在深度图的中心像素点邻域范围内,如果有像素点与该中心点之间的深度差值大于阈值T_d,说明此像素点与中心点不在同一深度层内,那么将其双边滤波器中的权值设置为0,反之,则其权重将参与双边滤波的权值运算。在深度双边滤波中,调节阈值T_d至关重要,对图像的处理效果影响较大,如果T_d值足够大,那么硬边缘约束将不会起作用,则深度双边滤波器将会变成双边滤波器。反之,如果T_d值足够小,则深度双边滤波器将不会具有边缘保持和平滑细节功能。本文将深度双边滤波器应用到图像细节增强、图像边缘提取和图像纹理去除等领域。实验结果表明,该方法不仅保持了双边滤波器的平滑保边的优点,而且使图像边缘明显突出,同时通过调节阈值T_d能够抑制光晕现象,对于图像细节增强的客观评价指标也有较大幅度的提升。
【学位授予单位】：中国科学院长春光学精密机械与物理研究所
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP391.41
【图文】：

示意图,原理,示意图,颜色感知

科学院大学博士学位论文：基于边缘保持滤波器的彩色图像增强算法研究的是，对彩色图像进行直方图均衡化是建立在灰度直方图是分别统计彩色图像 R，G，B 三个通道的直方图数据或方图数据，并进行直方图均衡化运算。x 理论，Edwin Land 提出了 Retinex 理论[55]，Retinex 是视网膜rtex 两词的组合而成，表明在处理过程中，主要考虑人体为人类视觉亮度和颜色感知的模型，Retinex 理论可以根实现图像锐化，颜色恒常性以及动态范围压缩等目的。颜种光照条件下人类的视觉系统对物体的颜色感知保持相出的一致性提高。论[56-59]主要的目的是补偿图像中光照效果，将原图像 S，即反射图像 R 和光照图像 L，其原理如下图所示：

流程图,算法流程图

第 1 章绪论光干扰的图像，即待处理的降质图像。这种分解能够去除背景光和前影响，以及增强照射包括空间变化着的照明，例如包含室内和室外区域数算法通常会对等式两边同时取对数得：log S x , y log R x , y log L x ,y log R x , y log S x , y log L x ,y 将等式转换到对数域的运算主要是因为可以将乘法转为加法，减少复杂运算量，使得运算变得简洁。同时，也与人类生理学有关，即有视觉系统敏感性。自从提出 Retinex 理论以来，该算法经历了许多数偿其均匀照明，动态范围，颜色恒定性。在不同的 Retinex 算法中，同的流程图，如图 1.3 所示，并且它们之间的差异集中于光照图像的实l r

【相似文献】