[發明專利]一種非局部變換域圖像增強方法

無效

• 申請號: 201210124066.2
• 申請日: 2012-04-13
• 公開（公告）號: CN102708545A
• 公開（公告）日: 2012-10-03
• 發明（設計）人: 侯迎坤;楊德運
• 申請（專利權）人: 泰山學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 泰安市泰昌專利事務所 37207
• 代理人: 高軍寶

1.一種非局部變換域圖像增強方法，其包括如下步驟：

1)估計輸入圖像的噪聲標準偏差σ；

2)通過K-近鄰塊抽取方法抽取K個圖像塊；

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節位置都存在一些差異，本申請稱之為K-近鄰塊抽取；首先按照一定的滑動步長n_step，在圖像中選取一個大小為n×n的參考圖像塊B_R，然后以B_R的左上角坐標為中心抽取K個大小也為n×n的圖像塊，使抽取的這些圖像塊的左上角坐標為B_R的左上角坐標的K-近鄰。因為本申請要執行這K個圖像塊間的一個Haar矩陣變換，所以K應該為2的整數次冪，如8，16，32等。把抽取的圖像塊組成一個以塊為元素的列向量B_E＝{B₁，B₂，B₃，...，B_K}^T；

3)對這些塊構成的圖像塊組執行塊間的Haar變換；

本申請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；因為所抽取的圖像塊都是等大的，所以很容易用Haar變換矩陣的規則結構構造快速算法；

K＝2^j，(j＝3，4，...)個圖像塊表示為B_i，(i＝1，2，3，...，K)，比如，K＝8，用下面的公式實現完全的Haar變換，即3層變換：

B^E=ΨBE---(1)]]>

其中Ψ是Haar變換矩陣，B_E＝(B₁，B₂，...，B_K)^T是抽取的塊構成的一個向量，是變換后各個子帶構成的一個列向量。

通過計算式(1)中兩個矩陣的乘積，B_E被分解成8個子帶，其中是低頻子帶，其余的7個子帶都為高頻子帶。

4)通過下面的非線性函數放大弱細節系數并同時抑制噪聲：

Cen=Ct,if|Ct|>K1σγ·Ct,if|Ct|≤K1σ---(2)]]>

其中C_t是Haar變換系數，γ是一個增益因子用來放大弱細節系數，K₁和K₂兩個常值參數，C_en是增強的系數；

對每一個變換子帶先分別求出所有符號為正的系數值的和sum_P與符號為負的系數值的和sum_N，然后比較sum_P與-sum_N的大小，若sum_P＞-sum_N，則只放大符號為正的細節系數，反之則只放大符號為負的細節系數；

sumP(i)=Σj=1nΣk=1n(B^i(j,k)>0)---(3)]]>

sumN(i)=Σj=1nΣk=1n(B^i(j,k)<0)---(4)]]>

根據這種方法，對每一個高頻子帶中的系數將式(2)修改為：

if?sum_P＞-sum_N，thenCen=Ct,if|Ct|>K1σγ·Ct,if0<Ct≤K1σCt,if-K1σ<Ct≤0---(5)]]>

或

if?sum_P≤-sum_N，thenCen=Ct,if|Ct|>K1σCt,if0<Ct≤K1σγ·Ct,if-K1σ<Ct≤0---(6)]]>

5)執行塊間的逆Haar變換；

由于Haar變換矩陣是一個可逆矩陣，因此能夠通過下面的逆變換公式重構所有的圖像塊：

B^^E=Ψ-1B^E---(7)]]>

其中Ψ^-1表示變換矩陣Ψ的逆矩陣，為重構后的各圖像塊構成的列向量。

當完成一組圖像塊的上述操作后，將這組圖像塊四周補零得到與原始圖像同樣大小的圖像，使得這個實際圖像塊的左上角在補零后的圖像中的位置與在原始圖像中的位置相同。對每一個像素位置計算像素個數，把這個位置的所有像素值求平均。完成所有參考塊操作后用下面聚合公式得到輸出圖像

I^(x)=ΣB^^E∈IΣxm∈B^^EB^^E(x)ΣB^^E∈IΣxm∈B^^EχE(x),x∈I---(8)]]>

其中x_m是一個像素，χ_E是一個特征函數，它的作用是計算每個位置的像素個數。因為Haar變換是完全重構的，另外在聚合過程中總是計算每一個位置的像素的平均值，即在每一個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的；

6)聚合所有圖像塊得到增強的圖像。