[發明專利]一種基于BEMD和對比度拉伸變換的圖像增強方法

有效

• 申請號: 201710437490.5
• 申請日: 2017-06-09
• 公開（公告）號: CN107330865B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 賀建峰;銀溫社
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于BEMD和對比度拉伸變換的圖像增強方法，其特征在于：包括如下步驟：首先在Matlab中輸入一幅待增強的圖像，通過二維經驗模態分解算法求取圖像的極值點從而獲得上下包絡面，并計算出均值包絡面然后利用篩選算法獲得二維圖像信號的一系列內稟模式函數，該系列內稟模式函數就表示為不同頻率的子圖像，去除不能表現細節信息的低頻子圖像，篩選出頻率高的高頻子圖像，再利用對比拉伸變換算法對高頻子圖像進行對比度拉伸變換，最后對變換后的子圖像相加融合即得到增強結果；

所述利用對比度拉伸變換算法對高頻子圖像進行對比度拉伸變換，然后相加圖像融合的具體步驟如下：

Step3.1、分別對高頻子圖像進行對比度拉伸變換，其對比度拉伸變換公式如下：

s＝T(r)＝1/(1+(m/r)^E) (4)

其中r表示輸入圖像的亮度值，s是輸出圖像中的相應亮度值，E控制該函數的斜率，m為輸入圖像的像素平均值，T(r)表示輸出圖像的亮度值；

Step3.2、確定m和E的取值；

Step3.3、進行對比度拉伸變換，從而得到拉伸變換后的高頻子圖像；

Step3.4、把拉伸變換后的高頻子圖像進行相加融合，其公式如下：

H＝T(IMF₁)+T(IMF₂)+…+T(IMF_i) (5)

其中H為增強后的圖像，T(IMF₁)是IMF₁對比度拉伸變換后的圖像，T(IMF₂)是IMF₂對比度拉伸變換后的圖像，T(IMF_i)是IMF_i是對比度拉伸變換后的圖像。

2.根據權利要求1所述的一種基于BEMD和對比度拉伸變換的圖像增強方法，其特征在于：所述進行二維經驗模態分解的具體步驟如下：

Step1.1、將在Matlab中輸入一幅待增強的圖像f(x,y)，x、y代表圖像的長和寬的像素值的變量，賦初值，令i＝1,k＝1，IMF表示不同頻率的子圖像，IMF_i表示第i個IMF，k表示IMF_i所進行的循環次數，余項的初值為r_ik(x,y)，r_ik(x,y)＝f(x,y)；

Step1.2、計算r_ik(x,y)的極大值包絡h_up(x,y)以及它的極小值包絡h_low(x,y)，獲得上下包絡面；

Step1.3、計算r_ik(x,y)的均值曲面，獲得均值包絡面，其公式如下：

mean(x,y)＝(h_up(x,y)+h_low(x,y))/2 (1)

Step1.4、根據r_ik(x,y)以及它的均值曲面mean(x,y)計算其差值函數，其差值計算公式如下：

D_ik(x,y)＝r_ik(x,y)-mean(x,y) (2)

Step1.5、判斷差值函數D_ik(x,y)是否滿足SD＜ε，即迭代終止參數ε＝0.3，SD表示標準差， D_i(k-1)(x， y) 表示上次循環的差值函數，X、Y代表x、y的最大值，當滿足時，得到內稟模式函數：IMF_i(x,y)＝D_ik(x,y)，令r_(i+1)1(x,y)＝r_i1(x,y)-IMF_i(x,y)，并且i＝i+1,k＝1， r_(i+1)1(x ， y)

表示一次循環后的余項，重復Step1.2～Step1.4計算下一個內稟模式函數，直到余項沒有極值點；當不滿足時，令r_i(k+1)(x,y)＝D_ik(x,y)，并且令k＝k+1，重復Step1.2～Step1.4直到差值函數滿足SD＜ε；

綜上所述，對于圖像f(x,y)通過二維經驗模態分解分解為n個內稟模式函數IMF_i及其余項函數r(x,y)可以用下式來表示：

。

3.根據權利要求1所述的一種基于BEMD和對比度拉伸變換的圖像增強方法，其特征在于：所述篩選出高頻子圖像具體步驟如下：

Step2.1、對原圖像f(x,y)通過二維經驗模態分解后得到的子圖像進行篩選，其中保留高頻子圖像IMF₁,IMF₂,…IMF_i，舍去低頻子圖像IMF_i+1,IMF_i+2,…,IMF_n,REF，n為不含余項部分的子圖像總個數,REF為圖像分解后的余項部分。