[發(fā)明專利]一種基于改進的Retinex與Welsh近紅外圖像增強與彩色化算法

有效

• 申請?zhí)枺?/td>: 201711005353.0
• 申請日: 2017-10-20
• 公開（公告）號: CN107705268B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設計）人: 湯春明;史珂;鄭鑫毅;于翔;廉政
• 申請（專利權）人: 天津工業(yè)大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進的Retinex與Welsh近紅外圖像增強與彩色化的方法，所述方法包括以下步驟：

A.圖像增強算法

根據(jù)Retinex理論，人眼感知物體的亮度取決于環(huán)境的照明和物體表面對照射光的反射，其數(shù)學表達式為：I(x，y)＝L(x，y)*R(x，y) (1)式中：I(x，y)代表被觀察或照相機接收到的圖像信號；L(x，y)代表環(huán)境光的照射分量；R(x，y)表示攜帶圖像細節(jié)信息的目標物體的反射分量；

將(1)式兩邊取對數(shù)，則可拋開入射光的性質得到物體的本來面貌，即有關系式：

Log[R(x，y)]＝Log[I(x，y)]-Log[L(x，y)] (2)

然后分別計算出Log[R(x，y)]中R/G/B各通道數(shù)據(jù)的均值Mean和均方差Var；

利用下述公式計算各通道的Min和Max值：

Min＝Mean-Dynamic*Var (3)

Max＝Mean+Dynamic*Var (4)

其中，對Log[R(x，y)]的每一個值Value，進行線性映射：

R(x，y)＝(Value-Min)/(Max-Min)*(255-0) (5)

同時要注意增加一個溢出判斷，即：

if(R(x，y)＞255)R(x，y)＝255；

else if(R(x，y)＜0)R(x，y)＝0；

最后將Log[R(x，y)]量化為0到255范圍的像素值，作為輸出的圖像AA；

對獲取的近紅外圖像AA取反，得到BB，把BB的RGB三通道分別用MSRCR算法進行濾波得到R’，G’，B’，對R’，G’，B’分別進行灰度拉伸得到R”，G”，B”，把R”，G”，B”進行合并，得到RGB彩色圖像再取反得到圖像D，把圖像D與AA進行加權融合，得到增強圖像E；

B.近紅外圖像彩色化參考圖像檢索

TF-IDF是一種用于信息檢索的常用加權技術，在文本檢索中，用以評估詞語對于一個文件數(shù)據(jù)庫中的其中一份文件的重要程度；詞語的重要性隨著它在文件中出現(xiàn)的頻率成正比增加，但同時會隨著它在文件數(shù)據(jù)庫中出現(xiàn)的頻率成反比下降；TF的主要思想是：如果某個關鍵詞在一篇文章中出現(xiàn)的頻率高，說明該詞語能夠表征文章的內容，該關鍵詞在其它文章中很少出現(xiàn)，則認為此詞語具有很好的類別區(qū)分度，對分類有很大的貢獻；IDF的主要思想是：如果文件數(shù)據(jù)庫中包含詞語a的文件越少，則IDF越大，則說明詞語a具有很好的類別區(qū)分能力；

詞頻指的是一個給定的詞語該文件中出現(xiàn)的次數(shù)；

逆文檔頻率是描述了某一個特定詞語的普遍重要性，如果某詞語在許多文檔中都出現(xiàn)過，表明它對文檔的區(qū)分力不強，則賦予較小的權重；反之亦然；

最終的TF-IDF權值為詞頻與逆文檔頻率的乘積

1.首先，我們用sift算法生成圖像庫中每幅圖的特征點及描述符；

2.再用k-means算法對圖像庫中的特征點進行訓練，生成類心；

3.生成每幅圖像的BOF特征字典，特征字典具體方法為：判斷圖像的每個特征點與哪個類心最近，最近則放入該類心，最后將生成一列頻數(shù)表；

4.通過TF-IDF對頻數(shù)表加上權重，生成最終的BOF特征字典；

5.對增強圖像E也進行3，4步操作，生成一列待檢索近紅外圖像的BOF特征字典；

6.將待檢索近紅外圖像E的BOF向量與圖像庫中每幅圖的BOF向量求余弦夾角以及巴氏距離，夾角最小的F即為匹配對象，即為參考圖像F；

C.近紅外圖像彩色化

(1)將參考圖像F和近紅外圖像E分別由RGB空間轉換到1αβ色彩空間；

(2)根據(jù)灰度圖像的亮度及標準差，對參考圖像進行亮度重映射；

L＝(n1’/n1)*(1-m1)+m1’ (6)

其中，1是近紅外圖像E的1通道的數(shù)據(jù)，L是變換后得到新的近紅外圖像1通道的值，m1和m1’分別是近紅外圖像E和參考圖像F的1通道的均值，n1和n1’表示它們的1通道標準方差；

(3)從參考圖像中隨機選取一批樣本點，將像素點的亮度和鄰域范圍內亮度的標準差的線性組合值作為權值，計算公式如下：

W＝1/2+σ/2 (7)

其中，W為權值，1為像素點的亮度值，σ為該像素點周圍某個鄰域內亮度值的標準差，關于鄰域的大小是5x5；

(4)在參考圖像F和增強圖像E的矩形圖像塊中傳遞顏色，然后用距離尋找相似紋理進行匹配，上色效果會有很大程度上的提升；首先我們用式(8)計算增強圖像E區(qū)域Ng和參考圖像F的矩形框區(qū)域Ns間的距離DD：

其中，I代表灰度圖像的亮度值，代表灰度圖像的平均亮度值，S代表參考圖像F的矩形框S內亮度值，代表參考圖像F的矩形框內平均亮度值，p是鄰域像素；通過(8)式尋找增強圖像E中與已經上色的矩形框中，像素之間DD最小的像素進行顏色傳遞；

(5)將參考圖像F和增強圖像E從1αβ空間轉換到RGB空間。