[發(fā)明專利]一種圖像紋理增強方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111315225.2
• 申請日: 2021-11-08
• 公開（公告）號: CN114037631A
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 李靜;魏曉;李秋會;李澤;李進
• 申請（專利權(quán)）人: 燕山大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/772;G06V10/77;G06K9/62
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 成丹;耿慧敏

1.一種圖像紋理增強方法，其特征在于，所述方法包括：

獲取待增強圖像；

將所述待增強圖像輸入圖像分離優(yōu)化模型，確定所述待增強圖像的紋理分量和圖像光滑分量；

根據(jù)所述紋理分離和所述圖像光滑分量，確定紋理細(xì)節(jié)增強的彩色圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像分離優(yōu)化模型基于各項同性全變分函數(shù)和自適應(yīng)非凸交替局部近端ANALP算法中重新公式化的卷積字典學(xué)習(xí)CDL模型建立。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述自適應(yīng)非凸交替局部近端算法中重新公式化的卷積字典學(xué)習(xí)模型如下：

其中，為局部卷積字典，{α_l,i}∈R^m為稀疏系數(shù)，將D_Lα_l,i置于第i個位置，并將其余項填充為零；λ₁和λ₂為正則化項的稀疏；函數(shù)Ω₁表示一個零稀疏約束，Ω₁(x)＝||x||₀，Ω₂表示一個指示函數(shù)，

所述各項同性全變分函數(shù)建模的所述圖像光滑分量為||y_l,C||_TV，其中，y_l,C為圖像光滑分量；

基于各項同性全變分函數(shù)和自適應(yīng)非凸交替局部近端ANALP算法中重新公式化的卷積字典學(xué)習(xí)CDL模型建立的所述圖像分離優(yōu)化模型如下：

其中，紋理分量D_L表示紋理字典，α_l,T,i表示對應(yīng)的稀疏系數(shù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述待增強圖像輸入圖像分離優(yōu)化模型，確定所述待增強圖像的紋理分量和圖像光滑分量，包括：

將所述圖像分離優(yōu)化模型中的所述圖像光滑分量y_l,C分割為y_l,C＝Z_l,C，所述圖像分離優(yōu)化模型變?yōu)椋?/p>

其中，V_l,C表示圖像光滑分量的對偶變量；

更新所述稀疏系數(shù)，得到更新后稀疏系數(shù)；

更新所述卡通變量，得到更新后卡通變量；

更新所述對偶變量，得到更新后對偶變量；

更新所述誤差變量，得到更新后誤差變量；所述誤差變量根據(jù)所述卡通變量和所述對偶變量確定；

更新所述紋理字典，得到更新后紋理字典；

根據(jù)所述更新后稀疏系數(shù)和所述更新后紋理字典，得到所述待增強圖像的紋理分量；

根據(jù)所述更新后卡通變量、所述更新后對偶變量及所述更新后誤差變量，得到所述待增強圖像的圖像光滑分量。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述更新所述稀疏系數(shù)及所述更新所述紋理字典均通過所述自適應(yīng)非凸交替局部近端算法中重新公式化的卷積字典學(xué)習(xí)模型進行更新，包括：

令x＝({α_l,i},D_L)，其中x₁＝{α_l,i}并且x₂＝D_L，分別定義f₁,f₂和H如下：

f₂(D_L)＝λ₂Ω₂(D_L)

求解關(guān)于H的梯度，計算如下：

根據(jù)近端梯度下降方法計算

其中，第一步長第二步長prox表示近端算子；

其中，第一Lipschitz常數(shù)第二Lipschitz常數(shù)τ₁、τ₂均為自適應(yīng)參數(shù)，均為大于1的常數(shù)，表示克羅內(nèi)克積。