[发明专利]基于图像边缘特征的恢复图像重构方法

说明书

技术领域

本发明涉及一种实现图像重构的方法，尤其涉及一种基于图像的边缘特征实现的恢复图像重构方法，属于数字图像后处理技术领域。

背景技术

为了获得在低位率下高质量的恢复图像，数字图像后处理技术是十分重要的。通过数字图像后处理技术中的有关操作，可以有效改善影像的细节，实现图像降噪、灰阶对比度调整等，将未经处理的影像中看不到的特征信息在荧屏上显示，从而使恢复图像更为清晰。

数字图像后处理技术主要有两个方面，一是图像增强，另一个是图像恢复(图像重构)。图像增强主要是通过增强图像的某些特征，提高图像的视觉质量，而没有考虑图像的逼近度(PSNR)；图像复原主要是从有损压缩的恢复图像中尽可能得到原始图像，因此主要的考察指标是图像的逼近度(PSNR)。目前，针对压缩图像的重构技术是图像压缩领域的重要课题之一。

国内外学者已经就上述课题进行了深入的研究。例如针对在低位率下量化引起的误差比较大，因此恢复图像在图像的光滑和边缘附近出现了方块效应，特别是高频子带的量化误差导致振铃效应或者在边缘附近的模糊现象，Reeve等人最先提出用空域上滤波器进行滤波的方法来减小压缩图像的块效应。另外，Kim等人提出了基于小波表示法的去除块效应的方法。还有人提出了基于凸集投影的迭代的图像后处理技术。但是，这些方法普遍没有考虑由于高频子带量化误差引起的边缘模糊问题。为此，Guoliang Fan等人通过建立描述边缘的数学模型，提出了边缘重构技术，并进一步提出了基于小波系数模最大表示方法的基于边缘的后处理技术。Geman等人假设图像是由边缘分割开的平滑区域组成，研究了利用正则化函数(通常也称为罚函数)来重构图像的边缘，通过罚函数能够有效刻画图像的边缘特征。Yang和Charbonnier在此基础上提出了半二次正则化方法，通过该方法可以得到全局最优解，并且有效地降低了算法的复杂度。

在图像压缩领域，小波变换是目前最为有效的变换工具。但是小波变换是表示具有点奇异性目标函数的最优基，它能有效表示信号的零维奇异特征，即反映奇异点的位置和特性，但是很难表示更高维的几何特征。在二维图像中，特别是高分辨率可见光遥感图像的一个主要特点是边缘结构非常复杂，图像表现出非常强的线或者面奇异性。由于边缘、轮廓和纹理等具有高维奇异性的几何特征包含了大部分信息，用小波来表示图像存在明显的局限性。

目前，广泛采用的二维小波是由两个一维正交小波的张量积形成，其基函数只有水平、垂直、对角线三个方向，其中对角线方向的基函数包括两个方向。同时，二维小波变换的另一个问题是它们的基函数都是各向同性的，即基函数的支撑是方形的。在描述图像边缘的时候，由一维小波张成的二维小波基具有正方形的支撑区间。在不同的分辨率下，其支撑区间为不同尺寸大小的正方形。由于二维小波逼近奇异曲线的过程最终表现为用“点”来逼近线的过程，当尺度变细时，非零小波系数的数目以指数形式增长，出现了大量不可忽略的系数。因此，在高压缩比的情况下，会导致恢复图像Gibbs现象。

发明内容

本发明的目的是提供一种基于图像边缘特征的图像重构方法。该方法具有一般性，可以根据图像复杂度决定实际所采用的方向数量，是一种有效的针对遥感图像的多方向多子带的恢复图像恢复技术。

为实现上述发明目的，本发明采用下述的技术方案：

一种基于图像边缘特征的恢复图像重构方法，其特征在于包括如下步骤：

1)对压缩后的图像g_i；j进行正则化处理，得到图像f_i；j；

2)对图像f_i；j进行小波分解，分解成低频子频段LLf、水平方向高频垂直方向低频子频段HLf、垂直方向高频水平方向低频子频段LHf和对角线方向高频子频段HHf四个部分；

3)对压缩后的图像g_i；j进行小波分解，分解成低频子频段LLg、水平方向高频垂直方向低频子频段HLg、垂直方向高频水平方向低频子频段LHg和对角线方向高频子频段HHg四个部分；

4)按照步骤1)对低频子频段部分LLg进行正则化处理，得到处理后的低频子频段部分LLg′；

5)对步骤4)获得的处理后的低频子频段部分LLg′和步骤2)获得的水平方向高频垂直方向低频子频段HLf、垂直方向高频水平方向低频子频段LHf和对角线方向高频子频段HHf进行逆小波变换，得到重构的图像。

其中，在所述步骤1)中，用正则化项来表示图像的边缘特征。

当所述图像为遥感图像时，在水平、垂直和对角线方向上进行所述正则化处理。