[发明专利]一种图像平滑方法及装置

说明书

本发明实施例提供了一种图像平滑方法，先利用局部平滑法中的双边滤波以及变换域滤波对原始图像进行平滑处理，获得引导图像；然后利用最小二乘法对原始图像、引导图像以及预设平滑图像构造最小二乘模型，加入对预设平滑图像的约束函数以控制平滑图像的稀疏度，得到平滑能量目标函数；最后利用半二次分裂法以及交替固定变量法求解该函数，从而获得原始图像经过平滑处理后的平滑图像。综合考虑全局特征以及局部特征，增强了原始图像中结构成分的保护，同时恢复了一些高对比度的细节，获得了好的图像平滑效果，有利于提高图像识别的准确率。此外，本发明实施例还提供了相应的实现装置，进一步使得所述方法更具有实用性，所述装置具有相应的优点。

技术领域

本发明实施例涉及图像处理技术领域，特别是涉及一种图像平滑方法及装置。

背景技术

随着计算机图像处理技术的迅猛发展，图像平滑技术为了满足当前图像处理技术领域的高要求，也得到了较快的发展。图像平滑技术是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理技术，广泛的应用于图像分割、去噪、细节增强，目标分类，边缘提取等领域中。

图像在获取和传递过程中往往不可避免的会受到噪声、不重要的细节(尤其是高对比度)的干扰，使得待识别的目标出现轮廓特征不明显的问题，给识别带来了困难。利用图像平滑技术对图像进行处理可以在一定程度上规避干扰，从而提高图像识别的成功率。

现有技术中，图像平滑方法一般为局部平滑方法以及全局平滑方法。局部平滑方法，例如高斯滤波、双边滤波、中值滤波、变换域滤波等，是指对图像的局部区域或补丁进行处理。局部平滑法仅仅顾及到图像的局部区域特征，对图像局部的平滑效果较好，但容易造成结构模糊问题。全局平滑法，如全变分平滑算法、加权最小均方平滑算法、L₀梯度最小化平滑算法等，是同时对整个图像的所有区域进行处理。全局平滑法的结构保持约束项的优化框架较为灵活，对于图像的全局特征要优于局部平滑法，特别是对图像的背景部分等不重要的细节，但是全局平滑算法往往对局部高对比度噪声的平滑效果较差。

综上所述，局部平滑方法以及全局平滑方法各有优劣，在对图像进行平滑处理时，如何综合应用全局特征以及局部特征，规避局部平滑方法以及全局平滑方法的劣势，以提高图像平滑算法的鲁棒性，获得好的图像平滑效果，是本领域技术人员亟待解决的问题。

发明内容

本发明实施例的目的是提供一种图像平滑方法及装置，以提高图像平滑算法的鲁棒性，获得好的图像平滑效果。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种图像平滑方法，包括：

对原始图像循环进行预设次数的双边滤波以及变换域滤波，以获得引导图像；

根据最小二乘法对所述原始图像、所述引导图像以及预设平滑图像构造最小二乘模型；

利用范数定义所述预设平滑图像的像素强度以及梯度，以获得所述预设平滑图像的约束函数；

根据所述最小二乘模型以及所述约束函数得到平滑能量目标函数；

利用半二次分裂法以及交替固定变量法求解所述平滑能量目标函数，以获得平滑图像。

可选的，所述根据最小二乘法对所述原始图像、所述引导图像以及预设平滑图像构造最小二乘模型为：

根据所述最小二乘法以及2-范数的平方对所述原始图像、所述引导图像以及预设平滑图像构造最小二乘模型为：

式中，S为所述预设平滑图像，I为所述原始图像，G为所述引导图像，α为细节恢复因子。

可选的，所述利用范数定义所述预设平滑图像的像素强度以及梯度为：