[发明专利]一种纹理信息融合多尺度结构化森林数字图像半色调方法

权利要求书

1.一种纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于包括图像转换、边缘检测、建立纹理分区模型、提取边缘信息、建立阈值模型、半色调化步骤，具体包括：

A、图像转换：将连续调图像转换成多灰度图像的像素；

B、边缘检测：将A步骤得到的多灰度图像进行加通道操作，使其具有三个通道，然后利用结构化森林的边缘检测方法对具有三个通道的多灰度图像进行多尺度边缘检测；

C、建立纹理分区模型：结合人类视觉特性对原图像局部纹理信息敏感程度的不同，建立A步骤得到的多灰度图像的纹理分区模型；

D、提取边缘信息：通过自适应阈值提取B步骤多尺度边缘检测的图像最终的边缘信息，得到图像边缘特征；

E、建立阈值模型：通过C步骤建立的纹理分区模型，结合D步骤得到的图像边缘特征，建立纹理结构与噪声调制相结合的阈值模型；

F、半色调化：利用E步骤建立的阈值模型对A步骤的多灰度图像进行数字半色调化，输出对应半色调图像的像素二进制值b(m,n)。

2.根据权利要求1所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述B步骤中结构化森林的边缘检测方法对多灰度图像进行多尺度边缘检测，是对多灰度图像以及在多灰度图像上分别以2为采样率的降采样图像和上采样图像构成的三个尺度的图像分别检测边缘，然后将前述的三个尺度的图像检测结果进行平均值求解。

3.根据权利要求2所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述B步骤中结构化森林的边缘检测方法首先提取加通道操作后的多灰度图像之特征向量，然后通过结构化森林分类器对特征向量进行投票判定其类别，最后结构化森林通过下式获得最终类别的二值判定概率p(c|x)：

其中：N为结构化森林中独立的决策树棵数，p_t(c|x)为结构化森林中决策树的分类二值判定。

4.根据权利要求3所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述B步骤中结构化森林的决策树f_t(x)通过递归的方式向左或向下分支树来分类样本x∈X，直到到达叶节点，决策树f_t(x)中的每个节点j都与一个下式的二元分裂函数h(x，θ_j)相关联：

h(x，θ_j)∈{0，1}，

其中：若h(x，θ_j)＝0，则节点j向左发送x，否则向右，过程终止于叶子节点。

5.根据权利要求1、2、3或4所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述C步骤中建立多灰度图像的纹理分区模型包括以下分步骤：

C1、计算平均灰度值：计算步骤A得到的多灰度图像中一个3×3图像局部区域的平均灰度值

C2、计算视觉偏差：按下式计算当前像素的局部视觉偏差V(m，n)：

其中：W(i，j)为与方向相关的权值；

C3、分区模型划分：

若V(m，n)≤0.0075时，当前图像的局部区域为平滑区；

若0.0075＜V(m，n)≤0.175时，当前图像的局部区域为轻度纹理区；

若V(m，n)＞0.175时，当前图像的局部区域为重度纹理区。

6.根据权利要求5所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述C2步骤中W(i，j)的水平及垂直方向权值均为0.1465，对角线方向权值为0.1035。

7.根据权利要求5所述纹理信息融合多尺度结构化森林数字图像半色调方法，其特征在于所述E步骤中采用S-F误差扩散方法的误差滤波核添加白噪声随机发生器N_r来建立平滑区阈值模型；而对于轻度纹理区及重度纹理区则先分别对应计算轻度纹理反馈信息、重度纹理反馈信息，然后采用S-F误差扩散方法的误差滤波核建立轻度纹理区反馈阈值模型及重度纹理区反馈阈值模型。