[发明专利]一种基于多级权重相对总变差的图像去纹理方法

说明书

本发明公开了一种基于多级权重相对总变差的图像去纹理方法，获取带有纹理的图像；对获得的图像进行第一级权重相对总变差处理，获得减少无用纹理信息的图像；对获得的图像进行第二级权重相对总变差处理，获得突出边界景深信息的图像；对获得的图像进行确定参数权重相对总变差处理，获得边界平滑的图像；对获得的图像取并集，获得输出图像。本发明采用多级权重相对总变差的图像去纹理方法，首先对输入图像分别进行两级权重相对总变差处理和确定参数相对总变差处理，然后将两个结果取并得到输出图像，改善了纹理边界和结构边界区分度的不足，同时可以更好地去除靠近结构边界附近的纹理信息，提高了图像去纹理的性能，使其获得的图像更好地将结构信息和纹理信息分开，具有良好的检测精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于多级权重相对总变差的图像去纹理方法。

背景技术

在日常生活的许多场景中，都包含纹理信息。例如房子的地板和墙面，富有艺术色彩的街头涂鸦，沥青道路，精美的手工工艺品等。当我们用设备记录下这些场景时，会发现有一个共同的特点：图像由包含整体轮廓的结构信息和包含局部细节特征的纹理信息构成。从数字图像处理角度分析，图像的整体结构才是我们需要的数据，而不是局部纹理细节。因此图像去纹理是一项很有意义的工作。

图像纹理不同于颜色，它不是基于像素点的特征，而是通过像素及其周围空间邻域的灰度分布来体现的。我们的目的是在去除图像特定尺度的细节层的同时保持图像的结构边界不被弱化。在保持边界信息的同时，又要滤除纹理信息，是一项很重要的工作。

我们可以采用边界保持的滤波器算法去除纹理。例如加权最小二乘(WLS)滤波算法，它能够平滑任意尺度的图像的细节。但是对于一些具有高对比度的纹理区域，算法就会把纹理边界误认为是结构边界。我们也可以将精力集中在区分图像的结构边界和纹理区域。例如相对总变差(RTV)，但是这类算法不能够很好的去除靠近结构边界附近的纹理信息，会在结构边界保留一些参差不齐的纹理信息或者会过分的平滑结构边界。所以图像的结构和纹理区域分离的操作依然存在很多的困难没有被很好的克服。

发明内容

本发明的目的在于一种基于多级权重相对总变差的图像去纹理方法，以克服上述现有技术存在的缺陷，本发明在原有相对总变差(RTV)模型的基础上，分析其对于平滑修正程度的局限性，对模型进行修正，在其基础上提出新的算法即：多级权重相对总变差(MWRTV)。多级权重相对总变差首先依据图像平均梯度分配不同平滑权重系数α，β，依据其对图像纹理及边界的不同影响，经过两级处理得到结果1。然后根据确定的平滑权重系数α，β，经过处理得到结果2，最后将结果1和结果2取并集，得到输出图像。

为达到上述目的，本发明采用如下技术方案：

一种基于多级权重相对总变差的图像去纹理方法，包括以下步骤：

步骤1：获取带有纹理的图像；

步骤2：对步骤1中获得的图像进行第一级权重相对总变差处理，获得减少无用纹理信息的图像；

步骤3：对步骤2中获得的图像进行第二级权重相对总变差处理，获得突出边界景深信息的图像；

步骤4：对步骤1中获得的图像进行确定参数权重相对总变差处理，获得边界平滑的图像；

步骤5：对步骤3和步骤4获得的图像取并集，获得输出图像。

进一步地，步骤2中进行第一级权重相对总变差处理的方法为：

步骤2.1：计算步骤1获得的图像的平均梯度，公式如下：

其中，m×n表示步骤1获得的图像f1的大小，i和j分别表示m和n的索引，表示水平方向上的梯度，表示垂直方向上的梯度；