[发明专利]一种基于高斯核偏态校正弥撒滤波器的图像增强方法

说明书

本发明主要提供一种基于高斯核偏态校正弥撒滤波器的图像增强方法，其特征在于采用如下步骤：(1)构建Hessian矩阵；(2)高斯核的偏态校正；(3)引入评价指标；(4)多尺度分析；(5)构建结构张量；(6)构建弥散结构张量；(7)图像增强。本发明对高斯核采用了偏态校正的方式对输入图像中进行了处理，考虑了由于外界容易受到有色噪声干扰而使得成像不一定都适用于高斯核的情况。与其他图像增强方法相比，本发明综合采用了对图像进行质量评级、构建结构张量、弥散结构张量等方法，解决了目标亮度高、背景亮度暗以及存在有色噪声等问题，取得了很好的图像增强效果，提供了一种有效的图像增强方法。

技术领域

本发明主要涉及了一种图像增强方法，特别是涉及一种基于高斯核偏态校正弥撒滤波器的图像增强方法。

背景技术

目前针对图像增强问题，根据不同的处理对象有多种处理方法，比如直方图均衡化、同态滤波、小波变换等等。近年来，针对图像增强方法的研究较多，但是由于要处理的图像中，容易受到多种因素的影响，例如背景噪声复杂且外界容易受到有色噪声干扰，光照强度不均匀等问题，同时图像中的目标亮度较亮，背景的亮度较暗，大大增加了图像的处理难度。针对上述图像增强技术中存在的问题，目前的多数研究只是对单一问题进行分析解决，例如在低照度图像中，利用直方图均衡化等方法虽然可以好地增强目标，但是会放大噪声，而为了抑制噪声采取全变分去噪，该方法虽然能在抑制噪声的同时保持边缘，但调节参数较多，模型求解过程较为复杂且很容易造成颜色失真，在目前的图像增强方法中，对图像进行局部增强并进行偏态校正的研究较少。

当前在图像增强方面的应用非常广泛。例如，恶劣雾霾天气下车牌图像增强算法、基于大气散射模型的红外图像增强方法、基于工业现场环境的图像增强方法等。随着多媒体技术和产品的不断发展及其在各领域的广泛应用，对图像质量的要求也越来越高。而通常图像在获取过程中受成像设备、场景动态范围、光照条件等因素影响，使得图像质量下降，甚至影响后续的图像分析。为了获得高质量的图像，需要对图像进行对比度增强、彩色图像增强等方面的处理，从而为后续的图像分析识别提供分析依据。

发明内容

针对上述现有技术中存在的问题，本发明主要提供一种基于高斯核偏态校正弥撒滤波器的图像增强方法，其具体流程如图1所示。

技术方案实施步骤如下：

步骤一：构建Hessian矩阵。

系统输入的图像中，背景是暗的，目标是亮度较高的，因此构建Hessian矩阵的特征值为λ₁和λ₂，并且|λ₁|≤|λ₂|，Hessian矩阵被表示为H_σ，公式如下：

其中，μ为输入图像的矩阵，参数σ为高斯核，μ_σ是μ和σ卷积的结果。本发明利用σ²作为乘子，保证不同尺度微分下的公平性。

步骤二：高斯核的偏态校正。

但是在很多输入图像中，因为外界受到有色噪声干扰，所有成像中并不一定的都适用于高斯核，因此需要对高斯核采用偏态校正的方式进行处理。高斯分布也就是正态分布，是指中位数(middle)、均数(mean)和众数(mode)是同一个数值，偏态分布则是不同的三个数值，如图2所示。换算成Hessian方法中的盒子滤波器，每个像素点上的0和1的分布，会产生相应的偏差，重复步骤一的操作，Hessian矩阵被表示为H_σ′，同样等到特征值和同时也满足

步骤三：引入评价指标。

根据图像质量评级方法，引入两个重要的指标R_B和S，具体公式如下：