[发明专利]基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法

说明书

本发明涉及一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法，首先将浮选泡沫图像进行NSST分解，得到低频子带图像和多尺度高频子带；接着对低频子带图像进行量子和声搜索模糊集增强；然后对于多尺度高频子带，结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数，并通过非线性增益函数增强边缘和纹理系数；最后对处理后的低频子带、各个高频子带的系数进行NSST重构，得到增强去噪后的图像。本发明能够改善泡沫图像的亮度、对比度和清晰度，在有效抑制噪声的同时气泡边缘得到明显增强，保留更多的纹理细节，更有利于后续的气泡分割和边缘检测等处理。

技术领域

本发明涉及浮选泡沫图像增强技术领域，特别是一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法。

背景技术

由于矿物浮选现场环境恶劣,光照不均、大量粉尘、雾气大,现场图像采集系统所拍摄到的泡沫图像对比度低、气泡边缘不明显、存在大量噪声干扰，不利于后续的图像分析处理。而图像增强及去噪是图像处理的重要技术，可以提高浮选泡沫图像的视觉效果，为后续泡沫图像特征提取、图像识别、图像分析等奠定基础。

近年来，已出现了几种浮选泡沫图像的增强方法。基于空间域的增强方法方面，采用同态滤波或自适应多尺度Retinex算法对泡沫图像增强，改善了泡沫图像的对比度，但是忽略了图像微弱边缘和噪声干扰。为能增强图像细节的同时可以有效抑制噪声，研究人员引入了变换域方法，基于小波变换的增强方法，因小波变换的方向性有限，连续边缘部分无法分辨，易降低图像的清晰度。采用直方图均衡化和Contourlet变换增强浮选泡沫图像边缘，改善了图像的亮度均匀性，增强了气泡边缘，但是对噪声图像进行直方图均衡化后再Contourlet变换，易造成气泡内部细节丢失、部分噪声放大。结合Retinex和NSCT变换增强浮选泡沫图像，提高了图像的对比度，增强边缘细节的同时抑制了噪声，但是高频子带采用贝叶斯萎缩阈值去除噪声，容易造成大于阈值的噪声系数混入边缘中而被增强，小于阈值的微弱边缘系数被去除，使部分边缘细节失真。

发明内容

有鉴于此，本发明的目的是提出一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法，能够改善泡沫图像的亮度、对比度和清晰度，并且能够在有效抑制噪声的同时气泡边缘得到明显增强，保留更多的纹理细节，更有利于后续的气泡分割和边缘检测等处理。

本发明采用以下方案实现：一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法，具体包括以下步骤：

步骤S1：将浮选泡沫图像进行NSST分解，得到低频子带图像和多尺度高频子带；

步骤S2：对低频子带图像进行量子和声搜索模糊集增强；

步骤S3：对于多尺度高频子带，结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数，并通过非线性增益函数增强边缘和纹理系数；

步骤S4：对处理后的低频子带、各个高频子带的系数进行NSST重构，得到增强去噪后的图像。

进一步地，步骤S1具体包括以下步骤：

步骤S11：采用非下采样金字塔NSP进行多尺度分解，将图像进行k次NSP分解后，得到1个低频图像和k层高频子带图像；

步骤S12：采用剪切滤波器SF对高频子带进行l级多方向分解，得到2^l个大小与原图像相同的多方向子带。

进一步地，步骤S2具体包括以下步骤：

步骤S21：在模糊特性域处理图像中的像素，将低频子带图像从空间域映射到模糊域：

其中，隶属度函数u_mn为：