[发明专利]一种图像增强方法及系统

说明书

本发明公开了一种图像增强方法及系统，该方法包括：对输入图像I进行超分辨率得到图像I'，然后对图像I'进行平稳小波变换，得到低通子带L；对输入图像I进行平稳小波变换得到细节子带Hsubgt;h/subgt;、Hsubgt;v/subgt;与Hsubgt;d/subgt;，然后对细节子带Hsubgt;h/subgt;、Hsubgt;v/subgt;与Hsubgt;d/subgt;分别进行增强，接着进行超分辨率；将低通子带L及超分辨率后的细节子带Hsubgt;h/subgt;、Hsubgt;v/subgt;与Hsubgt;d/subgt;进行逆平稳小波变换得到增强后的图像该系统包括：第一超分辨率模块、第一平稳小波变换模块、第二平稳小波变换模块、细节子带增强模块、第二超分辨率模块以及逆平稳小波变换模块。本发明的基于改进的FSRCNN的图像增强方法及系统，得到的增强图像细节清晰、对比度较高、视觉效果良好、客观评价指标较优，实时性好。

技术领域

本发明涉及一种图像增强技术领域，特别涉及一种图像增强方法及系统。

背景技术

图像增强的目的是增强图像的视觉效果，从而图像的超分辨率也可以纳入广义的图像增强技术。由于红外成像技术的特点，红外图像普遍存在对比度低、边缘模糊和细节突出不明显的问题，因此就需要图像增强技术来提高红外图像的质量。

目前，市场上适用的红外图像增强方法主要两类，基于空域的图像增强方法和基于变换域的图像增强方法。

空域图像增强算法是直接对图像中的像素进行处理，从根本上说是以图像的灰度映射变换为基础的，所用的映射变换类型取决于增强的目的。空域图像增强算法主要包括灰度变换、直方图均衡化(HE)、平滑和锐化等。其中，直方图均衡化算法因其具有较低的计算复杂度和有效的对比度增强能力被广泛应用。然而，这种方法容易导致过度增强、细节信息丢失和图像噪声放大，特别是对于红外图像。所以，为了解决上述缺点，研究者们提出了多种基于直方图均衡方法的改进算法。学者提出了一种保持图像亮度的双直方图均衡算法(Brightness preserving Bi-Histogram Equalization，BBHE)，该算法根据图像的平均灰度将输入图像分割成两个子图像，并分别对这两个子灰度直方图进行均衡处理，从在一定程度上保持增强前后的亮度。学者提出了一种等面积二元子图像直方图均衡化算法(DSIHE)，DSIHE使用与BBHE相同的策略来提高全局对比度，但唯一的区别是选择中值强度作为分离阈值，与BBHE相比，DSIHE在保持输入图像的平均信息量方面具有更好的性能。学者提出的平台直方图均衡化(Plateaus Histogram Equalization，PE)算法，该算法减少直方图均衡化过程中的噪声放大过均衡效应，特别是对于红外图像。学者提出了对比度受限的自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalisation，CLAHE)，该算法将输入图像分成多个不重叠的子块，并对每个子块的直方图进行裁剪和重新分配，以限制对比度，同时引入双线性插值来防止块效应的产生，但是该算法计算复杂。为了减少算法的计算复杂程度，学者提出了一种基于子块重叠局部直方图均衡算法的优化算法。

变换域增强方法首先将图像空间中的图像以某种形式转换到其他空间中，然后利用该空间的特有性质进行图像增强处理，最后再转换到原来的图像空间中，从而得到增强后的图像。常见的变化有小波变换、傅里叶变换和离散余弦变换等等。小波变换是一种新发展起来的数学工具，是一种多分辨率分析方法，它有很好的频域和时域特性，可以弥补傅里叶变换不能描述时间变化的频率特性的不足。因此小波既可以很好的处理图像的平坦区域，又可以有效地表示图像信号的边缘部分，这使得小波变换的应用比较频繁。近年来，研究者们提出了一系列基于小波变换的图像增强算法，在图像处理领域取得了很好的效果。学者提出采用小波变换实现红外图像对比度和峰值信噪比增强，该方法是先用小波变换将图像分为高频域与低频域，然后在高低频域用阈值滤波消除噪声突出细节，低频域用奇异值分解处理方法来增强对比度和图像质量，最后，经过小波逆变换和小波重构得到最终的增强图像。学者提出了基于平稳多小波变换的红外图像噪声抑制方法，该方法结合多小波和平稳小波变换在去噪方面的优点，对噪声抑制有着很好的作用。