[发明专利]一种基于非线性导向滤波的图像增强方法及系统

权利要求书

1.一种基于非线性导向滤波的图像增强方法，其特征在于，所述基于非线性导向滤波的图像增强方法包括：

第一步，通过分割程序对采样的图像进行分割操作：(1)通过图像分割程序获取待分割图像对应的第一分割图像，所述第一分割图像为对所述待分割图像进行超分割后所形成的，所述第一分割图像中包括多个区域；

(2)确定当前第一分割图像所需要提取的特征；

(3)对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量，所述特征向量为所需要提取的特征的特征值所组成的向量，所述特征向量中的特征值用于表示两个相邻区域的差异；

所述对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量，包括：

计算当前第一分割图像中两个相邻区域的颜色和亮度特征的特征值，其中，R_i⁽¹⁾和R_j⁽¹⁾分别表示两个相邻区域中的一个区域，d_l为两个相邻区域的l通道的平均值的差值，d_a为两个相邻区域的a通道的平均值的差值，d_b为两个相邻区域的b通道的平均值的差值，d_c为d_l、d_a、d_b的欧式距离，avg1(R_i⁽¹⁾)为R_i⁽¹⁾区域中l通道的平均值，avg₁(R_j⁽¹⁾)为R_j⁽¹⁾区域中l通道的平均值，avg_a(R_i⁽¹⁾)为R_i⁽¹⁾区域中a通道的平均值，avg_a(R_j⁽¹⁾)为R_j⁽¹⁾区域中a通道的平均值，avg_b(R_i⁽¹⁾)为R_i⁽¹⁾区域中b通道的平均值，avg_a(R_j⁽¹⁾)为R_j⁽¹⁾区域中b通道的平均值；

将d_l、d_a、d_b、d_c组合为当前第一分割图像中两个相邻区域的特征向量；

(4)根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图，并且将所述无向图中的边所连接的两个顶点所对应的两个相邻区域的特征向量与所述特征权值的乘积作为所述无向图中的边的值，其中，所述特征向量中的一个特征值对应一个特征权值，所述无向图中的一个顶点表示当前第一分割图像中的一个区域；

(5)遍历所述无向图中的边，若所遍历到的边的值小于或等于所述所遍历到的边所连接的两个顶点所对应边的值中的最大值，则合并所述所遍历到的边所连接的两个顶点，得到合并后的无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；

(6)循环执行B-E共N次，其中，N为大于等于2的预设值；

获取待分割图像对应的第一分割图像；确定当前第一分割图像所需要提取的特征；

第二步，对当前第一分割图像中的每两个相邻区域进行所需要提取的特征的特征值计算，并按照预设算法获取当前第一分割图像中的每两个相邻区域的特征向量；

第三步，根据当前第一分割图像中的每两个相邻区域的特征向量以及预设的特征权值，构造无向图；遍历所述无向图中的边，合并无向图，根据所述合并后的无向图得到区域合并后的新的第一分割图像；循环执行B-E共N次；

第四步，通过构建程序构建非线性导向滤波模型；通过计算程序结合已构建的局部非线性导向滤波模型，计算非线性导向滤波的系数；设I是输入图像，g是导向图像，I_out是导向滤波后的图像，在s点的非线性导向滤波用以s点为中心的窗口w_s中的输入像素非线性表征，具体表征如下：

I_out(s)＝a_sI²(k)+b_sI(k)+c_s，k∈w_s，如果系数a_s为0，非线性导向滤波就退化成线性导向滤波；

非线性导向滤波图像I_out和输入图像I的关系是：

I＝I_out+n；

其中，n是噪声、云雾或纹理；

第五步，通过降噪程序对采集的图像进行降噪处理；图像的多尺度细节表示被计算为转化差异图像的加权和；

所述通过降噪程序对采集的图像进行降噪处理的方法如下：

1)通过图像降噪程序以至少一个尺度的至少一个近似图像通过将多尺度分解算法应用于所述图像来创建，以某一尺度的近似图像表示在其中省略了以该尺度的所有细节的所述图像的像素的灰度值；

2)转化差异图像通过按像素减去以尺度s的近似图像的值和所述近似图像的转化后版本的值来创建；

3)将降噪算子应用于所述转化差异图像的转化差异值，由此所述转化差异值被修改为估计的局部信号对噪声比的函数，从而产生降噪后的转化差异图像；

4)以特定尺度的至少一个降噪后的中央差异图像通过合并以尺度s或更精细的尺度的降噪后的转化差异图像来计算；

5)降噪后的图像通过将反转所述分解算法的重构算法应用于降噪后的中央差异图像来计算，所述局部信号对噪声比通过将转化差异与所述转化差异的局部邻域中的转化差异的选择相比较来估计。