[发明专利]基于方向总变差最小化和导向滤波的图像摩尔纹去除方法

权利要求书

1.一种基于方向总变差最小化和导向滤波的图像摩尔纹去除方法，其特征在于，该方法包括以下步骤：

步骤1、将屏摄图像投影在YUV色彩空间，实现色彩空间映射；通过映射变换矩阵A，表达式如下：

将RGB色彩空间的R、G、B通道，转换为YUV色彩空间的Y、U、V三个通道，转换公式如下：

[Y,U,V]′＝A[R,G,B]′

并依次对三个通道进行处理；

步骤2、将亮度通道Y进行分解，对分解产生的多变量进行不同约束和交替迭代求解，去除摩尔纹，具体包括以下处理：

2-1、将亮度通道图像进行分解，表达式如下：

I＝B+M+n

其中，I为屏摄图像的亮度Y通道，M为摩尔纹层内容，B为图像层内容，n为白噪声内容；

2-2、确立能量方程，表达式如下；

其中，Loss为对I分解过程的最小化约束目标变量，P_i为对图像的取块操作，P_iM为对M取块的结果，ρ为针对摩尔纹取块进行训练得到的高斯混合模型先验器，∑_ilogρ(P_iM)为在该先验器中M的得分情况；α为梯度约束项的系数，为B的局部梯度，h(B)为B在摩尔纹系数函数h()中的得分；σ为分解过程保真项的约束系数，h(x)为针对摩尔纹设计的约束系数，表达式为：

x为该函数的输入，ω为预设的摩尔纹的预期方向集合，l为预期方向集合中的某个方向，i为输入图像x中的某个像素点，为该点的局部梯度数值，为该点沿方向l的梯度数值，ε为防止分母为零的小数值常数；

2-3、对上述能量方程进行拉格朗日增广，结果表达式如下：

其中，D为对图像层B的摩尔纹系数的相似逼近，β为增广项D与摩尔纹系数的保真度约束系数；N_i为对摩尔纹层M的块匹配相似逼近；

2-4、用软阈值法求解变量D，表达式如下：

其中，D^(k+1)为增广项变量D在第k+1次迭代求解中的结果，B^(k)为图像层B在第k次迭代时的结果，k为求解迭代次数；

2-5、用共轭梯度下降法求解变量B，表达式如下：

其中，M^(k)为第k次迭代时摩尔纹层M的结果；PCG()是共轭梯度下降法抽象成的函数，E为与M同尺寸的单位矩阵，分别为该尺寸矩阵的梯度求解矩阵及其转置；

2-6、用直接求逆的方法求解变量M，表达式如下：

其中，N^(k)是摩尔纹层的增广项N在第k次迭代中的结果；

2-7、代入先验模型ρ，求解变量N，表达式如下：

N^(k+1)＝ρ(N^(k))

其中，ρ为针对摩尔纹取块进行训练得到的高斯混合模型先验器；

2-8、重复步骤2-1～2-7，直到变量B和M收敛，即得到亮度通道的分层结果；

步骤3、使用导向滤波器，以步骤2中的结果即图像层B为引导图，对另外两个色度通道按如下公式进行导向滤波，实现通道U和V的去摩尔纹；

其中，F为待处理的U通道或V通道图像，B为步骤2中得到的Y通道的无摩尔纹图像，为所求的目标图像，即无摩尔纹的U通道或V通道图像，为U通道或V通道的局部均值图像；a和b为导向滤波器中的局部系数和局部常数，由输入图像F计算得到，公式如下：

其中，为U通道或V通道的局部均值图像；u、δ²、ε为三个标量，分别是图像B的局部均值标量、图像B的局部方差标量、防止分母为零的小数值常数；

步骤4、将去除摩尔纹后的Y、U、V通道图像按如下公式进行合并，转换到RGB空间，即得到了最终的无摩尔纹图像，转换公式如下：

R＝Y+1.140U

G＝Y-0.395U-0.581V

B＝Y+2.032U。