[发明专利]基于拉普阿斯金字塔重构的Retinex图像增强算法

权利要求书

1.基于拉普阿斯金字塔重构的Retinex图像增强算法，其特征在于，包括以下步骤：

(1)开始，输入原始图像S(i,j)，利用高斯加权双边滤波估计照度图像，其表达式为：

S(x,y)＝R(x,y)×L(x,y) (1)

其中S(x,y)为原始图像，L(x,y)为光照图像，R(x,y)为反射图像；

(2)初始化参数k＝0.1，利用步骤(1)中估计的照度图像求得表达物体本质的反射图像R(i,j)，其表达式为：

R(x,y)＝log S(x,y)-log[F(x,y)*S(x,y)] (2)

其中，*表示卷积运算，F(x,y)为高斯核函数，即：

其中，e为常量且e≈2.71828，σ为高斯环绕尺度，ρ为归一化系数，需要满足：

∫∫F(x，y)dxdy＝1 (4)

(3)由于，步骤(2)中反射图像为对数域信息，根据非线性变换函数的表达式为：

初始化参数λ＝1，将反射图像进行量化至[0,255]区间，得到量化图像R′(i,j)；

(4)利用Otsu阈值分割算法，求出量化图像R′(i,j)的分割阈值t，其表达式为：

v(t)＝ω₀×(μ₀-μ)²+ω₁×(μ₁-μ)² (6)

μ＝ω₀×μ₀+ω₁×μ₁ (7)

(5)根据步骤(4)中求出的分割阈值，将量化图像R′(i,j)分成亮区域和暗区域两部分，并计算各自区域的信息熵，其表达式为：

以信息熵大的为基准，记录更新最优参数k和最优参数λ；

(6)判断λ是否小于20，如果λ小于20，则再次执行步骤(3)，并初始化参数λ＝λ+1；如果λ大于20，则执行步骤(7)；

(7)判断k是否小于1，如果k小于1，则再次执行步骤(2)，并初始化参数k＝k+0.1；如果k大于1，则执行步骤(8)；

(8)得到亮区域最优参数k_maxl，λ_maxl和暗区域的最优参数k_maxd，λ_maxd并分别将最优参数带入表达式：

求得亮区域最优图像和暗区域最优图像；

(9)将原始图像、亮区域最优图像和暗区域最优图像，用拉普拉斯金字塔分别将三幅图像分解到不同的空间频带上，其表达式：

进行高斯金字塔分解，然后根据表达式：

进行拉普拉斯金字塔分解，得到三幅图像金字塔；

(10)针对不同分解层的不同频带上的特征与细节，以平均梯度为标准，其表达式为：

其中，I_x与I_y分别为像素f(x,y)在x与y方向上的一阶差分，其表达式为：

ΔI_x＝f(x,y)-f(x-1,y) (14)

ΔI_y＝f(x,y)-f(x,y-1) (15)

顶层图像的融合结果表达式为：

其他层次处理，当0＜l＜N时，则对于经过拉普拉斯金字塔分解的第l层图像，首先计算其区域能量，其表达式为：

其中，p＝1，q＝1，

其他层的融合结果表达式为：

得到融合后的图像金字塔；

(11)将融合后的图像金字塔重构为一幅完整的图像，输出结果图像，结束。