[发明专利]基于多维度分解迭代增强校正的图像复原方法

说明书

技术领域

本发明涉及一种图像增强校正复原方法，尤其是涉及一种基于多维度分解的符合人体视神经的图像迭代增强校正复原的方法，特别是涉及一种基于多维度分解迭代增强校正的图像复原方法。

背景技术

在二十一世纪的图像领域，全方位视觉是指装备有超大广角镜头竖直向上放置的一台摄像机一次摄取的一幅图像，可以记录360°方位视角中的全部场景，即把周围前后左右整个区域中的景物“一眼看遍”。这种“全景图像”的获取无需单台摄像机的机械回转进行“摇拍”，或采用多台摄像机同时拍摄多幅图像进行“粘贴”，从而简化了系统结构和处理程序，有利于机器视觉应用的实时性要求。它在机动目标跟踪、多目标捕获及相机与目标物互动等应用场合，具有特别的优势和重要的应用价值。上述图片或者图像都存在失真，视角窄，分辨率低等缺陷和不足。

随着数字采集设备成本的降低和捕获手段的便宜程度普及，数字图像越来越普及且影响人们的生产生活，如何提高所采集到的图像质量，对其进行校正增强。图像迭代增强校正复原是一个具有广阔的应用前景和发展潜力的方法。图像迭代增强校正复原是数字图像处理领域的一个研究的重要问题，在航空航天，生物医学，工业检测和公共安全等生产生活问题的各个领域都有广泛应用。

现阶段，图像增强校正复原是图像处理中的一项重要技术，如何在复杂背景，例如光照变换，背景噪声，采集设备受损等情况下对图片增强校正复原。尤其是当图像采集时由于光照或夜色等原因的产生阴影情况下，使之改善图像质量、丰富信息量，对图片进行图像增强校正复原，加强图像判读和识别效果，是一个重要的问题。频域处理法把图像看成一种二维信号，一般采用合适的滤波器，对其进行基于二维傅里叶变换的信号增强。一般采用低通滤波器可以去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。但采用低通滤波器的方法会使图像变的模糊。采用高通滤波器的方法又无法消除图像噪声的影响，且有时边缘的变化会变得过于锐利而产生失真。具有代表性的空间域算法有局部求平均值法取局部邻域中的中间像素值法等，它们可用于去除或减弱噪声，但会损失图像的细节信息。一般来说，图像校正复原会遇到两个互相矛盾的问题，如何在不减少图像全局信息的情况下，增强图像的感兴趣部分的局部特征和信息，将原来不清晰的图像变得清晰同时强调某些感兴趣的特征，是一个重要且很难解决的问题。由于图像在采集时可能存在光照、噪声，采集设备部分故障等变化，特别是当图像光照不足或夜色等情况而产生阴影的情况下，图像增强校正复原是一个非常复杂的问题。总的来说，由于图像增强校正复原问题的复杂性，现有的方法并没有能够在不损失图像的全局信息的同时增强和校正复原图像的感兴趣部分的局部特征和信息，特别是当图像光照不足而产生阴影的情况下，还存在诸多问题，特别在：1)、如何选取合适的变换空间来对图像进行增强校正复原；2)、如何在此空间内在不损失图像的全局信息的同时增强和校正复原图像的感兴趣部分的局部特征和信息。

最为重要的是，Ayers等提出一种迭代的盲图像复原方法，使用单帧降质图像及正性限制对真实目标进行复原，但只能处理点扩散函数较小的情况，且收敛性不能保证；Conan等提出一种利用在Kolmogorov大气湍流模型下Zernike多项式分布规律对f(x，y)与h(x，y)的复原方法。但在实际观测中，大气湍流并不能很好地符合Kolmogorov模型，因此，该方法适应性较差。

针对目前识别方法的不足或缺陷，本发明提出了一种全新的基于多维度分解的符合人体视神经的图像迭代增强校正复原的方法：主要包括以下几层：首先，在符合人体视觉神经系统的亮度密度域内采用Multi-resolution的分析工具(比如Gabor Wavelets等)对图像进行滤波处理以获得图像在不同频率子带的分解图像，然后针对不同的子带采用不同样条校正函数来分别增强图像的全局对比度同时校正复原图像的感兴趣部分的局部特征和信息，最后采用基于迭代的维纳滤波模型对图像进行校正恢复。

发明内容