[发明专利]一种针对多模图像的去噪及锐化方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像去噪和图像锐化方法，特别是应用于一种针对多模图像的去噪及锐化方法。

背景技术

图像增强是指按照不同应用领域对图像的要求，对现有图像进行加工，以突出图像中某些信息，削弱或去除某些不需要的信息，得到更加适合于该具体应用的图像，或将原图像转换为一种更适合人或机器进行分析处理的形式的图像处理方法。图像增强不会增加数据的内在信息含量，但会增加所选择特征的动态范围，以使其容易被检测到。传统的图像增强包括对比度和边缘增强、伪彩色增强、锐化和放大等等。本发明所涉及的内容主要是图像的边缘增强，即图像“锐化”。

非锐化掩模法(unsharp masking，UM)最早出现于摄影技术中，后来被广泛应用于各类商业图像处理领域，已经成为使用最广泛的锐化方法之一。UM方法不会增加图像细节，而是通过增加图像的锐度来增强细节的表现力，以实现对图像的锐化增强。其步骤为先将图像通过一个高通滤波器得到图像高频成分，然后将该高频成分与一个尺度系数相乘后再与原图像叠加便得到了锐化后的结果，其模型公式为以下形式：

I_UM＝I +δ·I_HP

其中，I_UM为UM方法锐化结果，I为原图像，I_HP为图像的高频成分，高通滤波器可选用拉普拉斯滤波器，δ为正的尺度系数，用于控制锐化的强度。

该UM锐化方法简单且应用广泛，但是其缺陷也很明显：对噪声的敏感和在强边缘处的过冲(overshoot)。对噪声的敏感是由于UM方法对图像的高频成分进行了放大，而这一部分通常含有较多的噪声。在边缘处的过冲会使人眼观测时出现马赫带效应，影响视觉质量。

为克服噪声敏感性的问题，研究者们提出了各种改进办法，非线性滤波算子(order statistic，polynomial，logarithmic等)被广泛采用，以期获得更为“正确”的图像增强分量I_HP。Lee和Park提出在高通滤波器中采用改进的拉普拉斯滤波器——次序统计(order statistic)拉普拉斯滤波器。通过在拉普拉斯滤波器中引入窗口中值的办法，与普通UM相比在获得同样程度的锐化前提下，降低对噪声的放大。通过凹/凸边缘模型和对噪声信号的处理，验证了该方法具有较好的稳定性和图像锐化能力。在采用多项式polynomial方面：Mitra等提出替换原有拉普拉斯算子的方法。该替换算子基于Teager算法的泛化形式，在合理假设的前提下，用二次型算子来对局部均值赋权(local-mean-weighted)的高通滤波器进行逼近，从而降低图像暗部区域的高频增益。根据韦伯定律(Webers’Law)，人眼在暗部区域比在明亮区域具有更高的敏感度，因此该滤波器能够使人们在视觉上感受到更少的噪声，同时不降低算法的边缘锐化能力。在另一种多项式方法：Cubic UM(CUM)中，拉普拉斯滤波器的输出乘以一个控制信号，该控制信号由一个二次型边缘检测器得到，其目标是仅对由真实图像细节所产生的局部亮度变化进行增强。为更好地控制图像的亮度范围，一些方法采用了对数图像处理模型(LIP)，先将输入图像转换到对数域，然后进行锐化增强操作，最后再转换回来，可以在一定程度上提升图像的整体对比度。

上述现有的图像锐化方法虽然相对于传统的UM方法在一定程度上减小了噪声，但在平坦区域，噪声依然比较明显，而且为了使图像中的弱边缘区域和细节区域达到较好的增强效果、图像的强边缘区域往往增强过大，导致出现“过冲”现象。