[发明专利]基于Contourlet变换的PCNN图像增强算法及装置

权利要求书

1.一种基于Contourlet变换的PCNN图像增强算法，其特征在于，包括如下步骤：

步骤一：将待处理图像由RGB颜色空间转换至HIS颜色空间，从而得到色调分量H、亮度分量I和饱和度分量S；

步骤二、使用Contourlet变换将彩色图像颜色空间转换后得到的亮度分量I进行多尺度多方向性分解，得到一系列方向的轮廓子带；

步骤三、利用PCNN增强算子带入分解得到的轮廓子带，依据人眼视觉特性，对轮廓子带进行合适的增强运算；

步骤四、将被增强后的轮廓子带信息和原有的低频分量进行Contourlet重建运算，以得到增强后的第一亮度分量I'；

步骤五、对上述饱和度分量S进行饱和度的调整，得到第一饱和度分量S’；

步骤六、将上述HIS颜色空间的色调分量H、第一亮度分量I'和第一饱和度分量S’转换至RGB颜色空间，得到增强后的图像。

2.根据权利要求1所述的基于Contourlet变换的PCNN图像增强算法，其特征在于，所述步骤二具体包括以下两步：①获取所述亮度分量I的像素，通过Contourlet变换中的拉普拉斯金字塔分解进行多尺度分解，公式为：

Rl=Gl-EXPAND(Gl+1)RN=GN]]>其中，金字塔的最底层即第0层为图像的原始图像，称为G₀(m,n)，金字塔上层依次为图像的低分辨率图像，l的范围定义是：0≤l≤N-1；R_l为低通滤波器金字塔中第l级和第l+1级图像之间的差值，R_N为低通滤波器金字塔中第N级的图像；EXPAND操作由如下公式表示：

Gl,0=GlGl,0=EXPAND(Gl,k-1)Gl,k(i,j)=4Σm=-22Σn=-22ω(m,n)Gl,k-1(i+m2,j+n2),]]>

其中，G_l,k为对G_l进行了K次EXPAND操作之后的结果，权重函数ω(m,n)为低通滤波器；

②在①过程得到的多尺度图像分量中，滤除低频图像，剩下的带通轮廓子带图像进入Contourlet变换中的方向滤波器中，进行多方向性划分，具体公式表述为：Mk(l)=2D0l-2R3sl(k),]]>其中，式中，sl(k)=Σi=2l-1ti2l-i-Σi=2l-12l-i-1=2|k/2|-2l-2+1,]]>为K号子带的总采样矩阵，D₀为低通滤波器；使用对平行滤波器F_i,j进行上采样就相当于将平行滤波器F_i,j的频谱按对角线进行有效的推移和裁剪，使之形成对卦限滤波器进一步细分的楔形频域特性。