[发明专利]基于PG算法的图像细节特征保护方法

说明书

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种基于PG算法的图像细节特征保护方法。

背景技术

传统的基于PDE(Partial Differential Equation)图像恢复算法可以较好地保护图像中的边缘等重要信息，却不能很好地保护图像的局部特征，如纹理或者细节等特征，在图像恢复过程中会被抹掉。因此，基于PDE的图像恢复算法可能丢失图像的局部重要特征，从而可能降低图像的可读性和可理解性。

发明内容

本发明的目的在于提供一种基于PG算法的图像细节特征保护方法，以解决上述技术问题。

本发明的目的是要在图像恢复过程中寻找一种更好地保护图像局部细节特征的算法。这一算法是基于PDE算法，并借鉴GWT(Gabor Wavelet Transformation)的良好的图像特征识别特点，通过自动分析图像区域组成，自适应地恢复图像并更为有效地保护图像的局部重要特征。为了保护图像的局部细节特征，本算法将利用GWT对图像细节特征进行识别判断，然后对局部细节特征进行加权保护，再利用PDE图像恢复算法进行处理来更好地保护图像中的重要信息。

本发明所要解决的技术问题采用以下技术方案来实现：

一种基于PG算法的图像细节特征保护方法，其特征在于：包括图像局部特征表示及图像细节识别机制、PDE算法自动恢复图像机制、PG图像恢复算法，利用图像局部特征表示及图像细节识别机制寻找到细节特征所在区域，然后根据不同的区域自动调节参数，再利用PDE算法自动恢复图像机制对该区域进行处理。

所述的图像局部特征表示及图像细节识别机制包括Gabor过滤器，Gabor过滤器是过滤器的集合，每一个过滤器根据相应的参数捕获图像相应的局部结构，这些参数包括中心频率、光谱的带宽以及方向角，所述Gabor过滤器的形式如下公式所示：

上式中，x和y是图像相素点的坐标，σ表示光谱带宽，β表示中心频率，θ_k表示方向角，它的定义如下：

k表示Gabor过滤器集中的滤器的数目；

Gabor过滤器是一可调的带通过滤器，通过调节Gabor过滤器的相应参数值，可以获取相应不同的过滤器；

根据Gabor过滤器的上述特点，利用图像数据与Gabor过滤器的卷积来表征图像的局部细节特征，若以I(x,y)来表示图像在坐标(x,y)的灰度值，那么I(x,y)与k^th Gabor过滤器f_k的卷积定义如下：

I_k(x,y)＝I(x,y)*f_k(x,y),k＝1,2,…,n (3)

上式中，*是卷积算子，I_k(x,y)是相应于k^th Gabor过滤器参数θ_k,β,σ的第k个卷积，n是Gabor过滤器的总数；图像I(x,y)的Gabor表示定义为集合G＝{I_k(x,y):k＝1,2,…,n}，这些图像的Gabor特征表示联合起来组成一个图像的特征向量，通过这一向量寻找图像的特征；

为了简化算法，将对Gabor过滤器的参数中心频率和光谱带宽设置为某一合适的固定值，然后调节Gabor过滤器的方向角参数，从而寻找到图像的细节特征；初步设定Gabor过滤器参数的中心频率和光谱带宽的值分别为1.25和4.5，而方向角设定为18个朝向，分别是从0到间隔是在Gabor过滤器集合中，Gabor过滤器的个数为18个。

所述的PDE算法自动恢复图像机制，数字图像恢复最基本的模型如下：

I₀＝BI+η, (4)

上式中，是描述初始图像的映射，它表示图像坐标(x,y)到该坐标点灰度值的映射；I₀表示呈现在用户面前的图像，是初始图像I(x,y)被污染后的图像；在式(4)中，η表示高斯加性白噪声，而B表示线性算子。

所述的PG图像恢复算法，将图像区域分成三个部分：一是“Cartoon”部分I_C，这一部分是比较平滑的区域，包括图像中的边缘；二是“噪声”部分I_n，这一部分是图像受污染的区域；三是“局部特征”部分I_NC，这一部分是图像的局部特征。

本发明的有益效果是：