[发明专利]一种基于SVR的图像增强方法

说明书

技术领域

本发明涉及一种图像增强方法，具体涉及一种基于SVR的图像增强方法，属于图像处理技术领域。

背景技术

图像增强是图像处理的基本内容之一，图像增强可以提高图像的视觉效果，也有利于对图像做进一步的处理。图像增强可以只强调或抑制图像中的某些细节，使它更加适合于某个具体的应用。图像增强处理的好坏直接影响后续的图像分析和模式识别，其应用价值得到了广泛重视。图像增强的方法很多，传统的图像增强方法是利用直方图均衡化来增强图像。直方图均衡化是灰度变换的一个重要应用，广泛应用在图像增强处理中，它是以累计分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。因此，直方图均衡化的图像灰度级分布较均匀，一些细节消失，某些图像经处理后对比度不自然地过分增强。

SVM目前的应用领域主要集中在图像模式识别领域中，而其在图像其他处理方向上的应用是比较缺乏，尤其是利用SVR理论进行图像处理的研究更少，笔者在这样的环境下，尝试利用SVM的回归原理SVR进行图像增强处理的研究，达到增强图像且保持原图像灰度特征的目的，并与直方图均衡化方法进行了比较，避免了直方图均衡化使图像过亮的问题。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，根据本发明的一个方面，本发明旨在提出一种基于SVR的图像增强方法，来解决上述技术问题。

本发明所采取的方案为：一种基于SVR的图像增强方法，

具体方法为，

步骤1、将原始图像从第一颜色空间转换到包含亮度信息的第二颜色空间，并提取所述原始图像的亮度信息；

步骤2、针对所述亮度信息，采用回归原理SVR确定用于图像增强的灰度变换函数的最佳变换参数值；

步骤3、根据所述最佳变换参数值，构造所述灰度变换函数的变换曲线，并根据所述变换曲线对所述亮度信息进行增强处理，得到增强后的亮度信息；

步骤4、将增强后的亮度信息从第二颜色空间转换到第一颜色空间，得到最终的增强后的图像。

优选地，所述采用回归原理SVR确定用于图像增强的灰度变换函数的最佳变换参数值的步骤具体包括：

建立目标函数；

采用所述目标函数来判断当前的变换参数值是否为最佳变换参数值，确定所述灰度变换函数的最佳变换参数值。

优选地，所述灰度变换函数为非完全Beta函数；

所述非完全Beta函数的公式为：

F(u)＝B-1(α,β)×∫0u tα-1(1-t)β-1dt,0<α,β<10，

其中，B(α,β)为Beta函数；α，β为非完全Beta函数的变换参数，t为非完全Beta函数的积分变量，u为积分变量t的变化范围上限。

本发明具有以下有益效果：

本发明中采用SVR的图像处理方法来增强图像，可以很好地保持图像原有的灰度特征，突出图像的细节，并且解决了传统的直方图均衡化方法使图像过亮和细节丢失的问题。

具体实施方式

在下文中将对本发明的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本发明公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。

在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，省略了与本发明关系不大的其他细节。

具体实施方式一、一种基于SVR的图像增强方法，具体方法为，

步骤1、将原始图像从第一颜色空间转换到包含亮度信息的第二颜色空间，并提取所述原始图像的亮度信息；

步骤2、针对所述亮度信息，采用回归原理SVR确定用于图像增强的灰度变换函数的最佳变换参数值；

步骤3、根据所述最佳变换参数值，构造所述灰度变换函数的变换曲线，并根据所述变换曲线对所述亮度信息进行增强处理，得到增强后的亮度信息；