[发明专利]一种基于BEMD和对比度拉伸变换的图像增强方法

权利要求书

1.一种基于BEMD和对比度拉伸变换的图像增强方法，其特征在于：包括如下步骤：首先在Matlab中输入一幅待增强的图像，通过二维经验模态分解算法求取图像的极值点从而获得上下包络面，并计算出均值包络面然后利用筛选算法获得二维图像信号的一系列内禀模式函数，该系列内禀模式函数就表示为不同频率的子图像，去除不能表现细节信息的低频子图像，筛选出频率高的高频子图像，再利用对比拉伸变换算法对高频子图像进行对比度拉伸变换，最后对变换后的子图像相加融合即得到增强结果；

所述利用对比度拉伸变换算法对高频子图像进行对比度拉伸变换，然后相加图像融合的具体步骤如下：

Step3.1、分别对高频子图像进行对比度拉伸变换，其对比度拉伸变换公式如下：

s＝T(r)＝1/(1+(m/r)^E) (4)

其中r表示输入图像的亮度值，s是输出图像中的相应亮度值，E控制该函数的斜率，m为输入图像的像素平均值，T(r)表示输出图像的亮度值；

Step3.2、确定m和E的取值；

Step3.3、进行对比度拉伸变换，从而得到拉伸变换后的高频子图像；

Step3.4、把拉伸变换后的高频子图像进行相加融合，其公式如下：

H＝T(IMF₁)+T(IMF₂)+…+T(IMF_i) (5)

其中H为增强后的图像，T(IMF₁)是IMF₁对比度拉伸变换后的图像，T(IMF₂)是IMF₂对比度拉伸变换后的图像，T(IMF_i)是IMF_i是对比度拉伸变换后的图像。

2.根据权利要求1所述的一种基于BEMD和对比度拉伸变换的图像增强方法，其特征在于：所述进行二维经验模态分解的具体步骤如下：

Step1.1、将在Matlab中输入一幅待增强的图像f(x,y)，x、y代表图像的长和宽的像素值的变量，赋初值，令i＝1,k＝1，IMF表示不同频率的子图像，IMF_i表示第i个IMF，k表示IMF_i所进行的循环次数，余项的初值为r_ik(x,y)，r_ik(x,y)＝f(x,y)；

Step1.2、计算r_ik(x,y)的极大值包络h_up(x,y)以及它的极小值包络h_low(x,y)，获得上下包络面；

Step1.3、计算r_ik(x,y)的均值曲面，获得均值包络面，其公式如下：

mean(x,y)＝(h_up(x,y)+h_low(x,y))/2 (1)

Step1.4、根据r_ik(x,y)以及它的均值曲面mean(x,y)计算其差值函数，其差值计算公式如下：

D_ik(x,y)＝r_ik(x,y)-mean(x,y) (2)

Step1.5、判断差值函数D_ik(x,y)是否满足SD＜ε，即迭代终止参数ε＝0.3，SD表示标准差， D_i(k-1)(x， y) 表示上次循环的差值函数，X、Y代表x、y的最大值，当满足时，得到内禀模式函数：IMF_i(x,y)＝D_ik(x,y)，令r_(i+1)1(x,y)＝r_i1(x,y)-IMF_i(x,y)，并且i＝i+1,k＝1， r_(i+1)1(x ， y)

表示一次循环后的余项，重复Step1.2～Step1.4计算下一个内禀模式函数，直到余项没有极值点；当不满足时，令r_i(k+1)(x,y)＝D_ik(x,y)，并且令k＝k+1，重复Step1.2～Step1.4直到差值函数满足SD＜ε；

综上所述，对于图像f(x,y)通过二维经验模态分解分解为n个内禀模式函数IMF_i及其余项函数r(x,y)可以用下式来表示：

。

3.根据权利要求1所述的一种基于BEMD和对比度拉伸变换的图像增强方法，其特征在于：所述筛选出高频子图像具体步骤如下：

Step2.1、对原图像f(x,y)通过二维经验模态分解后得到的子图像进行筛选，其中保留高频子图像IMF₁,IMF₂,…IMF_i，舍去低频子图像IMF_i+1,IMF_i+2,…,IMF_n,REF，n为不含余项部分的子图像总个数,REF为图像分解后的余项部分。