[发明专利]一种基于BEMD和对比度拉伸变换的图像增强方法

说明书

本发明涉及一种基于BEMD和对比度拉伸变换的图像增强方法，属于数字图像处理技术领域。本发明首先在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，去除并不能表现细节信息的低频子图像，筛选出频率高的子图像，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。本发明将二维经验模态分解拓展到了对比度拉伸变换图像增强领域，能有效实现图像增强效果。

技术领域

本发明涉及一种基于BEMD和对比度拉伸变换的图像增强方法，属于数字图像处理技术领域。

背景技术

近年来许多图像增强技术被提出，但是都各有缺点。目前国内外图像增强技术主要有图像灰度变换、局部直方图构造、基于小波图像增强以及反锐化掩模。图像灰度变换是一种很简单的图像增强方法，但是该方法处理图像时会掩盖图像的细节信息；局部直方图构造是R.Cromartie等人提出的一种有约束的构造方法，其方法虽然改变图像对比度效果不错，但是在增强过程中可能会引入新的噪声且增强效果不易控制；基于小波图像增强是通过对图像各部分进行加权来突出细节信息，虽然不会放大噪声，但是该方法计算量大，实时性不好；Hong Liu等人曾在血管图像细节增强中使用反锐化掩模法，此方法虽然简单但是加大了图像中的噪声。因此以上方法虽然可以增强图像细节信息但是也会引进一些不利因素，从而对图像分析、识别等领域的工作带来麻烦。

发明内容

本发明要解决的技术问题是提供一种基于BEMD和对比度拉伸变换的图像增强方法，该方法既能够有效地增强细节图像和多目标图像，又可控制增强的效果。

本发明采用的技术方案是：一种基于BEMD和对比度拉伸变换的图像增强方法，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。

具体地，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)