[发明专利]一种基于小波变换的融合高低频信息的图像增强算法

权利要求书

1.一种基于小波变换的融合高低频信息的图像增强算法，算法主要包含的技术有小波变换、同态滤波、灰度变换以及阈值去噪等，其特征在于，对图像高低频信息的处理，所述方法包括以下步骤：

步骤S1:首先是对彩色图片输入电脑并转换为灰度图，对灰度图像进行二维信号的2层小波分解；

步骤S2:提取图像低频分量，采用同态滤波提高低频分量中的高频响应；

步骤S3:将滤波后的低频图像变换到空域进行灰度变换增强图像对比度和亮度；

步骤S4:根据增强后的低频分量与高频分量系数重构图像，最后对重构后的图像进行基于小波变换的阈值去噪，获得增强后的图像。

2.根据权利要求1所述的一种基于小波变换的融合高低频信息的图像增强算法，其特征在于，所述步骤S1中通过对图像进行小波变换，将图像从空域转换为频域，然后提取图像低频分量，在实际处理中对原图像小波分解为一个低频信号CL1和三个高频信号CH1、CH2、CH3，接着又从低频分量中分解相对低频的一个信号CLL和三个相对高频的信号CLH1、CLH2、CLH3，采用MATLAB小波工具箱中的wavedec2函数来对图像进行小波分解，调用格式为[c,s]＝wavedec2(X，N，’sym4’)，其中X表示原图像信号，N表示对信号进行N层分解，sym4是用来做小波变换的一个母函数，c为各层分解系数,s为各层分解系数长度，也就是大小。

3.根据权利要求1所述的一种基于小波变换的融合高低频信息的图像增强算法，其特征在于，所述步骤S2中通过以下公式构建同态滤波器函数，实现对图像小波分解后的低频分量进行同态滤波，提升图像的反射光分量从而提升图像的亮度、细节及边缘信息等高频分量，改善图像的质量：

f(x,y)＝i(x,y)r(x,y)；

z(x,y)＝lni(x,y)+lnr(x,y)；

F(u,v)＝I(u,v)+R(u,v)；

S(u,v)＝H(u,v)F(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)；

g(x,y)＝e^s(x,y)；

其中同态滤波函数为H(u,v)，r_H代表高频增益，r_L代表低频增益，D(u,v)表示点(u,v)到滤波中心(u₀,v₀)的距离，c为常数用于控制滤波器函数的锐化灵敏度，c∈[0,1]，m、n为动态参数，D₀表示截止频率，图像的函数为f(x,y)用其入射分量i(x,y)和反射分量r(x,y)的乘积来表示，z(x,y)是对f(x,y)两边取对数，F(u,v)是对图像函数z(x,y)再进行快速傅里叶变换后得到的图像的频域表达式，I(u,v)为lni(x,y)的傅里叶变换，R(u,v)为lnr(x,y)的傅里叶变换，S(u,v)是对进行F(u,v)同态滤波处理，g(x,y)是对经过傅里叶逆变换(FFT^-1)回到空间域后的S(x,y)取对数得到最终滤波后的图像，在实际处理中通过MATLAB编写同态滤波传递函数H(u,v)实现该步骤。

4.根据权利要求1所述的一种基于小波变换的融合高低频信息的图像增强算法，其特征在于，所述步骤S3中通过以下公式对滤波后变换到空域的低频图像进行非线性灰度变换，增强图像对比度和亮度：

S＝cr^γ；

其中尺度因子为常数c表示曲线的弯曲程度，r为图像像素，当γ值等于1时为线性灰度变换，当γ值大于1时向低亮区域拉伸幅度大于向高亮区域移动幅度，可用于处理增强过曝后的图像；当γ值小于1时恰好相反可用于处理增强低照度下的图像，在实际处理中通过调用MATLAB工具箱中的Imadjust函数来实现，调用格式为b＝Imadjust(a,[],[],γ)，其中a为待处理图像，[]为需要处理的灰度范围，b为处理后图像，参数γ指定了曲线的形状。

5.根据权利要求1所述的一种基于小波变换的融合高低频信息的图像增强算法，其特征在于，所述步骤S4通过以下方法对根据增强后的低频分量与高频分量系数重构的图像进行阈值去噪处理高频分量，获得增强后的图像：

通过采用VisuShrink选取合适的阈值，采用全局统一阈值这里σ是噪声信号的标准差，N是信号的长度，采用收缩系数方法又称为软阈值法处理高于阈值的系数，在实际处理中通过调用MATLAB工具箱中的wdencmp函数来实现，调用格式为XC＝wdencmp('gbl',im4,'sym4',N,THR,SORH,KEEPAPP)，其中XC消噪后的信号，gbl(global的缩写)表示每层都采用同一个阈值进行处理，im4为待处理图像，'sym4'是所用的小波函数，N选择3，表示小波分解的层数，THR选择3，为阈值向量，SORH取’s’，表示选择软阈值，参数KEEPAPP取值为1时，表示低频系数不进行阈值量化处理。