[发明专利]一种多尺度图像增强方法

权利要求书

1.一种多尺度图像增强方法，其特征在于，包括多尺度细节增强的步骤以及单尺度对比度拉伸的步骤；

先执行所述多尺度细节增强的步骤，后执行所述单尺度对比度拉伸的步骤的情形下，所述多尺度细节增强的步骤具体包括：

S1，构造输入图像的第一高斯金字塔和第一拉普拉斯金字塔；

S2，利用保边界一维磨光算子对所述第一高斯金字塔进行逐层磨光处理，得到第二高斯金字塔，并将所述第二高斯金字塔与所述第一高斯金字塔作差，得到输入图像的细节层；

S3，将所述细节层以第一预设倍数逐层加到所述第一拉普拉斯金字塔中，得到第二拉普拉斯金字塔；

S4，对所述第二拉普拉斯金字塔进行重构，得到细节增强后的第一图像；

其中，所述单尺度对比度拉伸的步骤具体包括：

S5，利用优化模型对所述第一图像的直方图进行修正，以获得修正后直方图；

S6，执行直方图均衡化，得到第二图像；

先执行所述单尺度对比度拉伸的步骤，后执行所述多尺度细节增强的步骤的情形下，所述单尺度对比度拉伸的步骤具体包括：

S1’，利用优化模型对输入图像的直方图进行修正，以获得修正后直方图；

S2’，执行直方图均衡化，得到第三图像；

所述多尺度细节增强的步骤具体包括：

S3’，构造所述第三图像的第一高斯金字塔和第一拉普拉斯金字塔；

S4’，利用保边界的一维磨光算子对所述第一高斯金字塔进行逐层磨光处理，得到第二高斯金字塔，并将所述第二高斯金字塔与所述第一高斯金字塔作差，得到输入图像的细节层；

S5’，将所述细节层以第二预设倍数逐层加到所述第一拉普拉斯金字塔中，得到第二拉普拉斯金字塔；

S6’，对所述第二拉普拉斯金字塔进行重构，得到细节增强后的第四图像；

其中，S2和S4’均具体包括：

S21，将保边界二维磨光算子按照所述输入图像的行列方向进行分解，获得一个水平的保边界一维磨光算子和一个竖直的保边界一维磨光算子；

S22，利用S21获得的水平的保边界一维磨光算子和竖直的保边界一维磨光算子分别将所述第一高斯金字塔的每一层进行顶帽变换，得到每一层的水平顶帽变换结果和竖直顶帽变换结果，二者逐点取小，得到亮的细节层；

S23，用S21获得的水平的保边界一维磨光算子和竖直的保边界一维磨光算子分别将所述第一高斯金字塔的每一层进行底帽变换，得到每一层的水平底帽变换结果和竖直底帽变换结果，二者逐点取小，得到暗的细节层；

S24，将S22得到的亮的细节逐层减去S23得到的暗的细节，得到每一层的所述第一高斯金字塔的细节。

2.如权利要求1所述的多尺度图像增强方法，其特征在于，S1和S3’中的所述第一高斯金字塔和第一拉普拉斯金字塔的多尺度分解层数与所述输入图像的尺寸有关。

3.如权利要求1所述的多尺度图像增强方法，其特征在于，S3中的所述第一预设倍数和S5’中的所述第二预设倍数设置为[0.5,2]的范围内。

4.如权利要求1至3中任一项所述的多尺度图像增强方法，其特征在于，S5和S1’中的所述优化模型均定义为如下式(1)：

式(1)中，h是所述修正后直方图，是所述输入图像的归一化直方图，上标T是矩阵的转置，是指最小化关于h的函数，μ是用于调节所述修正后直方图的均匀分布程度的参数，W是权重矩阵，定义如下式(2)：

式(2)中，i是灰度值的索引序号，β的数值根据用户需求进行调节。

5.根据权利要求4所述的多尺度图像增强方法，其特征在于，设定S1中的所述输入图像的灰度范围为[0,L-1]，S5和S1’中的所述优化模型在用户需求为指定灰度值变换从k到H_k的情形下，指定灰度变换公式变形为如下式(3)：

式中，θ_k为中间参数；

将所述指定灰度变换公式以正则项加入所述优化模型，则有如下式(4)：

式(4)中，γ是用于调节满足指定灰度变换程度的参数，j是灰度值的索引序号。

6.根据权利要求5所述的多尺度图像增强方法，其特征在于，S5和S1’中的所述优化模型约束修正后的直方图是归一化的情形下，则归一化直方图表示为下式(5)：

将式(5)以正则项加入所述优化模型，则有如下式(6)：

式(6)中，表示归一化直方图与1之间的距离，α可由输入图像精确求解。