[发明专利]一种双域分解的矿井下含噪声图像的增强方法

说明书

本发明公开了一种双域分解的矿井下含噪声图像的增强方法，该方法首先使用空域高斯滤波器分层分解矿井下含噪声图像，实现图像对比度提高与噪声抑制的解耦合；接着利用分层获得的基础层的最大亮通道图像，作为Retinex模型的照度分量估计，根据Retinex增强原理，实现基础层对比度的提高；然后使用非下采样剪切波变换分解分层获得的细节层，在剪切波变换域对分解系数实施硬阈值收缩，实现细节层噪声抑制，非下采样剪切波逆变换收缩的分解系数，获得噪声抑制细节层，使用基础层相同的增强比例，实现噪声抑制细节层的增强；最后由增强的基础层和噪声抑制的增强细节层融合得到融合增强图像，对融合增强图像实施Gamma微调整，获得最终的噪声抑制与对比提高的增强图像。

技术领域

本发明属于图像处理技术领域，具体涉及一种双域分解的矿井下含噪声图像的增强方法。

背景技术

随着智慧矿山发展步伐的加快，各种图像识别技术不断向矿井下延伸，但矿井下成像环境差、电磁干扰多、导致采集图像对比度低其富含噪声，矿井图像增强与噪声抑制成为矿井图像识别及应用需要解决的首要问题。

目前图像增强常用算法有：直方图均衡化、直方图规定化、基于物理模型图像增强算法、基于偏微分方程和变分的图像增强算法以及变化域图像增强算法。

直方图均衡化使图像灰度值占据所有可能灰度级，并使均衡化的直方图分布均匀，提高图像对比度、提升图像亮度。直方图规定化则使图像直方图分布变换为所希望的分布。直方图规定化与均衡化算法相似，都具有简单高效的特点，但是，直方图变换时，会引起噪声的放大，因此，不能胜任噪声图像的增强。

基于物理模型的增强算法是依据图像模型，利用算法剔除模型中的图像扰动成分，实现图像的增强，算法具有明确的物理意义。其中，Retinex模型将图像表述为反射分量和照度分量的乘积，反射分量表征物体的固有颜色特性，照度分量表征环境的亮度分量。基于Retinex理论的图像增强算法是从原始图像中剔除模型中的照度分量，求解成像物固有颜色特征的反射分量，实现图像增强，该类算法增强图像对比度与亮度的性能优异。但是，Retinex增强算法因无法识别与反射分量同处于高频段的噪声，致使其也不能很好胜任噪声图像的增强。

基于偏微分方程和变分的图像增强算法是根据某一图像模型，设计不同的约束条件，对模型优化求解，实现图像增强。该类算法随着约束条件的不同，增强效果也不同，部分增强算法具有一定的抑制噪声的能力，但是，该类算法需要迭代求解，算法复杂，也无法很好胜任矿井含噪声图像的增强。

变换域图像增强算法是将图像分解为变换域不同频率和方向上的分解系数，加强不同尺度的分解系数，利用加强的分解系数重构出增强图像，实现对比度提高与细节特征突显。相比上述其他类型增强算法，变换域图像增强算法分离、抑制噪声有独特优势，但是，变换域图像增强算法在提升图像对比度与亮度方面性能较弱，而矿井下成像环境差，图像对比度低，矿井下图像增强算法必须具有强有力的提高对比度的能力。

鉴于上述情况，我们发明了一种双域分解的矿井下含噪声图像的增强方法。该方法综合了Retinex图像增强方法提高图像对比度的能力和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)近似最优稀疏表达高维函数分离噪声的优势，解耦实现了矿井下图像对比提高与噪声抑制，达到增强矿井下含噪声图像的目的。

发明内容

为提高矿井下含噪声图像的可观测性，本发明利用空域均值滤波器分层噪声图像，实现决定图像对比度的基础层和包含图像纹理细节、噪声的细节层解耦，消除提高图像对比度时噪声的干扰，排除抑制噪声对提高对比度的影响，解耦实现矿井下噪声图像对比提高与噪声抑制。

为达到上述目的，本发明采取的技术方案为：一种双域分解的矿井下含噪声图像的增强方法，所述方法包括如下步骤：