[发明专利]一种图像纹理增强方法、装置、电子设备及存储介质

说明书

本发明提供一种图像纹理增强方法、装置、电子设备及存储介质，该方法包括：获取待增强图像；将所述待增强图像输入图像分离优化模型，确定所述待增强图像的纹理分量和图像光滑分量；根据所述纹理分离和所述图像光滑分量，确定纹理细节增强的彩色图像。该方案可以帮助彩色图像的纹理细节更加突出，更便于人眼识别。

技术领域

本发明属于图像处理技术领域，特别涉及一种图像纹理增强方法、装置、电子设备及存储介质。

背景技术

为了使图像更加适应人眼的视觉特性，且便于让机器进行识别与处理，提高图像质量必不可少，这也是图像处理领域的图像增强过程。图像增强的目的需要根据不同的应用场合满足人们不同的分析需求，例如在医学图像分析、遥感卫星成像以及工业检测等领域的图像增强要求增强图像的纹理细节，提高同一图像主体结构和纹理分量的对比度，突出人们感兴趣的纹理部分。图像纹理增强方法主要分为直接对像素进行操作的空间域增强方法以及对图像变换过程中的变换系数进行修正的变换域增强方法。空间域中的直方图均衡方法能有效保持图像的亮度，但图像对比度依赖频数的分布，易丢失图像细节。基于变换域的增强(频率)滤波器通过抑制低频信息使得高频信息相对增强，从而增强了图像的纹理细节，但这也在一定程度上衰减了图像的主要结构。

发明内容

本说明书实施例的目的是提供一种图像纹理增强方法、装置、电子设备及存储介质。

为解决上述技术问题，本申请实施例通过以下方式实现的：

第一方面，本申请提供一种图像纹理增强方法，该方法包括：

获取待增强图像；

将待增强图像输入图像分离优化模型，确定待增强图像的纹理分量和图像光滑分量；

根据纹理分离和图像光滑分量，确定纹理细节增强的彩色图像。

在其中一个实施例中，图像分离优化模型基于各项同性全变分函数和自适应非凸交替局部近端ANALP算法中重新公式化的卷积字典学习CDL模型建立。

在其中一个实施例中，自适应非凸交替局部近端算法中重新公式化的卷积字典学习模型如下：

其中，为局部卷积字典，为稀疏系数，将置于第i个位置，并将其余项填充为零；λ₁和λ₂为正则化项的稀疏；函数Ω₁表示一个零稀疏约束，Ω₁(x)＝||x||₀，Ω₂表示一个指示函数，

各项同性全变分函数建模的图像光滑分量为其中，为图像光滑分量；

基于各项同性全变分函数和自适应非凸交替局部近端ANALP算法中重新公式化的卷积字典学习CDL模型建立的图像分离优化模型如下：

其中，纹理分量D_L表示纹理字典，表示对应的稀疏系数。

在其中一个实施例中，将待增强图像输入图像分离优化模型，确定待增强图像的纹理分量和图像光滑分量，包括：

将图像分离优化模型中的图像光滑分量分割为图像分离优化模型变为：

其中，表示图像光滑分量的对偶变量；

更新稀疏系数，得到更新后稀疏系数；

更新卡通变量，得到更新后卡通变量；

更新对偶变量，得到更新后对偶变量；

更新误差变量，得到更新后误差变量；误差变量根据卡通变量和对偶变量确定；