[发明专利]一种基于非下采样Contourlet扩散的图像增强方法

摘要

本发明涉及一种基于非下采样Contourlet扩散的噪声图像增强方法，基于非下采样Contourlet变换对边缘/轮廓的良好表示特性，利用非线性各向异性扩散方法有效消减增强图像中存在的伪Gibbs现象，在对图像的边缘特征和对比度增强的同时，对其中的噪声进行抑制，进一步提高图像质量。实验结果表明，本发明与传统的基于wavelet和非下采样Contourlet的方法相比能得到较好的增强效果。

主权项

一种基于非下采样Contourlet扩散的图像增强方法，其特征在于步骤如下：步骤1：对噪声图像灰度值矩阵进行给定尺度参数下的非下采样Contourlet正变换，得到不同分解尺度下各个方向的NSCT系数矩阵；所述的尺度参数为：分解尺度数和方向数，尺度数取3‑4，方向数取2‑4；步骤2：利用增益函数与步骤1得到的NSCT系数矩阵中的系数相乘实现系数矩阵的非线性变换，得到非线性变换后不同分解尺度下各个方向的NSCT系数矩阵；所述的增益函数为： y = 0 x < T 1 x - T 1 T 1 ( T 3 T 2 ) p + T 2 - x T 1 T 1 ≤ x < T 2 ( T 3 x ) p T 2 ≤ x < T 3 ( T 3 x ) s x ≥ T 3 其中，x为步骤1得到的NSCT系数矩阵中的系数，p∈(0，1]，s∈(0，1]；T1、T2、T3的计算公式分别为： T 1 = s 1 σσ x j = 1 s 2 σσ x j > 1 T2＝s3T1T3＝s4T2其中，j为分解尺度，σ为按σ＝median(|SHH|)/0.6745计算得到的噪声图像灰度值矩阵的对数矩阵的噪声标准差，median(·)表示取中值，|·|表示取模，SHH是对噪声图像灰度值矩阵进行一级小波分解得到的对角方向高频子带小波系数矩阵；σx为输入x的二范数；s1∈[1，5]，s2∈[1，5]，s3∈[2，3]，s4∈[1.5，2.5]；步骤3：对步骤2得到的NSCT系数矩阵进行NSCT逆变换，得到NSCT逆变换结果矩阵，逆变换的尺度参数与正变换的尺度参数一致；步骤4：对步骤3得到的NSCT逆变换结果矩阵进行NSCT扩散，得到最终的增强图像灰度值矩阵；所述的NSCT扩散过程的具体步骤为：步骤a：对输入的步骤3得到的NSCT逆变换结果矩阵进行NSCT正变换，得到不同分解尺度下各个方向的NSCT系数矩阵；步骤b：利用逆阈值化函数对步骤(1)得到的NSCT系数矩阵进行逆阈值化处理，得到不同分解尺度下不同方向的NSCT系数矩阵；所述的逆阈值化函数为 r ( x , T ) = 0 , x ≥ T 1 1 , x < T 1 ; 步骤c：对步骤b得到的NSCT系数矩阵进行NSCT逆变换，得到NSCT逆变换结果矩阵；步骤d：将步骤a得到的NSCT变换结果矩阵与步骤b得到的逆阈值化NSCT矩阵相减，得到差图像灰度值矩阵；步骤e：以步骤c得到的NSCT逆变换结果矩阵为初始条件进行非线性各向异性扩散，得到平滑后的图像灰度值矩阵；步骤f：将步骤d得到的差图像灰度值矩阵与步骤e得到的平滑图像灰度值矩阵相叠加，得到最终的NSCT扩散后的图像灰度值矩阵。