[发明专利]基于多维度分解迭代增强校正的图像复原方法

摘要

本发明涉及一种基于多维度分解迭代增强校正的图像复原方法，通过分解处理、图像的迭代增强、图像的校正复原处理，较全面的解决了现有技术中关于图像识别系统无法对图像不清晰或不完整时进行校正和复原的不足和缺陷的长期困扰的技术问题；实现了当图像光照不足或夜色等情况下非常好的图像失真增强后校正可操作性强、恢复速度快、复原准确度高的技术效果。

主权项

一种基于多维度分解迭代增强校正的图像复原方法，其特征在于，该基于多维度分解迭代增强校正的图像复原方法依次包括如下步骤：步骤(1)、分解处理；通过中心频率为950‑1000赫兹，通带带宽为750‑800赫兹的高斯低通滤波器对图像进行滤波分解处理，得到图像在密度域的图像，然后用图像除以所述密度域的图像，得到图像的亮度域图像；然后在亮度域和密度域中分别对图像通过加博滤波器进行滤波分解得到3个带，每个带分成6个不同子带，每个子带的尺度大小之比依次为1∶2，且每个子带间的角度相差为60度；其中，在亮度域中对图像进行噪声消除处理，在所述噪声消除处理的过程中，采用所述每个子带的尺度的大小梯度模型对图像边沿进行粗处理，以梯度均值作为其控制阀值；利用高斯‑拉普拉斯金字塔分解算法分解粗处理后的图像，将粗处理后的图像中的能量集中于数据量较少的高斯层；然后对所述高斯层进行多维度分解，在亮度域和密度域分别得到18个不同的频率子带的图像特征空间，再针对所述不同的频率子带的图像特征空间在亮度域和密度域分别进行高频和低频处理；步骤(2)、图像的迭代增强；在上述步骤(1)进行高频和低频处理后，在第一个band的6个子空间中对密度域中的低频空间分别采用beta样条函数来对图像进行增强处理，其中，上述增强处理后的增大的图像整体的分辨率空间将其在密度域空间内的识别范围从[0，64]提高到[0，512]；然后对剩下的另外两个带的12个子空间，采用Spline样条函数对其进行校正，将其高频部分的细节差别均分为64个等级单位差别；在亮度域中对图像的轮廓进行调整，在密度域中对图像的纹理进行调整；然后对亮度域和密度域的调整后的图像进行乘积后累加处理，得到灰度级图像；步骤(3)、图像的校正复原处理；对上述步骤(2)中得到的灰度级图像分别提取亮度域图像和密度域图像的尺度空间的几何不变特征点集M和I，计算两个点集之间的Hausdorff距离，当小于步骤(1)中的控制阀值时则无需做几何校正，直接采用基于迭代的维纳滤波对图像进行恢复；否则时话，选定几何变换参数的搜索范围，利用快速算法，计算准确的几何变换参数，利用算得的几何参数对应的亮度域图像和密度域图像进行校正直至所述两个点集之间的Hausdorff距离小于步骤(1)中的控制阀值时，然后无需做几何校正，直接采用基于迭代的维纳滤波对图像进行恢复。