基于Shannon-Blackman小波稀疏表达的图像处理方法及装置制造方法及图纸

本发明专利技术公开了一种基于Shannon-Blackman小波稀疏表达的图像处理方法及装置，所述方法包括：获取待处理的图像；构造基于Shannon-Blackman插值小波的多尺度插值算子，对所述图像进行放大；对放大后的图像构建小波框架下的图像变分模型；求解所述小波框架下的图像变分模型，获得清晰图像。本发明专利技术通过多尺度插值算子对图像进行放大，在插值小波框架下建立图像变分模型，并通过稀疏网格算法求解图像得到超分辨率图像，提高了图像处理的效率和精度。

【技术实现步骤摘要】
基于Shannon-Blackman小波稀疏表达的图像处理方法及装置
本专利技术涉及图像处理
，特别涉及一种基于Shannon-Blackman小波稀疏表达的图像处理方法及装置。
技术介绍
高分辨率生物医学图像可以为医学诊断和病理分析提供更为精确和丰富的视觉信息。采用高密度图像采集传感器尽管在一定程度上可以提高图像分辨率，但由于成像系统自身传感器排列密度的限制，成本高昂且无法完全避免图像采集过程中噪声的污染；提高芯片尺寸则会导致电荷转移速度的下降及电容的增加。因此，采用超分辨率图像重建技术提高图像分辨率具有重要的科学意义和实用价值。已经证明，图像处理变分模型是提高生物医学图像分辨率的有效工具。但常用的差分法以及线性插值方法在图像超分辨率重建时，不可避免地出现人工伪影和失真现象；且在已有的图像超分辨率重建变分模型中，可以自动识别图像目标边界的扩散函数并不具备多尺度特性，导致放大后的图像局部细节结构不清晰，影响了图像分辨率的提高。为解决该问题，偏微分方程去噪模型经历了从低阶向高阶、矢量扩散向张量性扩散、实扩散向复扩散的发展过程，但该方法对放大后的图像进行矫正时会将局部细小边界模糊化，其图像处理效果一直不明显。另外，传统的差分法求解抛物型非线性偏微分方程时，算法的稳定性要求较高，计算精度和效率都不高，影响了该算法的应用和推广。
技术实现思路
基于上述问题，本专利技术提供一种基于Shannon-Blackman小波稀疏表达的图像处理方法及装置，通过多尺度插值算子对图像进行放大，在插值小波框架下建立图像变分模型，并通过稀疏网格算法求解图像得到超分辨率图像，提高了图像处理的效率和精度。针对上述目的，本专利技术提供一种基于Shannon-Blackman小波稀疏表达的图像处理方法，其特征在于，包括：获取待处理的图像；构造基于Shannon-Blackman插值小波的多尺度插值算子，对所述图像进行放大；对放大后的图像构建小波框架下的图像变分模型；求解所述小波框架下的图像变分模型，获得清晰图像。其中，所述构造基于Shannon-Blackman插值小波的多尺度插值算子对图像进行放大的具体过程如下：设图像的定义域为(xmin,xmax)×(ymin,ymax)，图像中每个像素点的位置定义为其中j是尺度参数，kjx和kjy为j尺度上的位置参数；定义Shannon-Blackman尺度函数为：将Shannon-Blackman尺度函数由张量积定义为：根据插值小波变换的定义，推导出多尺度小波插值算子如下：将所述图像u(x,y)通过多尺度插值函数表达为：其中，N为紧支撑常数，C1、C2、C3为小波插值变换矩阵，n1,n2为插值算子的位置，R为限制算子，J为尺度参数的最大值，j0表示为0层尺度，j1为区别于j的尺度参数；其中，其中，所述图像中每个像素点的位置定义为：其中，所述限制算子R定义为：其中，l为区别于j的尺度参数。所述对放大后的图像构建小波框架下的图像变分模型的具体过程为：定义所述放大后的图像的校正模型为：其中，(x,y)表示像素点的位置，t是扩散时间参数，f(x,y)为原始二维图像，c为扩散函数，u为通过多尺度插值函数表达的图像的表达式；将通过多尺度插值函数表达的图像的表达式带入到所述校正模型中，得到所述小波框架下的图像变分模型。其中，所述扩散函数c定义为：其中，N为紧支撑常数，为梯度算子。其中，所述求解所述小波框架下的图像变分模型的具体过程包括：将所述图像变分模型改写为：其中，并将uJ(x，y，tn)设定为un，tn时刻的函数F设定为Fn；构造线性同伦为：uJ(x，y，t)＝(1-ε)Fn+εFn+1；根据摄动理论，将所述线性同伦展开为以下表达式：根据所述表达式和所述改写后的图像变分模型，得到一组常微分方程组，并求解得到所述图像的校正结果；其中，所述ε为同伦参数，并且根据本专利技术的另一个方面，提供一种基于Shannon-Blackman小波稀疏表达的图像处理装置，其特征在于，包括：图像获取单元，用于获取待处理的图像；图像放大单元，用于构造基于Shannon-Blackman插值小波的多尺度插值算子，对所述图像进行放大；图像变分模型建立单元，用于对放大后的图像构建小波框架下的图像变分模型；求解单元，用于求解所述小波框架下的图像变分模型，获得清晰图像。本专利技术提供的基于Shannon-Blackman小波稀疏表达的图像处理方法及装置，通过多尺度插值算子对图像进行放大，实现了图像像素点的自适应配置，同时可以有效保留细节结构，提高重建效率，避免放大过程中出现人工伪影的现象；另外，采用多尺度Blackman函数代替传统的扩散函数，可以有效地避免局部细节的模糊化，从而可以进一步提高图像的超分辨率；最后，通过构造稀疏网格算法求解图像变分模型，有效地提高了效率和精度。附图说明图1示出了本专利技术的基于Shannon-Blackman小波稀疏表达的图像处理方法的流程图。图2(a)和(b)示出了现有的Shannon小波尺度函数和本专利技术的实施例的Shannon-Blackman尺度函数的对比图。图3示出了本专利技术的基于Shannon-Blackman小波稀疏表达的图像处理装置的结构框图。图4示出了本专利技术的一个实施例的原始图像。图5示出了本专利技术的一个实施例的将图像放大2倍的图像。图6示出了本专利技术的一个实施例的校正后的图像。图7示出了本专利技术一个实施例的图像使用Shannon-Blackman尺度函数进行多尺度插值的表达示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本专利技术的一个实施例提供了一种基于Shannon-Blackman小波稀疏表达的图像处理方法。图1示出了本专利技术的基于Shannon-Blackman小波稀疏表达的图像处理方法的流程图。图2示出了现有的Shannon小波尺度函数和本专利技术的实施例的Shannon-Blackman尺度函数的对比图。参照图1，本专利技术的基于Shannon-Blackman小波稀疏表达的图像处理方法，具体过程包括：S1、获取待处理的图像；S2、构造基于Shannon-Blackman插值小波的多尺度插值算子，对所述图像进行放大。具体过程如下：设图像的定义域为(xmin,xmax)×(ymin,ymax)，图像中每个像素点的位置定义为其中j是尺度参数，kjx和kjy为j尺度上的位置参数；图像中每个像素点的位置定义为：首先，定义Shannon-Blackman尺度函数为：根据上述尺度函数，N为紧支撑常数，如图2所示，相对于Shannon小波尺度函数，本实施例的插值小波对应的尺度函数保留了插值特性和正交特性，同时还增加了紧支撑性，紧支撑的尺度函数作为求解偏微分方程的奇函数，可以同时改进算法数值精度和收敛速度。然后将Shannon-Blackman尺度函数由张量积定义为：根据插值小波变换的定义，可以推导出多尺度小波插值算子如下：其中，C1、C2、C3为小波插值变换矩阵，n1,n2为插值算子的位置，R为限制算子，J为尺度参数的最大值，j0表示为0层尺度，j1为区别于j的尺度参数，并且另外，所述限制算子R定义为：其中，l为区别于j的尺度参数。根据本文档来自技高网...

【技术保护点】
一种基于Shannon‑Blackman小波稀疏表达的图像处理方法，其特征在于，包括：获取待处理的图像；构造基于Shannon‑Blackman插值小波的多尺度插值算子，对所述图像进行放大；对放大后的图像构建小波框架下的图像变分模型；求解所述小波框架下的图像变分模型，获得清晰图像。

【技术特征摘要】
1.一种基于Shannon-Blackman小波稀疏表达的图像处理方法，其特征在于，包括：获取待处理的图像；构造基于Shannon-Blackman插值小波的多尺度插值算子，对所述图像进行放大；对放大后的图像构建小波框架下的图像变分模型；求解所述小波框架下的图像变分模型，获得清晰图像；所述构造基于Shannon-Blackman插值小波的多尺度插值算子对图像进行放大的具体过程如下：设图像的定义域为(xmin,xmax)×(ymin,ymax)，图像中每个像素点的位置定义为其中j是尺度参数，kjx和kjy为j尺度上的位置参数；定义Shannon-Blackman尺度函数为：将Shannon-Blackman尺度函数由张量积定义为：根据插值小波变换的定义，推导出多尺度小波插值算子如下：将所述图像u(x,y)通过多尺度插值函数表达为：其中，N为紧支撑常数，C1、C2、C3为小波插值变换矩阵，n1,n2为插值算子的位置，R为限制算子，J为尺度参数的最大值，j0表示为0层尺度，j1为区别于j的尺度参数；其中，2.如权利要求1所述的图像处理方法，其特征在于，所述图像中每个像素点的位置定义为：3.如权利要求1所述的图像处理方法，其特征在于，所述限制算子R定义为：其中，l为区别于j的尺度参数。4.如权利要求1所述的图像处理方法，其特征在于，所述对放大后的图像构建小波框架下的图像变分模型的具体过程为：定义所述放大后的图像的校正模型为：其中，(x,y)表示像素点的位置，t是扩散时间参数，f(x,y)为原始二维图像，c为扩散函数，u为通过多尺度插值函数表达的图像的表达式；将通过多尺度插值函数表达的图像的表达式带入到所述校正模型中，得到所...

【专利技术属性】
技术研发人员：梅树立，朱德海，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11