一种基于自适应邻域形状的图像边缘保持滤波方法技术

本发明专利技术公开了一种基于自适应邻域形状的图像边缘保持滤波方法。基于线段移位，即在每个像素点上向不同方向画长度为的线段，而这些线段在它们各自的方向上做径向移动，但是必须保证这些移位线段中包含当前像素点，在每个方向上的移位线段中寻找最“干净”的线段，然后由这些不同方向上的最“干净”的线段组合形成当前像素点的“干净”邻域，根据线段的“干净度”计算这些线段在形成当前像素点滤波指导值的加权系数，而线段长度直接控制滤波的尺度，即在这个尺度下的纹理和噪声都会被滤除掉。本发明专利技术具有滤除图像中纹理和大尺度噪声干扰的功能，能保持图像显著有意义边缘清晰。可广泛应用于图像细节增强、图像卡通化、和图像目标识别等。

Image edge preserving filtering method based on adaptive neighborhood shape

The invention discloses an image edge preserving filtering method based on adaptive neighborhood shape. Based on line segment shifting, i.e. drawing segments of length in different directions at each pixel point, and these segments move radially in their respective directions, it is necessary to ensure that these shifted segments contain the current pixel point, find the most \clean\ line segment in the shifted line segment in each direction, and then by these differences The most \clean\ line segments in the direction combine to form the \clean\ neighborhood of the current pixel. According to the \cleanliness\ of the line segments, the weighting coefficients of these lines are calculated to form the current pixel filter guide values. The length of the line segments directly controls the filter scale, that is, the texture and noise in this scale will be filtered out. The invention has the function of filtering texture and large-scale noise interference in the image, and can keep the significant and meaningful edges of the image clear. It can be widely applied to image detail enhancement, image cartoon, and image target recognition.

【技术实现步骤摘要】
一种基于自适应邻域形状的图像边缘保持滤波方法
本专利技术涉及一种图像边缘保持滤波方法，尤其是涉及一种基于自适应邻域形状的图像边缘保持滤波方法。
技术介绍
图像边缘保持滤波是很多计算机视觉应用系统中一个非常关键的预处理步骤，它能滤除图像中纹理和噪声的干扰，同时保持图像中显著有意义的边缘清晰，为后续的视觉对象分割、语义分析和三维空间重建等提供必要的技术支持。当图像中纹理或噪声的变化尺度比较小时，双边滤波方法(C.Tomasi,R.Manduchi,“Bilateralfilteringforgrayandcolorimages,”inProc.ofICCV,1998)或基于偏微分方程各向同性扩散滤波方法(L.Rudin,S.OsherandE.Fatemi,“Nonlineartotalvariationbasednoiseremovalalgorithm,”PhysicaDNonlinearPhenomena,vol.60,issues1-4,pp.259-268,1992)能够较好的滤除图像中纹理或噪声干扰。但是，当图像中纹理或噪声的变化尺度与图像中边缘的变化尺度相当时，这些基于图像梯度方法就难以有效地滤除纹理和噪声了，它们或者将纹理当作图像边缘予以保留；或者在滤除纹理和噪声的同时，严重模糊图像中显著有意义的边缘，进而影响后续图像边缘检测和视觉对象分割等。与一般高斯噪声相比，纹理具有很大的空间相关性，为了有效滤除图像中纹理干扰，近期研究人员提出了很多面向纹理的图像边缘保持滤波方法。这些方法围绕的一些核心问题就是：区分由纹理或噪声引起色彩或灰度的变化和由图像中显著有意义的边缘引起色彩或灰度的变化，以及寻找合适的滤波尺度等。如文献(L.Xu,Q.Yan,Y.XiaandJ.Jia,“Structureextractionfromtextureviarelativetotalvariation,”ACMTransactionsonGraphics,vol.31,no.6,Article139,2012)提出一个衡量局部变化尺度，即相对总变差(RelativeTotalVariation)来区分图像中由纹理或噪声引起色彩或灰度的变化和由显著有意义的边缘引起色彩或灰度的变化。但是如果图像中纹理或噪声的变化尺度与附近边缘两侧的变化尺度相当时，该尺度还是无法区分由纹理或噪声引起色彩或灰度的变化和由显著有意义的边缘引起色彩或灰度的变化。而文献(J.Jeon,H.Lee,H.Kang,S.Lee,“Scale-awarestructure-preservingtexturefiltering,”ComputerGraphicsForum,vol.35,no.7,pp.77-86,2016)则考虑到相对总变差容易将图像中一些“角”结构误认为是x和y方向上震荡的纹理而加以滤除，提出一个具有方向感的相对总变差(即DirectionalRelativeTotalVariation)。这个尺度能提高判别像素点离边缘距离的精度，从而控制高斯滤波核的尺度。由于他们采用的滤波技术是高斯滤波器，所以还是会导致图像中的边缘受到不同程度的模糊。杨庆雄(Q.Yang,“Semanticfiltering,”inProc.OfIEEECVPR,2016)提出将基于随机森林的边缘检测方法(P.DollarandC.L.Zitnick,“Fastedgedetectionusingstructuredforests,”IEEETransactionsonPatternAnalysisandMachineIntelligence,vol.37,no.8,pp.1558-1570,2015)得到的边缘置信图作为指导图像，并结合到双边滤波的一种加速变体方法(E.S.L.GastalandM.M.Oliveira,“Domaintransformforedge-awareimageandvideoprocessing,”inProc.ofSIGGRAPH,2011)中，但是这个方法对于靠近边缘的纹理还是很难滤除。由于纹理影响的不是单个像素点，而是一片区域，为了更好的滤除纹理，文献(H.Cho,H.Lee,H.Kang,S.Lee,“Bilateraltexturefiltering,”ACMTransactionsonGraphics,vol.33,no.4,Article128,2014)提出一种基于图像块移位策略(PatchShift)的图像边缘保持滤波方法，在每个像素点周围寻找一个“干净的”图像块，这个“干净的”图像块内色彩或灰度的平均值作为该像素点在联合指导双边滤波中的滤波指导值。这个方法能有效地滤除大面积纯纹理区域，或大尺度边缘附近的纹理。但是这个方法在面临像素点位于狭长地带或位于尖角内部时会出现问题，因为在这些像素点周围很难找到“干净的”图像块，从而会使图像中狭长地带和尖角结构变模糊。
技术实现思路
本专利技术的目的在于提供一种基于自适应邻域形状的图像边缘保持滤波方法，能突破一般图像边缘保持滤波方法中所考虑的邻域是方块状或圆形状的局限性，利用线段移位(LineShift)策略能形成规则或不规则的邻域形状，从而达到更好滤除图像中狭长地带和尖角内部的纹理和噪声，同时能保持图像中狭长地带和尖角结构的清晰。本专利技术技术方案的核心思想是线段移位(LineShift)，即在每个像素点上向不同方向画长度为k的线段，而这些线段可以在它们各自的方向上做径向移动，但是必须保证这些移位线段中包含当前像素点，在每个方向上的移位线段中寻找最“干净”的线段，然后由这些不同方向上的最“干净”的线段组合形成当前像素点的“干净”邻域，同时根据这些线段的“干净度”来计算这些线段在形成当前像素点滤波指导值的加权系数，而线段长度k直接控制滤波的尺度，也就是说凡是在这个尺度下的纹理和噪声都会被滤除掉。本专利技术采用的技术方案的步骤如下：步骤1)设置滤波的最大迭代次数为MaxIter，在每个像素点上考虑no个不同方向，在每个方向上寻找“干净”线段时所采用线段的长度为k，并初始化滤波的迭代次数为Iter＝0；步骤2)输入一幅输入图像I，并计算输入图像I的亮度分量Il；步骤3)用一个小尺度的均匀滤波核对输入图像I进行滤波，得到滤波后图像I0；步骤4)计算滤波后图像I0的边缘置信图E，边缘置信图E中每个像素点上的数值是在0和1之间，包括0和1在内，数值越大表明像素点上存在边缘的置信度越高；步骤5)用一个大小为k×k均匀滤波核对输入图像I的亮度分量Il进行滤波，得到一个均匀模糊灰度图像b；步骤6)在每个像素点p上，以该像素点p为中心画出no条不同方向并长度为k的线段，这些线段沿着各自方向径向移动，每个方向上有k条包含该像素点的线段，从这k条线段中选取最不可能穿越边缘的线段作为该方向上最“干净”线段Lθ(p)，这里θ表示线段的方向表示no个不同方向的角度)，沿着no个不同方向找出no条长度为k包含像素点p“干净”线段这些线段形成像素点p的“干净”邻域，这个“干净”邻域中像素点灰度值的加权平均是像素点p的滤波指导值，在每个像素点上都形成这样的“干净”邻域并计算其滤波指导值，得到一个最初滤波指导图像g；步本文档来自技高网...

【技术保护点】
1.一种基于自适应邻域形状的图像边缘保持滤波方法，其特征在于，该方法包括下列步骤：步骤1)设置滤波的最大迭代次数为MaxIter，在每个像素点上考虑no个不同方向，在每个方向上寻找“干净”线段时所采用线段的长度为k，并初始化滤波的迭代次数为Iter＝0；步骤2)输入一幅输入图像I，并计算输入图像I的亮度分量Il；步骤3)用一个小尺度的均匀滤波核对输入图像I进行滤波，得到滤波后图像I0；步骤4)计算滤波后图像I0的边缘置信图E，边缘置信图E中每个像素点上的数值是在0和1之间，包括0和1在内，数值越大表明像素点上存在边缘的置信度越高；步骤5)用一个大小为k×k均匀滤波核对输入图像I的亮度分量Il进行滤波，得到一个均匀模糊灰度图像b；步骤6)在每个像素点p上，以该像素点p为中心画出no条不同方向并长度为k的线段，这些线段沿着各自方向径向移动，每个方向上有k条包含该像素点的线段，从这k条线段中选取最不可能穿越边缘的线段作为该方向上最“干净”线段Lθ(p)，这里θ表示线段的方向

【技术特征摘要】
1.一种基于自适应邻域形状的图像边缘保持滤波方法，其特征在于，该方法包括下列步骤：步骤1)设置滤波的最大迭代次数为MaxIter，在每个像素点上考虑no个不同方向，在每个方向上寻找“干净”线段时所采用线段的长度为k，并初始化滤波的迭代次数为Iter＝0；步骤2)输入一幅输入图像I，并计算输入图像I的亮度分量Il；步骤3)用一个小尺度的均匀滤波核对输入图像I进行滤波，得到滤波后图像I0；步骤4)计算滤波后图像I0的边缘置信图E，边缘置信图E中每个像素点上的数值是在0和1之间，包括0和1在内，数值越大表明像素点上存在边缘的置信度越高；步骤5)用一个大小为k×k均匀滤波核对输入图像I的亮度分量Il进行滤波，得到一个均匀模糊灰度图像b；步骤6)在每个像素点p上，以该像素点p为中心画出no条不同方向并长度为k的线段，这些线段沿着各自方向径向移动，每个方向上有k条包含该像素点的线段，从这k条线段中选取最不可能穿越边缘的线段作为该方向上最“干净”线段Lθ(p)，这里θ表示线段的方向表示no个不同方向的角度)，沿着no个不同方向找出no条长度为k包含像素点p“干净”线段这些线段形成像素点p的“干净”邻域，这个“干净”邻域中像素点灰度值的加权平均是像素点p的滤波指导值，在每个像素点上都形成这样的“干净”邻域并计算其滤波指导值，得到一个最初滤波指导图像g；步骤7)将步骤5)中得到的均匀模糊灰度图像b和步骤6)中得到的最初滤波指导图像g通过一个线性加权方式得到滤波指导图像G；步骤8)利用步骤7)中得到的滤波指导图像G对输入图像I进行联合指导双边滤波，得到中间滤波图像f0；步骤9)对步骤8)中得到的中间滤波图像f0递归进行两次双边滤波后得到最终滤波图像f；步骤10)将迭代次数Iter加1，检查Iter是否超过所设置最大迭代次数MaxIter，如果是则输出最终滤波图像f，反之，则将步骤9)得到最终滤波图像f赋给输入图像I，再跳回到步骤2)。2.根据权利要求1所述的一种基于自适应邻域形状的图像边缘保持滤波方法，其特征在于：所述步骤3)中一个小尺度的均匀滤波核是3×3的均匀滤波核或5×5的均匀滤波核3.根据权利要求1所述的一种基于自适应邻域形状的图像边缘保持滤波方法，其特征在于：所述步骤4)中计算滤波后图像I0的边缘置信图E采用将能输出归一化到0到1区间数值的边缘检测方法。4.根据权利要求1所述的一种基于自适应邻域形状的图像边缘保持滤波方法，其...

【专利技术属性】
技术研发人员：刘伯露，陆系群，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33