全变差正则化变分随机共振自适应暗图像滤波增强方法技术

本发明专利技术公开了一种全变差正则化变分随机共振自适应暗图像滤波增强方法。该方法在变分框架下将全变差正则化滤波与随机共振增强进行耦合，通过全变差正则化图像去噪和随机共振图像增强两个步骤的交替迭代实现含噪声的低对比度暗图像的滤波去噪和对比度增强。本发明专利技术提出的模型自适应计算方法，一方面使本发明专利技术可以适用于不同的图像，提高算法适用性，另一方面也可以自适应保持图像亮度阈值在正常范围内。本发明专利技术可以在增强图像对比度的同时，有效地抑制噪声并保持图像的细节成分，增强之后的图像具有良好视觉效果，在医学成像、夜视安全监控等领域具有广泛的应用前景。

Total variation regularized variational stochastic resonance adaptive dark image filtering enhancement method

The invention discloses a total variation regularized regularized stochastic resonance adaptive dark image filtering enhancement method. The method in the variational framework of the total variation regularization filter and stochastic resonance enhanced coupling, the total variation regularization of image denoising and image enhancement iterative stochastic resonance in two steps with noise and low contrast dark image filtering denoising and contrast enhancement. The calculation method of adaptive model proposed by the invention, one hand so that the invention can be applied to different images, improve the applicability of the algorithm, on the other hand can also maintain the adaptive image brightness threshold in the normal range. The invention can enhance the contrast of image and suppress noise effectively and keep the details of the image, has good visual effect after image enhancement, and has wide application prospect in medical imaging, security monitoring and other fields of vision.

【技术实现步骤摘要】
全变差正则化变分随机共振自适应暗图像滤波增强方法
本专利技术属于图像增强的技术，具体涉及一种全变差正则化变分随机共振自适应暗图像滤波增强方法，
技术介绍
低对比度暗图像的增强在医学成像、夜视监测、遥感等领域具有广泛的应用前景。目前，国际上关于暗图像增强问题已有许多研究，如直方图均衡化(HE)(Q.Wang,L.ChenandD.Shen,FastHistogramEqualizationforMedicalImageEnhancement,30thAnnualInternationalIEEEEMBSConferenceVancouver,2008)，单尺度Retinex(SSR)(ChoiDH,JangIH,MiHK,etal.Colorimageenhancementusingsingle-scaleretinexbasedonanimprovedimageformationmodel.SignalProcessingConference,2008,European.IEEE,2008:1-5)，多尺度Retinex(MSR)(RahmanZU,JobsonDJ,WoodellG本文档来自技高网...

【技术保护点】
一种全变差正则化变分随机共振自适应暗图像滤波增强方法，其特征在于：通过下面两个阶段共四个步骤来实现低对比度暗图像的亮度增强和噪声抑制：阶段一：图像预处理阶段加噪声步骤:依据当前给定的待处理的低对比度暗图像uo的方差，随机生成高斯白噪声，并加入到待处理的大小为M×N的低对比度暗图像uo中，生成实际处理的大小为M×N的含噪声低对比度暗图像f；阶段二：图像自适应增强滤波阶段通过下面三个步骤的交替迭代实现图像的自适应增强滤波：步骤一:对第n步迭代计算得到的大小为M×N的增强滤波后的图像u

【技术特征摘要】
1.一种全变差正则化变分随机共振自适应暗图像滤波增强方法，其特征在于：通过下面两个阶段共四个步骤来实现低对比度暗图像的亮度增强和噪声抑制：阶段一：图像预处理阶段加噪声步骤:依据当前给定的待处理的低对比度暗图像uo的方差，随机生成高斯白噪声，并加入到待处理的大小为M×N的低对比度暗图像uo中，生成实际处理的大小为M×N的含噪声低对比度暗图像f；阶段二：图像自适应增强滤波阶段通过下面三个步骤的交替迭代实现图像的自适应增强滤波：步骤一:对第n步迭代计算得到的大小为M×N的增强滤波后的图像u(n)，通过求解下面的优化问题实现图像的梯度滤波：公式(1)中各符号含义为：u(n)：第n步迭代计算得到的大小为M×N的增强滤波后的图像；图像u(n)在像素点(i,j)处的沿垂直方向的一阶差分；图像u(n)在像素点(i,j)处的沿水平方向的一阶差分；dx:对于图像u(n)沿垂直方向的一阶差分的近似；dy:对于图像u(n)沿水平方向的一阶差分的近似；通过对公式(1)求解，得到的对图像u(n)沿垂直方向的一阶差分的最优近似；通过对公式(1)求解，得到的对图像u(n)沿水平方向的一阶差分的最优近似；λ2:用于控制dx和dy对于图像u(n)沿垂直方向和水平方向的一阶差分的近似程度，取为充分大的正数；步骤二：在步骤一求解得到和后，通过求解下面的随机共振优化问题，更新得到新的增强滤波图像u(n+1)公式(2)中各符号含义为：f：在预处理阶段中得到的大小为N×M的实际处理的含噪声低亮度图像；u：大小为N×M的待求近似真实图像；fij:图像f在像素点(i,j)处的灰度值；uij:图像u在像素点(i,j)处的灰度值；图像u在像素点(i,j)处的沿垂直方向的一阶差分；图像u在像素点(i,j)处的沿水平方向的一阶差分；λ1：用于调节控制正则化滤波项的滤波强度的参数；a：用于调节控制随机共振增强项的增强强度的参数；像素点(i,j)处的凸优化控制参数；步骤三：判断增强滤波后的图像u(n+1)是否满足给定的迭代终止条件，如果满足，则迭代终止，输出最终的增强滤波后的图像u(n+1)；否则，则依据u(n+1)来自适应更新模型参数，然后转回到阶段二的步骤一继续迭代计算，直到满足迭代终止条件为止。2.根据权利要求1所述的全变差正则化变分随机共振自适应暗图像滤波增...

【专利技术属性】
技术研发人员：张军，刘海姣，韦志辉，李敏，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32