基于引导图全变分模型的图像纹理和结构的分解方法技术

本发明专利技术公开一种基于引导图全变分模型的图像纹理和结构的分解方法，属于图像处理技术领域。本发明专利技术提供的基于引导图全变分模型的图像纹理和结构的分解方法，先基于引导图滤波重构图像的局部主要结构，然后根据重构的局部结构图计算纹理描述符，最终结合多尺度全变分模型以及块平移方法提高纹理和结构分解的准确性和计算效率。本发明专利技术的技术方案对噪声较大的图像能获得更好的纹理/结构分解效果，对图像中不同尺度的结构和纹理也能进行准确地分解，分解出的结构层能保持图像原有的明暗变化，避免了单一使用局部平滑导致的结构模糊或全局优化方法带来的色块效应。另外，本发明专利技术的技术方案所需要提取的特征简单，不依赖于对大量图像样本的学习。

【技术实现步骤摘要】
基于引导图全变分模型的图像纹理和结构的分解方法
本专利技术属于图像处理
，具体地说，涉及一种基于引导图全变分模型的图像纹理和结构的分解方法。
技术介绍
纹理和结构是图像固有的最基本的视觉特征，分离图像中的纹理和结构对进一步处理和理解图像有着重要意义。在复杂场景图像中准确高效地分离纹理和结构是一项具有挑战性的工作。在实际应用中，基于滤波的方法和基于全变分的方法是两类常用的纹理结构分解方法。基于滤波的方法通过计算图像局部纹理和结构特征间的差异来完成分解，其优点是方法简单、直观，速度快，缺陷是对弱边缘难以准确重构，容易导致部分图像重要结构被过度模糊，对局部变化较强的纹理分解能力较弱。全变分模型能更好地表达纹理/结构分解问题，图像的纹理和结构可与模型中不同的数据项或正则项相对应，通过最小化能量函数可以获得全局最优解，模型也具有更高的可控性。但基于全变分的纹理和结构分解对纹理描述方法十分敏感，超参的选择也十分困难，全局优化容易导致分解后的结构图像被过度平滑，缺乏合理的局部明暗变化，在部分区域会退化为单一色块。此外，基于全变分模型分解纹理和结构计算量大，对计算时间有严格要求的应用并不适用。本文档来自技高网...

【技术保护点】
1.一种基于引导图全变分模型的图像纹理和结构的分解方法，其特征在于，包括以下步骤：S1、将待分解的原图像I和引导图输入局部结构重构模块；S2、基于待分解的原图像I和引导图，通过多次迭代使用高斯滤波、联合双边滤波，重构出局部结构图像；S3、提取局部结构图像的纹理特征Fp，Fp为5维特征向量，

【技术特征摘要】
1.一种基于引导图全变分模型的图像纹理和结构的分解方法，其特征在于，包括以下步骤：S1、将待分解的原图像I和引导图输入局部结构重构模块；S2、基于待分解的原图像I和引导图，通过多次迭代使用高斯滤波、联合双边滤波，重构出局部结构图像；S3、提取局部结构图像的纹理特征Fp，Fp为5维特征向量，其中分别为像素p在Lab颜色空间中三个通道上的值，分别表示像素p在L通道上的一阶和二阶导数；S4、计算局部结构图像的纹理特征Fp的区域协方差，获得局部结构图像的纹理度Tp，其中，参与区域协方差计算的图像块大小为k，k的初始值为15；S5、利用块平移策略对获得的局部结构图像的纹理度Tp进行校正；S6、将原图像和校正后的局部结构图像的纹理度输入全变分纹理/结构分解模块，分解出图像的全局结构层；S7、将分解后的结构层S*作为新的引导图输入到局部结构重构模块；S8、将S4步骤中的图像块大小k更新为：S9、重复S2～S8步骤4次，将最后一次迭代得到的S*作为原图像的结构层S输出；S10、用原图像I减去S9步骤中最终得到的原图像结构层S，得到原图像的纹理层T。2.如权利要求1所述的方法，其特征在于，S2步骤的实现过程具体包括：S21、根据纹理大小设置初始的空间尺度参数σs，σs的初始值为3；S22、根据σs对引导图进行高斯滤波，平滑图像纹理细节；S23、对原图像I和引导图进行联合双边滤波，其中颜色权重在S21步骤计算后的引导图上获取；S24、更新尺度参数σs＝2σs+1，并将S23步骤滤波后的图像作为新的引导图；S25、...

【专利技术属性】
技术研发人员：吴昊，徐丹，袁国武，普园媛，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南,53