基于分数阶多尺度熵融合的自适应增益图像增强方法技术

本发明专利技术公开了基于分数阶多尺度熵融合的自适应增益图像增强方法，包括：将原始水下图像划分成非重叠的矩形图像块；获取与尺度数量一致的基于分数阶的增强输出图像；计算融合后的图像的信息熵和对比度；确定图像块内对比度增强的输出图像；获取全局对比度增强图像；将原始水下图像由RGB图像转换为灰度图像；计算灰度图像对应的梯度图像，求得梯度图像的自适应增益函数；计算最终的基于分数阶多层熵融合的自适应增益水下增强图像；输出基于分数阶多层熵融合的自适应增益水下增强图像。本发明专利技术对水下图像进行增强处理，使得增强后的图像细节更加丰富清晰，整体图像的对比度、信息熵和色彩信息等等都能得到进一步提升。

Adaptive gain image enhancement method based on fractional multiscale entropy fusion

【技术实现步骤摘要】
基于分数阶多尺度熵融合的自适应增益图像增强方法
本专利技术属于图像信息处理领域，具体涉及基于分数阶多尺度熵融合的自适应增益图像增强方法。
技术介绍
水下目标探测图像往往存在非均匀亮度、低信噪比、低对比度等特殊情况，导致水下图像降质严重。图像增强是对原始图像进行处理加工，改善图像的显示效果，使其转换成更适合图像分析处理的一类有效方法。有学者对整数阶微分图像增强进行改进，通过对其进行加权或综合其他方法，可以提升整数阶微分的增强效果。但是，这些方法仍然无法有效改善整数阶微分对噪声敏感以及容易抑制图像纹理细节的缺点。
技术实现思路
为了解决上述问题，本专利技术提出了基于分数阶多尺度熵融合的自适应增益图像增强方法，包括以下步骤：将原始水下图像划分成非重叠的图像块；在图像块内部进行多尺度分数阶微积分运算，获取与尺度数一致的基于分数阶的增强输出图像，所述尺度数为分数阶的阶数的个数；在与尺度数量一致的基于分数阶的增强输出图像的基础上，在图像块内部对不同功率因数的增强输出图像进行均值融合，并计算融合后的图像的信息熵和对本文档来自技高网...

【技术保护点】
1.基于分数阶多尺度熵融合的自适应增益图像增强方法，其特征在于，包括以下步骤：/n将原始水下图像划分成非重叠的图像块；/n在图像块内部进行多尺度分数阶微积分运算，获取与尺度数一致的基于分数阶的增强输出图像，所述尺度数为分数阶的阶数的个数；/n在与尺度数量一致的基于分数阶的增强输出图像的基础上，在图像块内部对不同功率因数的增强输出图像进行均值融合，并计算融合后的图像的信息熵和对比度；/n对图像块内融合后的图像的信息熵和对比度进行比较分析，确定图像块内对比度增强的输出图像；/n利用双线性插值，对图像块内对比度增强的输出图像进行相邻区域内的像素重新赋值操作，获取全局对比度增强图像；/n输入原始水下图...

【技术特征摘要】
1.基于分数阶多尺度熵融合的自适应增益图像增强方法，其特征在于，包括以下步骤：
将原始水下图像划分成非重叠的图像块；
在图像块内部进行多尺度分数阶微积分运算，获取与尺度数一致的基于分数阶的增强输出图像，所述尺度数为分数阶的阶数的个数；
在与尺度数量一致的基于分数阶的增强输出图像的基础上，在图像块内部对不同功率因数的增强输出图像进行均值融合，并计算融合后的图像的信息熵和对比度；
对图像块内融合后的图像的信息熵和对比度进行比较分析，确定图像块内对比度增强的输出图像；
利用双线性插值，对图像块内对比度增强的输出图像进行相邻区域内的像素重新赋值操作，获取全局对比度增强图像；
输入原始水下图像，将原始水下图像由RGB图像转换为灰度图像；
应用4方向Sobel边缘检测器计算灰度图像对应的梯度图像，求得梯度图像的自适应增益函数；
结合梯度图像的自适应增益函数对全局对比度增强图像进行基于自适应梯度增益的广义有界对数乘法运算，获得最终的基于分数阶多层熵融合的自适应增益水下增强图像；
输出基于分数阶多层熵融合的自适应增益水下增强图像。


2.根据权利要求1所述的基于分数阶多尺度熵融合的自适应增益图像增强方法，其特征在于，所述矩形关联图像块具体表示为：
Blockc，m，n
其中，c表示颜色通道c＝{r，g，b}；r，g，b分别表示红绿蓝三种颜色通道；m，n表示矩形图像块检索，m＝0，1，2，…，M-1，n＝0，1，2，…，N-1，M为划分的图像块的总行数，N为划分的图像块的总列数。


3.根据权利要求2所述的基于分数阶多尺度熵融合的自适应增益图像增强方法，其特征在于，所述在矩形图像块内部进行多尺度分数阶微积分运算，获取与尺度数量一致的基于分数阶的增强输出图像具体包括：
获得基于分数阶微积分操作的增强图像具体为；






Uc，m，n(x，y)＝Ic，m，n，max-Ic，m，n(x，y)
其中，k是功率因数，α是分数阶，e表示图像块内的增强；Uc，m，n(x，y)是输入图像Ic，m，n(x，y)的反转图像，Ic，m，n，max是输入图像Ic，m，n(x，y)亮度最大的像素值，是反转图像Uc，m，n(x，y)的分数阶导数，是反转图像Uc，m，n(x，y)的分数阶积分，Ω表示积分的区域，和分别是反转图像Uc，m，n(x，y)基于分数阶微积分操作的增强图像和亮度最大的像素值，是输入图像Ic，m，n(x，y)基于分数阶微积分操作的增强图像；和分别为反转图像Uc，m，n(x，y)基于分数阶微积分操作的增强图像的高频部分和低频部分；公式由公式反转而来，和分别为基于分数阶微积分操作的增强图像的高频部分和低频部分；
获取与尺度数一致的基于分数阶的增强输出图像，具体为：



其中，αi表示第i个分数阶，i表示分数阶的尺度数，最大尺度数为P，P根据增强输出图像的增强性能进行设置，通常取5，6或7。


4.根据权利要求3所述的基于分数阶多尺度熵融合的自适应增益图像增强方法，其特征在于，在与尺度数量一致的基于分数阶的增强输出图像的基础上，在图像块内部对不同功率因数的增强输出图像进行均值融合，并计算融合后的图像的信息熵和对比度，具体为：

【专利技术属性】
技术研发人员：马金祥，范新南，姚文卿，狄轶娟，李子曦，张永春，周培培，赵耀，
申请(专利权)人：常州工学院，
类型：发明
国别省市：江苏;32