一种重加权数据项的结构保持图像平滑算法制造技术

本发明专利技术提供一种重加权数据项的结构保持图像平滑算法，包括以下步骤：S1、对输入图像I进行双边滤波，得到对应像素点经过双边滤波后的像素值通过像素值来计算像素点间的相似性权重w

【技术实现步骤摘要】
一种重加权数据项的结构保持图像平滑算法


[0001]本专利技术涉及图像处理
，具体涉及一种重加权数据项的结构保持图像平滑算法。

技术介绍

[0002]在信息时代，人们常通过视觉直观的获取图像中的主要信息，但一幅图像在成像、传输的过程中难免会受到各种外在因素的影响，如非均匀光线、噪声等，导致最后得到的图像质量大大降低。而图像平滑则是为了消除被污染图像中的噪声并保持边缘结构信息，这是数字图像技术研究的最基本内容之一，也是对图像进行处理的基础。现有的图像平滑算法可分为两类：一是基于加权平均滤波的算法，二是基于全局优化建模的算法。由于全局优化算法在避免梯度反转和光晕等伪影方面比基于加权平均优化算法具有更好的性能，因此更受研究者们的青睐。
[0003]基于全局优化算法通常是将图像平滑任务建模为一个全局优化框架，该框架通常包含一个数据项和一个正则项，一般可表示为E(u)＝S(u,I)+λC(u)，其中，数据项S(u,I)是为了保证输入/输出图像在结构上的相似性，而正则项C(u)是对输出图像梯度的惩罚，控制着输出图像的平滑程度，包含了对输出图像的先验知识，λ则是调整图像的平滑参数。
[0004]Farbman等人采用加权的L2正则化项对输出图像的梯度进行惩罚约束，提出一种加权最小二乘(WLS)平滑算法，其目标函数如下：
[0005][0006]其中，I表示输入图像，u表示输出图像，并假设图像的大小为m
×
n，总的像素个数为N＝m
×
n，λ为平滑参数，p为当前像素点，I
p
和u
p
分别表示对应输入/输出图像的像素点值，a
x,p
和a
y,p
为两个方向上梯度的权重。该算法在细节处理和多尺度图像色调的处理中比起局部加权算法有着更好的性能，它能够很好的抑制梯度反转伪影和晕轮现象，在图像平滑算法中更具有鲁棒性。
[0007]Xu等人使用L0范数对输出图像的梯度进行惩罚，能够清晰有效地保存图像边缘结构，其目标函数如下：
[0008][0009]其中，C(u)表示图像中像素梯度不为零的个数，它可以全局控制产生多少个非零梯度，并以一种稀疏控制的方式近似出显著的结构。与其他保留边缘的平滑方法不同，该方法可以全局定位重要的边缘信息并忽略部分局部特征，但通常会因此平滑少量具有小梯度的重要边缘，并且对于带有纹理噪声的自然图像难以达到预期的平滑效果。
[0010]Sai等人利用加权的L1范数对输出图像梯度进行约束，其目标函数如下：
[0011][0012]其中，p为当前像素点，q是p的邻域像素点，是中心像素点与其邻域像素点的一个权重。该方法通常能得到更为稀疏的结构特征，产生较好的平滑效果，但对于自然图像中一些对比度较强的纹理信息却无法去除。
[0013]上述算法仅依靠惩罚图像的梯度信息来实现平滑效果，考虑到自然图像结构复杂，数据项对所有的结构信息都会保留，一些高对比度的纹理和噪声信息在全局优化过程中会被当成结构保留下来，而部分弱结构信息则为了保证整个图像的平滑质量被丢弃。而本申请的专利技术人经过研究发现，目前现有的算法都是针对函数中的惩罚项来改进，而如何利用函数数据项中的像素间信息来增强平滑效果也是具有重要意义的课题。

技术实现思路

[0014]针对现有基于全局优化的图像平滑算法都是针对函数中的惩罚项来改进，而未见利用函数数据项中的像素间信息来增强平滑效果的技术问题，本专利技术提供一种重加权数据项的结构保持图像平滑算法。
[0015]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0016]一种重加权数据项的结构保持图像平滑算法，包括以下步骤：
[0017]S1、对输入图像I进行双边滤波，得到对应像素点经过双边滤波后的像素值通过像素值来计算像素点间的相似性权重w
p
，实现图像的预处理；
[0018]S2、根据相似性权重w
p
在结构信息与非结构信息间表现出来的特性，将现有全局优化算法中原来的数据项分为两项以构成新的数据项，新的数据项中一项实现保留图像的结构信息，另一项实现平滑图像中的纹理细节，并分别设置两项的权重；
[0019]S3、用新的数据项替换现有全局优化算法中原来的数据项，全局优化算法得到新的目标函数，对新的目标函数优化求解，得到最后滤波的输出图像u。
[0020]进一步，所述步骤S1中通过下式来计算双边滤波后的像素值
[0021][0022]其中，p表示当前像素点，q为p的邻域像素点，ω
p
为归一化因子，Gs(||p
‑
q||)表示空间信息的高斯函数，Gr(|I
p
‑
I
q
|)表示颜色信息的高斯函数，I
p
表示原图像在p点的像素值，I
q
表示p点的邻域像素值。
[0023]进一步，所述步骤S1中通过下式来计算像素点间的相似性权重w
p
：
[0024][0025]其中，σ
r
表示值域标准差。
[0026]进一步，所述步骤S2中新的数据项通过下式来表示：
[0027][0028]其中，u
p
表示输出图像在p点的像素值，I'＝h*I，h表示一个通用的图像平滑滤波器，γ
p
表示当前像素点p为结构点的权重，ψ
p
表示当前像素点p为非结构点的权重，对于重加权后的新的数据项式，第一项仍实现结构信息的保真，第二项能提升算法的平滑效果，并设置ψ
p
＝w
p
。
[0029]进一步，所述γ
p
和ψ
p
在函数中呈现为一个线性关系γ
p
＝1
‑
ψ
p
，即当前像素点p与邻域像素点q越相似，ψ
p
的值越大；若当前像素点p与邻域像素点q越不相似，则γ
p
的值越大。
[0030]进一步，所述ψ
p
用Ψ表示对应的权重矩阵，Ψ＝diag(ψ1,ψ2,...,ψ
N
)，其中diag(
·
)表示一个对角矩阵；所述γ
p
用Γ表示对应的权重矩阵，Γ＝E
‑
Ψ，E为单位矩阵。
[0031]进一步，所述步骤S3具体包括以下步骤：
[0032]首先将原始的L2梯度最小化的目标函数中的数据项用步骤S2中提出的新的数据项替换，重新改写基于重加权数据项的L2正则化图像平滑算法的目标函数为：其中，λ为调整图像的平滑参数，a
x,p
为x方向上梯度的权重，为在x方向上的梯度，a
y,p
为y方向上梯度的权重，为在y方向上的梯度；
[0033]接着用矩阵的方式来重新改写该目标函数后得：其中，u
T
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种重加权数据项的结构保持图像平滑算法，其特征在于，包括以下步骤：S1、对输入图像I进行双边滤波，得到对应像素点经过双边滤波后的像素值通过像素值来计算像素点间的相似性权重w
p
，实现图像的预处理；S2、根据相似性权重w
p
在结构信息与非结构信息间表现出来的特性，将现有全局优化算法中原来的数据项分为两项以构成新的数据项，新的数据项中一项实现保留图像的结构信息，另一项实现平滑图像中的纹理细节，并分别设置两项的权重；S3、用新的数据项替换现有全局优化算法中原来的数据项，全局优化算法得到新的目标函数，对新的目标函数优化求解，得到最后滤波的输出图像u。2.根据权利要求1所述的重加权数据项的结构保持图像平滑算法，其特征在于，所述步骤S1中通过下式来计算双边滤波后的像素值骤S1中通过下式来计算双边滤波后的像素值其中，p表示当前像素点，q为p的邻域像素点，ω
p
为归一化因子，Gs(||p
‑
q||)表示空间信息的高斯函数，Gr(|I
p
‑
I
q
|)表示颜色信息的高斯函数，I
p
表示原图像在p点的像素值，I
q
表示p点的邻域像素值。3.根据权利要求2所述的重加权数据项的结构保持图像平滑算法，其特征在于，所述步骤S1中通过下式来计算像素点间的相似性权重w
p
：其中，σ
r
表示值域标准差。4.根据权利要求1所述的重加权数据项的结构保持图像平滑算法，其特征在于，所述步骤S2中新的数据项通过下式来表示：其中，u
p
表示输出图像在p点的像素值，I'＝h*I，h表示一个通用的图像平滑滤波器，γ
p
表示当前像素点p为结构点的权重，ψ
p
表示当前像素点p为非结构点的权重，对于重加权后的新的数据项式，第一项仍实现结构信息的保真，第二项能提升算法的平滑效果，并设置ψ
p
＝w

【专利技术属性】
技术研发人员：龙建武，王雪梅，张臣，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：