基于小波重构中多尺度边缘检测的图像增强方法技术

本发明专利技术涉及一种基于反对称双正交小波重构中多尺度边缘检测的图像增强方法。在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的增强。首先对图像进行多尺度小波分解；然后在每一级小波重构中，根据半重构结果计算模值图和相角图并进行模极大值检测和阈值处理，提取该尺度边缘图像；并根据边缘图像，增强半重构图像的对应边缘点；然后继续重构，获得增强了的上一尺度低频分量。从最粗分辨率级开始，按上述每一级重构增强过程进行小波逐级重构，最终实现图像增强。本发明专利技术的图像增强方法可广泛应用于医学影像、生物特征识别、车辆辅助驾驶、军事及人机交互等中数字图像有关改进的领域。

【技术实现步骤摘要】

本专利技术涉及一种基于反对称双正交小波重构过程中多尺度边缘 检测的图像增强方法，属于图像处理领域，特别涉及图像增强技术中 基于小波变换的图像增强方法。
技术介绍
图像增强是指按实际需要采取相应的技术手段强调图像中的某 些特征而抑制其它信息，改善视觉效果，或使之更适合于图像的后续 处理及特定应用的过程。作为基本的图像处理技术，图像增强包含的 内容比较广泛，对比度增强、边缘、轮廓、纹理增强、图像锐化以及 噪声去除、几何畸变校正等，广义上都可称为图像增强。其中图像对 比度与灰度梯度相关，对比度的高低预示着灰度梯度的大小，边缘、 轮廓和纹理增强也意味着对比度增强。根据具体应用目的的不同，图 像增强方法主要有三类空间域增强方法、变换域增强方法和基于参 数优化的方法等。其中，变换域增强方法是将图像变换到频域或小波 域,对图像的变换系数进行某种修正，然后通过逆变换获得增强图像， 如基于傅立叶变换的同态增晰方法。小波变换以其优异的时频域局部化和多分辨率分析能力在图像 处理领域得到了广泛的应用。在现有文献中，小波域图像增强方法主 要有两种(1)小波变换反锐化掩模法。通过原始图像叠加原图与小 波分解低频分量之差，实现边缘锐化；(2)小波变换高频增强法。即 利用小波分解，将原始图像中高频分量和低频分量进行不同程度的分 离，然后采用不同的方法来增强不同尺度的图像细节分量。有文献证 明小波高频图像增强与反锐化掩模方法有内在的联系。对小波分解后的高频通道乘以适当的增益，其结果类似于反锐化掩模方法处理结果。小波域图像增强往往和滤噪问题联系在一起，即滤噪和滤噪增 强。滤噪的核心问题是在小波域数据区别噪声系数和图像边缘系数。 对此国内外学者做了大量的研究工作，提出了小波收縮法、小波模极 大值法、相关性法等滤噪方法。小波收縮法分为比例收縮和阈值收縮。 比例收縮法通过度量小波系数被噪声污染的程度，来确定系数收縮的 比例。阈值收縮法通过选取适当的阈值，采用阈值函数压制小于阈值 的小波系数达到滤噪的目的。因此阈值收縮法的研究重点是如何确定 阈值和如何定义阈值函数。根据研究的侧重不同，阈值分为统一阈值 (全局阈值)和自适应阈值(局部阈值)两种。阈值函数主要有软阈 值、硬阈值等。小波模极大值法采用二进巻积小波获得图像的模值图和相角图，通过Lipschitz指数刻画信号的奇异性，利用信号和噪声在 不同尺度模值图上的表现，利用模极大值原理进行去噪，然后采用迭 代实现的交替投影法由模极大值点重构小波系数，这种方法计算量较 大。相关性去噪方法根据信号与噪声的小波变换系数在相邻尺度之间 的相关性进行滤波。小波域滤噪增强一般是在辨识噪声系数和图像边缘系数的基础 上，对不同的小波系数采取不同的拉伸策略，达到抑制噪声、增强有 用信息的目的。与此类似，考虑噪声情况的增强方法往往定义一个非 线性的增益函数，使处于不同区间范围的小波系数得到不同程度的抑 制或拉伸，来进行图像的抑噪增强。小波变换适用于表示各向同性奇异性的对象，但对于图像中的具 有线奇异和曲线奇异等高维几何特征的边缘、轮廓、纹理信息不能做 到有效刻画和稀疏表示。因此在图像处理领域，很多学者致力于从构造具有方向选择性和各向异性、能对边缘进行稀疏描述的最优基函数 的角度来解决问题。这就是多尺度几何分析方法。其中针对图像滤噪和增强，经常采用以Ridgelet变换、curvelet变换和contourlet变换为代表的非自适应几何分析。上述方法是小波域图像滤噪和增强的主流，这些方法的共同特点 是直接对小波分解数据进行处理，即在考虑噪声的基础上，对不同特 点的小波系数进行剪裁和增强，然后通过小波重构改善图像效果，其 算法的一般流程如图l所示。即首先对图像进行多尺度小波分解，然 后在小波域区分噪声、边缘及弱边缘系数，接下来采用阈值函数或增 强函数对不同类型小波系数进行处理，抑制噪声系数和拉伸信号系 数，最后通过小波重构实现图像的滤噪增强。本专利技术与上述小波域图像增强方法的思路不同，主要有如下特 点(1)在小波塔式分解数据上有针对性地实现对图像边缘的增强， 比通常采用二进巻积小波实现图像边缘处理与增强减少了计算量； (2)针对图像边缘的锐化增强在小波重构过程中完成，不增加额外 计算量并优于小波域数据直接增强方法。
技术实现思路
针对传统小波域图像增强方法的不足，本专利技术所采用的技术方案 是提供了一种针对图像多尺度边缘提取的反对称双正交小波重构方 法，可以在重构过程中进行图像多尺度边缘检测。在此基础上提供了 一种基于反对称双正交小波重构的图像锐化增强方法。根据本专利技术的基于反对称双正交小波的图像增强方法，包括如下 步骤首先对图像进行多尺度塔式小波分解，然后从最粗分辨率级分 解数据开始进行小波逐级重构，在每一级重构过程中提取半重构 图像，利用半重构的图像，计算该尺度下的模值图和相角图，根7据模值图和相角图计算模极大值得到该尺度边缘图像。根据该尺度的 边缘图像增强半重构的对应边缘点。最后继续重构得到增强了的 上一尺度低频图像。每一级重构重复上述过程，最终得到增强图像。 该方法在小波塔式分解数据的重构过程中有针对性地实现了对图像 边缘的锐化增强。具体而言，根据本专利技术的基于反对称双正交小波重构中多尺度边 缘检测的图像增强方法，包括以下步骤首先对原始图像进行多尺度反对称双正交小波分解，获得各级小 波分解的一个低频分量和三个高频分量；然后从最粗分辨率级开始进行逐级小波重构，在每一级重构过程中，(1) 进行小波水平半重构和垂直半重构，获得水平半重构图像和垂直半重构图像；(2) 根据水平半重构图像和垂直半重构图像，计算模 值图和相角图并进行模极大值检测和阈值处理，从而提取该尺度边缘 图像；(3) 根据所述该尺度边缘图像，增强半重构图像的对应边缘点；(4) 对边缘点增强后的半重构图像继续重构，获得增强了 的上一尺度的低频图像。在每一级的重构中重复上述(1) - (4)过程，直至重构结束， 获得增强图像。根据本专利技术的优选实施例，其中所述三个高频分量为水平高频分 量、垂直高频分量和对角高频分量。根据本专利技术的优选实施例，其中所述步骤(2)中在阈值处理之后，还包括通过阈值处理去除短边缘。根据本专利技术的优选实施例，其中所述步骤(4)中继续重构包括:对该尺度的水平半重构分量的每一列进行一维重构，获得上一级 的重构分量l;对该尺度的垂直半重构分量的每一行进行一维重构，获得上一级 的重构分量2;对该尺度的低频分量的每一行小波系数上采样并进行一维重构， 接下来再对每一列小波系数上采样并进行一维重构，获得上一级重构 分量3;对该尺度的对角细节分量的每一列小波系数上采样后进行一维 重构，接下来再对每一行小波系数上采样并进行一维重构，得到上一 级重构分量4;将所得到的上一级重构分量l、上一级重构分量2和上一级重构分 量3相加，并减去上一级重构分量4，即重构出增强了的上一级低频图 像。根据本专利技术的优选实施例，该图像增强方法可用于医学影像、生 物特征识别、车辆辅助驾驶、军事及人机交互等领域的数字图像改进。与其它图像增强方法比较，本专利技术具有如下特点(l)在小波塔 式分解数据上有针对性地实现对图像边缘的增强，比通常采用二进巻积小波实现图像边缘处理与增强减少了计算量；(本文档来自技高网...

【技术保护点】
一种基于反对称双正交小波重构中多尺度边缘检测的图像增强方法，包括以下步骤：　　　　首先对原始图像进行多尺度反对称双正交小波分解，获得各级小波分解的一个低频分量和三个高频分量；　　　　然后从最粗分辨率级开始进行逐级小波重构，在每一级重构过程中，　　　　（１）进行小波水平半重构和垂直半重构，获得“水平半重构”图像和“垂直半重构”图像；　　　　（２）根据“水平半重构”图像和“垂直半重构”图像，计算模值图和相角图并进行模极大值检测和阈值处理，从而提取该尺度边缘图像；　　　　（３）根据所述该尺度边缘图像，增强“半重构”图像的对应边缘点；　　　　（４）对边缘点增强后的“半重构”图像继续重构，获得增强了的上一尺度的低频图像；　　　　在每一级的重构中重复上述（１）－（４）过程，直至重构结束，获得增强图像。

【技术特征摘要】
1.一种基于反对称双正交小波重构中多尺度边缘检测的图像增强方法，包括以下步骤首先对原始图像进行多尺度反对称双正交小波分解，获得各级小波分解的一个低频分量和三个高频分量；然后从最粗分辨率级开始进行逐级小波重构，在每一级重构过程中，(1)进行小波水平半重构和垂直半重构，获得“水平半重构”图像和“垂直半重构”图像；(2)根据“水平半重构”图像和“垂直半重构”图像，计算模值图和相角图并进行模极大值检测和阈值处理，从而提取该尺度边缘图像；(3)根据所述该尺度边缘图像，增强“半重构”图像的对应边缘点；(4)对边缘点增强后的“半重构”图像继续重构，获得增强了的上一尺度的低频图像；在每一级的重构中重复上述(1)-(4)过程，直至重构结束，获得增强图像。2. 根据权利要求l的图像增强方法，其中所述三个高频分量为水 平高频分量、垂直高频分量和对角高频分量。3. 根据权利要求l的图像增强方法，其中所述步骤(2)中在阈 值处理之后，还包括去除图像短边缘的步骤。4. 根据权利要求l的图像增强方法，其中所述步骤(4)中继续重构包括对该尺...

【专利技术属性】
技术研发人员：迟健男，张闯，谢秀贞，史光远，黄荣辉，颜艳桃，刘洋，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：11[中国|北京]