一种图像效果增强方法及系统技术方案

本发明专利技术属于图像处理技术领域，具体涉及一种图像效果增强方法及系统，本发明专利技术通过多域协同自适应处理提升图像质量。首先，内容感知自适应量化确定最优量化级别，生成量化图像和区域复杂度图，接着，多尺度域分析将图像分解为平滑、边缘和纹理子带，构建特征图谱，随后，自适应特征增强针对不同子带应用直方图均衡、各向异性扩散和非线性锐化，并进行残差优化。感知质量评估动态调整增强参数，最后，多域协同融合构建增强矩阵，应用融合掩码和特征校正，获得最终增强图像，此方法适应多种图像，保留细节，针对性增强不同区域，效果显著。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种图像效果增强方法及系统。

技术介绍

1、随着数字图像应用的普及，图像质量增强技术的需求日益增长。在各种应用场景中，如医学影像、视频监控、移动设备成像和卫星遥感等领域，原始采集的图像常因光照不足、噪声干扰、细节模糊等问题导致视觉质量欠佳，亟需高效可靠的图像增强技术。

2、现有的图像增强技术主要分为空间域方法和频率域方法。空间域方法如直方图均衡化、滤波增强等直接对像素点进行处理；频率域方法如傅里叶变换、小波变换等则在变换域中进行增强。这些方法各有优势，但也存在共同的局限性。

3、例如，中国专利cn112233037b公开了一种基于图像分割的图像增强系统及方法，该方法将图像进行三值化后，将图像转换为信号进行增强处理。虽然该方法相比传统的像素处理方式提高了效率，但仍存在以下不足：

4、1.三值化过程中不可避免地损失大量图像细节信息；

5、2.预设的固定像素区间缺乏自适应性，难以适应不同类型图像；

6、3.所用的数学函数缺乏针对不同图像内容的适应性；</p>

7、4.本文档来自技高网...

【技术保护点】

1.一种图像效果增强方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述内容感知自适应量化具体包括：获取图像局部熵与全局对比度；基于所述图像局部熵与全局对比度，确定量化级别n，其中4≤n≦8，计算区域复杂度指数 其中，EdgeDensity为边缘密度，表示图像区域内边缘像素的比例；GradVariance为梯度方差，表示区域内像素梯度的变化程度； MeanIntensity为平均亮度，表示区域内像素亮度的平均值；为分辨率校正因子，表示为 , W和H为当前图像的宽度和高度，和为参考标准分辨率；基于所述区域复杂度指数，生成自适应权重w(x,y); 执行量化操作...

【技术特征摘要】

1.一种图像效果增强方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述内容感知自适应量化具体包括：获取图像局部熵与全局对比度；基于所述图像局部熵与全局对比度，确定量化级别n，其中4≤n≦8，计算区域复杂度指数 其中，edgedensity为边缘密度，表示图像区域内边缘像素的比例；gradvariance为梯度方差，表示区域内像素梯度的变化程度； meanintensity为平均亮度，表示区域内像素亮度的平均值；为分辨率校正因子，表示为 , w和h为当前图像的宽度和高度，和为参考标准分辨率；基于所述区域复杂度指数，生成自适应权重w(x,y); 执行量化操作：,获取量化图像和区域复杂度图。

3.根据权利要求1所述的方法，其特征在于，所述感知质量评估与反馈优化具体包括：计算无参考 图像质量评估指数niqe=f(对比度，清晰度，自然度，伪影抑制);构建区域重要性权重图;基于所述评估指数和权重图，构建评估-参数映射关系 通过随机梯度下降迭代优化处理参数,其中，p为综合代价函数，niqe(p)为无参考质量评估分数(归一化到0-1之间), artifact(p)为伪影评估函数，detail(p)为细节保留评估函数，α、β、γ为平衡各项指标的权重系数；迭代优化持续进行，直至或达到最大迭代次数。

4.根据权...

【专利技术属性】
技术研发人员：许哲豪，
申请(专利权)人：浙江洛图文化发展有限公司，
类型：发明
国别省市：