一种基于非连续性指示符的图像局部结构自适应复原方法技术

本发明专利技术提出一种基于非连续指示符的图像局部结构自适应复原方法，它包括如下步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步,构建三边散布矩阵，提高对噪声的鲁棒性；第三步，构建非连续性指示符，动态表征图像局部结构特征；第四步，建立图像退化模型；第五步，根据所构建的非连续性指示符，建立图像复原优化模型，使得所建立的模型连续依赖于图像局部结构特征；第六步，利用变分法求解复原优化模型，得到优化模型所对应的梯度下降流，并采用半点格式对其进行离散化，得到最优复原图像。本发明专利技术提出的方法能够根据图像局部结构特征自适应控制复原过程，能够复原出图像更多的细节结构，使得图像质量显著提高。

【技术实现步骤摘要】
【专利摘要】本专利技术提出一种基于非连续指示符的图像局部结构自适应复原方法，它包括如下步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步,构建三边散布矩阵，提高对噪声的鲁棒性；第三步，构建非连续性指示符，动态表征图像局部结构特征；第四步，建立图像退化模型；第五步，根据所构建的非连续性指示符，建立图像复原优化模型，使得所建立的模型连续依赖于图像局部结构特征；第六步，利用变分法求解复原优化模型，得到优化模型所对应的梯度下降流，并采用半点格式对其进行离散化，得到最优复原图像。本专利技术提出的方法能够根据图像局部结构特征自适应控制复原过程，能够复原出图像更多的细节结构，使得图像质量显著提高。【专利说明】
本专利技术属于图像处理领域，具体涉及。
技术介绍
图像复原技术属于图像处理和底层视觉中的关键性问题，是后续模式识别和高层理解的基础，有着广泛的应用需求，该技术可以应用到交通监控、军事、医学等多个领域，如在交通监控方面，由于摄像机分辨率低、拍摄环境差等原因，导致拍摄到的图像质量下降，难以从图像中获取需要的细节特征，如车辆的车牌信息，不利于机器的识别或人为的辨别。因此，通过图像复原技术提高图像质量，具有重要的理论意义和现实价值，受到国内外学术界和商业界的极大关注。图像复原技术采用图像处理技术，根据采集到的退化图像和关于退化系统的先验知识，来恢复理想图像的原貌，从软件的角度改善图像的质量。图像复原本质上是属于一类不适定性的数学反问题，解决不适定性反问题的常用方式是将其转化为适定性的问题进行求解，当前求解不适定性问题的方法可以分为两大类，一类是统计推断的方法，另一类是正则变分方法。统计推断的方法需要知道理想高清图像的先验分布，当所假设的先验分布与实际不符时，处理效果较差，而正则变分方法不需要对理想高清图像做先验分布假设，通过引入先验约束，直接对图像进行处理，在某种程度上，处理效果要好于统计推断的方法。图像边缘结构是图像中最重要的视觉特征，因此保护图像边缘结构尤为重要。而要想达到这一目的，所建立的复原优化模型应该具有局部结构自适应性，要实现模型的局部结构自适应性，构建非连续性指示符表征像素点所在区域特性至关重要。通过对现有复原技术的研究发现，现有的方法都是由梯度进行控制，不能有效将边缘点和噪声点区分开来，从而不能够很好的在保护图像边缘结构的同时去除噪声。本专利技术是一种局部结构自适应复原方法，该方法能够根据图像的局部结构特征自适应控制复原过程，实现边缘结构增强的同时去除噪声。`
技术实现思路
本专利技术的目的是提高图像质量，使之能够适用于不同的应用需求，为了实现这一目标，本专利技术提供了。，按照以下步骤进行:步骤1:初始化，读入一帧大小为M1XM2X3的退化彩色图像uQ，其中M1和M2为正整数，分别表示图像矩阵的行数和列数，然后将输入的彩色图像从RGB彩色空间转换到YCbCr彩色空间，转换后的图像记为U1，大小SM1XM2 X 3，取U1中Y分量图像，记为f，大小为M1XM2,从RGB彩色空间转换到YCbCr彩色空间的具体过程为:【权利要求】1.，其特征在于，按照以下步骤进行: 步骤1:初始化，读入一帧大小为M1XM2X 3的退化彩色图像uQ，其中M1和M2为正整数，分别表示图像矩阵的行数和列数，然后将输入的彩色图像从RGB彩色空间转换到YCbCr彩色空间，转换后的图像记为U1，大小为M1XM2X 3，取U1中Y分量图像，记为f，大小为M1XM2,从RGB彩色空间转换到YCbCr彩色空间的具体过程为: 【文档编号】G06T5/00GK103559693SQ201310581473【公开日】2014年2月5日 申请日期:2013年11月18日 优先权日:2013年11月18日 【专利技术者】曾维理, 路小波, 李聪, 费树岷, 陈林 申请人:东南大学本文档来自技高网...

【技术保护点】
一种基于非连续性指示符的图像局部结构自适应复原方法，其特征在于，按照以下步骤进行：步骤1：初始化，读入一帧大小为M1×M2×3的退化彩色图像u0，其中M1和M2为正整数，分别表示图像矩阵的行数和列数，然后将输入的彩色图像从RGB彩色空间转换到YCbCr彩色空间，转换后的图像记为u1，大小为M1×M2×3，取u1中Y分量图像，记为f，大小为M1×M2,从RGB彩色空间转换到YCbCr彩色空间的具体过程为：YCbCr=16128128+(1/256)65.738129.05725.06-37.945-74.494112.43112.439-94.154-18.28RGB其中，Y表示YCbCr彩色空间中的亮度分量，Cb表示YCbCr彩色空间中的蓝色色度分量，Cr表示YCbCr彩色空间中的红色色度分量,R表示RGB彩色空间中的红色分量，G表示RGB彩色空间中的绿色分量，B表示RGB彩色空间中的蓝色分量，步骤2：构造三边散布矩阵，具体方法为：首先，定义像素点(x,y)相对于中心像素点(x0,y0)的空间位置相似度函数s((x,y),(x0,y0))为s((x,y),(x0,y0))=exp(-(x-x0)2+(y-y0)22σ12)---(1)其中，(x,y)表示像素点的坐标，(x0,y0)表示中心像素点的坐标，exp是以e为底的幂指数函数，σ1表示空间位置相似度函数的标准差，一般取σ1＝5，定义像素点(x,y)相对于中心像素点(x0,y0)的梯度相似度函数g((x,y),(x0,y0))为g((x,y),(x0,y0))=exp(-(fx-fx0)2+(fy-fy0)22σ22)---(2)其中，fx表示f在x处的偏导数，f表示u1中Y分量图像，表示f在x0处的偏导数，fy表示f在y处的偏导数，表示f在y0处的偏导数，σ2表示梯度相似度函数的标准差， 取σ2＝0.5，定义像素点(x,y)相对于中心像素点(x0,y0)的灰度值相似度函数c((x,y),(x0,y0))为c((x,y),(x0,y0))=exp(-(f(x,y)-f(x0,y0))22σ32)---(3)其中，f(x,y)表示f在像素点(x,y)处的值，f(x0,y0)表示f在像素点(x0,y0)处的值，σ3表示梯度相似度函数的标准差，取σ3=0.5，根据所定义的空间位置相似度函数、梯度相似度函数以及灰度相似度函数，构建像素点(x,y)相对于中心像素点(x0,y0)的三边核函数K为K＝s((x,y),(x0,y0))×g((x,y),(x0,y0))×c((x,y),(x0,y0))（4）其中，×表示相乘，于是，利用三边核函数K，构建如下三边散布矩阵J：J=K*(fx)2K*(fxfy)K*(fxfy)K*(fy)2---(5)其中，K*(fx)2表示K与(fx)2与的卷积，K*(fxfy)表示K与(fxfy)与的卷积，K*(fy)2表示K与(fy)2与的卷积，步骤3：构造非连续性指示符，动态表征图像局部结构特征，具体方法为：通过计算得到三边散布矩阵J的两个特征值为μ1=12(K*(fx)2+K*(fy)2+(K*(fx)2-K*(fy)2)2+4(K*(fxfy))2)μ2=12(K*(fx)2+K*(fy)2+(K*(fx)2-K*(fy)2)2+4(K*(fxfy))2)其中，fx表示f在x处的偏导数，f表示u1中Y分量图像，表示f在x0处的偏导数，fy表示f在y处的偏导数，表示f在y0处的偏导数，根据特征值μ1和μ2所具有的性质，构建如下非连续性指示符并用非连续性指示符γ来表征图像局部结构特征，γ＝kexp(|μ1?μ2|)（6）其中，exp是以e为底的幂指数函数，|μ1?μ2|表示μ1?μ2的绝对值,k为大于零的常数，k＝0.1，步骤4:建立图像退化模型,其退化过程为f＝h*u+n（7）其中，f是步骤1中的Y分量图像f，u表示理想高清复原图像，n表示噪声，h表示高斯模糊核函数，其表达式为h(x,y)=12πσ42e-(x2+y2)/2σ42---(8)其中，h(x,y)表示h在像素点(x,y)处的高斯模糊核函数值，σ4表示标准差，取σ4=1，步骤5：建立图像复原优化模型，其具体方法为：根据步骤3中所构建的非连续性指示符和步骤4中建立的图像退化模型，将图像退化模型中理想高清复原图像u的求解过程转化为如下理想高清复原图像u的复原优化模型解的优化过程u^=argminu{&Integral...

【技术特征摘要】

【专利技术属性】
技术研发人员：曾维理，路小波，李聪，费树岷，陈林，
申请(专利权)人：东南大学，
类型：发明
国别省市：