專利名稱：一種基于功率譜分析的強適用性圖像增強方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理技術(shù)，特別涉及一種強適用性的功率譜有損失模糊圖像增強的方法，屬于圖像增強領(lǐng)域。
背景技術(shù)：
在圖像獲取過程中，散焦，運動，參數(shù)設(shè)置不準確，天氣等都是造成圖像模糊的原因。圖像增強的目的是提高圖像的細節(jié)，使我們從圖像中得到更多有用的信息。在圖像獲取的硬件條件已經(jīng)確定的情況下，軟件的后處理是增強圖像的一種有效方法。雖然現(xiàn)有的圖像增強方法有很多，但是大多都是針對單純的圖像模糊，例如運動模糊或散焦模糊，考慮到其速度和適用度，能廣泛應(yīng)用的并不多。圖像增強是一個具有很長歷史的研究課題。圖像模糊可以被看作是一個退化過程，其函數(shù)形式為g (χ) = h (χ) (χ)+η (χ)(1)上式中f (χ)可以看作是真實場景，h(x)是獲取圖像過程中各種模糊退化因素， η (χ)是噪聲，此處不考慮噪聲。直方圖均衡化就是一種應(yīng)用廣泛的圖像增強方法，此方法對于圖像的亮度不均等簡單自然退化因素引起的模糊有一定的增強效果，但是對于運動模糊和相機對焦不準確引起的模糊的消除效果不理想。很多方法把去模糊看作是一個去卷積過程，由此產(chǎn)生了盲復(fù)原方法，但是此類方法需要迭代，用時較長，并且此類算法依賴于圖像模糊核的估計，因此針對的模糊類型單一，適應(yīng)性不強。針對散焦模糊也有方法從光學的角度或三維成像的角度分析，效果雖好但也是存在著適用性不廣泛的缺陷。針對運動模糊也有不少方法提出， 梯度信息經(jīng)常被用到圖像去運動模糊處理中，但真實運動中大的運動模糊難以正確恢復(fù)邊緣，此方法也只單一地針對運動模糊一種圖像。霧可以看作是一種特殊的模糊因素，有很多算法針對霧天圖像處理,何凱明(Single Image Haze Removal Using Dark Channel Prior[C] · CVPR2009 : IEEE Computer Society Conference on Computer Vision and Pattern Recognition,Miami Beach, Florida, Jun. 2009 :1956-1963)提出的亮色通道去霧的方法對于薄霧圖像的增強達到了很好的效果，但對于濃霧圖像效果并不佳。1987年David J. Field就已指出了自然圖像功率譜形狀，并將其用于皮層細胞圖像石if 究(Relations between the statistics of natural images and the response properties of cortical cells [J], Optical Society of Amercia, vol.4, no. 12,2379-2393, Dec. 1987)。1992年Norman B. Nill提出用圖像功率譜分析圖像質(zhì)量 (Objective Image Quality Measure Derived from Digital Image Power Spectra[J], Optical Engineering, vol. 31, no. 4,813-825, Apr. 1992)。1997 年 Daniel L.Ruderman 從功率譜冪指數(shù)形式出發(fā)分析了圖像的尺度特性(Origins of Scaling in Natural Images [J], Vision Research, vol 37，No23，3385-3395，1997)。David J. Field 又通過對功率譜的分析指出了圖像功率譜的可變性來源，分析了噪聲，模糊等(Visual Sensitivity,Blur and the Sources of Variability in the Amplitude Spectra of Natural Scenes [J]，Vision Research, vol. 37，no. 23. pp. 3367—3383，1997)。2003 年，Antonio 對不同場景圖像的平均功率譜做了統(tǒng)計分析，并指出圖像功率譜與功率譜半徑呈冪指數(shù)關(guān)系 Statistics of natural image categories[J] · NETWORK COMPUTATION IN NEURAL SYSTEMS, vol. 14，pp.391-412，May.2003)。

發(fā)明內(nèi)容
本發(fā)明的目的正是在于克服現(xiàn)有技術(shù)中所存在的缺陷和不足，提供一種強適用性圖像增強的處理方法。該方法包括對圖像功率譜數(shù)學模型的建立，對模型的分析，演推出真實圖像的特征，并對此特征進行統(tǒng)計證明；以解決獲取圖像過程中產(chǎn)生的模糊或者有用信息不清晰的問題，達到增強圖像效果的目的。為實現(xiàn)上述目的，本發(fā)明采用以下措施構(gòu)成的技術(shù)方案來實現(xiàn)。本發(fā)明提出的一種基于功率譜分析的強適用性圖像增強方法，包括以下操作步驟步驟1 給定一幅待增強圖像，先選定一幅參考圖像，該參考圖像滿足兩個條件 第一，與模糊圖像尺寸相同；第二，其細節(jié)比較豐富或者與模糊源圖取自于同一場景的清晰圖像；步驟2 對步驟1給定的待增強圖像進行傅里葉變換并求解出圖像功率譜，對于數(shù)字圖像功率譜求解即是進行傅里葉變換后求模方；步驟3 求解步驟2得到的圖像功率譜的平均功率譜曲線，并通過下面擬合函數(shù)公式(2)進行數(shù)據(jù)擬合ζ = Ar"0(2)公式⑵中r是自變量，ζ是因變量，A和β是要求解的擬合參數(shù)；步驟4:通過對步驟3求解的擬合曲線進行圖像頻帶劃分，此處將圖像頻帶劃分為低頻、中頻、高頻和超高頻四個頻帶；步驟5 對要增強圖像和參考圖像同時作離散余弦變換(DCT)，并對DCT域平均頻譜曲線進行局部數(shù)據(jù)擬合；步驟6 在步驟4劃分的每個頻帶內(nèi)求解頻譜調(diào)整系數(shù)；步驟7 在步驟4劃分的每個頻帶內(nèi)調(diào)整模糊圖像DCT域頻譜；步驟8 對步驟7調(diào)整后的DCT域頻譜進行DCT反變換，即能求解出增強處理后的時域清晰圖像；所述要增強的圖像為正方形數(shù)字圖像，或為非正方形數(shù)字圖像；所述要增強的圖像為灰度圖像，或為彩色圖像。上述技術(shù)方案中，步驟3所述的平均功率譜曲線求解方式為數(shù)字圖像的時域函數(shù)形式表示為f(x，y)，其傅里葉頻域形式為F(u，ν)；對數(shù)字圖像功率譜曲線的求解方式由以下公式(3)表示
Σ Σ \ F (u ,ν) \2
式中IMdl2是一個關(guān)于r的函數(shù)，變量r為點(u，v)到功率譜中心的距離，N為離中心點距離為r的頻域點的總數(shù)。上述技術(shù)方案中，步驟4所述的圖像頻帶劃分，其中，中頻和超高頻的頻帶劃分方法如下所述中頻部分“重心點”為步驟3求解的圖像平均功率譜曲線整體擬合曲線曲率最大的點；所述圖像為正方形數(shù)字圖像時，其超高頻部分為圖像功率譜矩陣數(shù)據(jù)的內(nèi)切圓的外部數(shù)據(jù)；所述圖像為非正方形數(shù)字圖像時，其超高頻部分則為圖像功率譜矩陣數(shù)據(jù)的短邊內(nèi)切圓的外部數(shù)據(jù)。上述技術(shù)方案中，步驟5所述的平均頻譜曲線求解方式將數(shù)字圖像的時域函數(shù)形式表示為f (X，y)，其DCT域頻譜形式為G (U，ν)；對圖像平均頻譜曲線的求解方式由以下公式⑷表示

權(quán)利要求
1.一種基于功率譜分析的強適用性圖像增強方法，其特征在于包括以下步驟步驟1 給定一幅待增強圖像，先選定一幅參考圖像，該參考圖像滿足兩個條件第一， 與模糊圖像尺寸相同；第二，其細節(jié)比較豐富或者與模糊源圖取自于同一場景的清晰圖像；步驟2 對步驟1給定的待增強圖像進行傅里葉變換并求解出圖像功率譜，對于數(shù)字圖像功率譜求解即是進行傅里葉變換后求每個矩陣數(shù)據(jù)的模方；步驟3 求解步驟2得到的圖像功率譜的平均功率譜曲線，并通過下面擬合函數(shù)公式 (2)進行數(shù)據(jù)擬合 公式O)中r是自變量，ζ是因變量，A和β是要求解的擬合參數(shù)； 步驟4 通過對步驟3求解的擬合曲線進行圖像頻帶劃分，此處將圖像頻帶劃分為低頻、中頻、高頻和超高頻四個頻帶；步驟5 對要增強圖像和參考圖像同時作離散余弦變換(DCT)，并對DCT域平均頻譜曲線進行局部數(shù)據(jù)擬合；步驟6 在步驟4劃分的每個頻帶內(nèi)求解頻譜調(diào)整系數(shù)； 步驟7 在步驟4劃分的每個頻帶內(nèi)調(diào)整模糊圖像DCT域頻譜； 步驟8 對步驟7調(diào)整后的DCT域頻譜進行DCT反變換，即能求解出增強后的時域清晰圖像；所述要增強的圖像為正方形數(shù)字圖像，或為非正方形數(shù)字圖像；所述要增強的圖像為灰度圖像，或為彩色圖像。
2.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 3所述的功率譜曲線求解方式為數(shù)字圖像的時域函數(shù)形式表示為f(x，y)，其傅里葉頻域形式為F(u，v)；對數(shù)字圖像功率譜曲線的求解方式由以下公式(3)表示
3.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 4所述的圖像頻帶劃分，其中，中頻和超高頻的頻帶劃分方法如下所述中頻部分“重心點”為步驟3求解的圖像平均功率譜曲線整體擬合曲線曲率最大的點；所述圖像為正方形數(shù)字圖像時，其超高頻部分為圖像功率譜矩陣數(shù)據(jù)的內(nèi)切圓的外部數(shù)據(jù)；所述圖像為非正方形數(shù)字圖像時，其超高頻部分則為圖像功率譜矩陣數(shù)據(jù)的短邊內(nèi)切圓的外部數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 5所述的平均頻譜曲線求解方式將數(shù)字圖像的時域函數(shù)形式表示為f (X，y)，其DCT域頻譜形式為G(u，ν)；對圖像平均頻譜曲線的求解方式由以下公式(4)表示
5.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 5所述的平均頻譜曲線擬合曲線的求解是在步驟4劃分的圖像頻帶內(nèi)作局部數(shù)據(jù)擬合，由于高頻頻帶部分較長，帶內(nèi)還需分段，具體根據(jù)圖像大小分段進行擬合，擬合函數(shù)公式(2) 變?yōu)棣?= Ar"0+y(5)以上擬合公式中r是自變量，ζ是因變量，Α、β和γ是要求解的擬合參數(shù)。
6.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 6所述的調(diào)整系數(shù)求解是通過局部數(shù)據(jù)擬合得到兩個圖像的不同擬合函數(shù)和zMf，這兩個函數(shù)的歸一化比值即為調(diào)整系數(shù)函數(shù)，由以下公式(6)表示
7.根據(jù)權(quán)利要求1所述的基于功率譜分析的強適用性圖像增強方法，其特征在于步驟 7所述的模糊圖像DCT域頻譜調(diào)整方法以r為變量，以1為單位進行頻譜調(diào)整，調(diào)整系數(shù)即為步驟6中求解出的關(guān)于r的函數(shù)Zrate在r取固定整數(shù)rg時的值zMte(rg)；對模糊圖像的DCT域頻譜進行增強具體用求解的Zrate (rg)增強DCT域rg_l < r ^ rg的頻譜，且在整個頻譜域范圍內(nèi)進行調(diào)整。
8.根據(jù)權(quán)利要求1-7任一項所述的基于功率譜分析的強適用性圖像增強方法，其特征在于是對灰度圖像的處理過程，若是對彩色圖像進行處理，則將彩色圖像的綠色分量按上面所述步驟1-8進行處理，然后將彩色圖像的紅、藍兩個顏色分量不再求解調(diào)整系數(shù)，而是利用步驟6求解出來的綠色分量調(diào)整系數(shù)，從步驟7開始對紅、藍兩個顏色分量進行調(diào)整即可。
全文摘要
本發(fā)明涉及一種基于功率譜分析的強適用性圖像增強的方法，屬于圖像增強領(lǐng)域。該方法包括對圖像功率譜數(shù)學模型的建立，對模型的分析，演推出真實圖像的特征，并對此特征進行統(tǒng)計證明。本發(fā)明經(jīng)求解并分析模糊圖像與清晰圖像的平均功率譜曲線，發(fā)現(xiàn)模糊圖像有功率損失的現(xiàn)象；用一幅與模糊圖像無關(guān)的清晰圖像作參考圖像，該參考圖像與模糊圖像尺寸相同，其細節(jié)比較豐富或與模糊源圖取自于同一場景的清晰圖像；再對模糊圖像進行圖像增強處理；先求解所選兩幅圖像的平均功率譜曲線，通過此曲線進行分段數(shù)據(jù)擬合，然后由兩幅圖像的擬合數(shù)據(jù)之間的差距計算出頻譜調(diào)節(jié)參數(shù)，最后通過對模糊圖像的頻譜調(diào)節(jié)達到增強圖像的目的。
文檔編號G06T7/00GK102542539SQ201110455409
公開日2012年7月4日 申請日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者何小海, 吳媛媛, 吳煒, 梁子飛, 滕奇志 申請人:四川大學