亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的制作方法

文檔序號(hào):11678566閱讀:297來源:國知局
一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的制造方法與工藝

本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器以數(shù)字電路形式實(shí)現(xiàn)。見圖3,該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器是采用加法器一1、平方器2、乘法器一3、乘法器二4、加法器二5和加法器三6以級(jí)聯(lián)方式構(gòu)成的。其中,加法器一1并行輸入第n-1次和第n次迭代的數(shù)字圖像加法器一1的輸出信號(hào)輸入給平方器2,平方器2的輸出信號(hào)輸入給乘法器二4,該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的輸出信號(hào)輸入給乘法器一3,信號(hào)生成單元電路是采用加法器四7、實(shí)部計(jì)算器8和乘法器三9以級(jí)聯(lián)方式構(gòu)成的,乘法器三9輸出信號(hào),乘法器一3的輸出信號(hào)輸入給加法器二5,乘法器二4和加法器二5的輸出信號(hào)并行輸入給加法器三6,加法器三6輸出第n+1次迭代的數(shù)字圖像其中,分?jǐn)?shù)階微積分的階次v1、v2和v3不是傳統(tǒng)的整數(shù)階,而是非整數(shù)階,工程應(yīng)用中取分?jǐn)?shù)或有理小數(shù)。v1、v2和v3可以相等,亦可不相等。系數(shù)α1和α2是非負(fù)實(shí)數(shù),且α2=2α1。分?jǐn)?shù)階最速下降法的收斂速率μ是是非負(fù)實(shí)數(shù)。re{}是取復(fù)數(shù)的實(shí)數(shù)部分計(jì)算。||||是求l2范數(shù)計(jì)算。||是求絕對(duì)值計(jì)算。時(shí)間間隔δt是非負(fù)實(shí)數(shù),迭代數(shù)n是正整數(shù),第n次迭代時(shí)間tn=nδt,初始時(shí)間t0=0。s(x,y)是反射圖像,r(x,y)是物體表面的反射特征,l(x,y)是入射光,log[]是對(duì)數(shù)計(jì)算,s(x,y)=log[s(x,y)],r(x,y)=log[r(x,y)],l(x,y)=log[l(x,y)],且l≥s。是第n次迭代時(shí)刻的l(x,y),是原始反射圖像的對(duì)數(shù)變換,是原始入射光的對(duì)數(shù)變換,是v1階分?jǐn)?shù)階偏微分算子,分別是的共軛算子,dft()是離散傅立葉變換,μ1=0,1,…,m-1和μ2=0,1,…,n-1分別是l(x,y)在x軸和y軸方向上的圖像尺寸。該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器特別適用于對(duì)圖像對(duì)比度進(jìn)行多尺度非線性增強(qiáng)的應(yīng)用場合。本發(fā)明屬于應(yīng)用數(shù)學(xué)和數(shù)字電路交叉學(xué)科的技術(shù)領(lǐng)域。



背景技術(shù):

目前,數(shù)字圖像處理的最新研究進(jìn)展引起了對(duì)紋理圖像對(duì)比度增強(qiáng)的研究興趣。從簡單線性增強(qiáng)算法拓展到高度復(fù)雜的自適應(yīng)算法,圖像對(duì)比度增強(qiáng)算法方法眾多。一般來說,圖像對(duì)比度增強(qiáng)的算法可分為兩類:全局技術(shù)和自適應(yīng)技術(shù)。對(duì)于全局技術(shù)而言,一種單一變換適用于圖像所有像素。與之不同的是,自適應(yīng)技術(shù)普遍包含一種根據(jù)圖像局域特征進(jìn)行自適應(yīng)變化的輸入-輸出映射過程??偹苤?,直方圖均衡化(histogramequalization)是一種被廣泛使用的圖像對(duì)比度增強(qiáng)的全局技術(shù)。其輸入-輸出映射取決于一幅圖像直方圖的累計(jì)分布函數(shù)。另一種替代算法是多通道濾波。首先,輸入圖像的整個(gè)空間頻域范圍被分成許多空間頻帶;然后,在空間域內(nèi),空間頻率的中頻成份相對(duì)于低頻成份被適當(dāng)?shù)卦鰪?qiáng)。一類自適應(yīng)技術(shù)是基于非銳化掩模。其圖像對(duì)比度增益能夠自適應(yīng)地取決于一個(gè)關(guān)于圖像某些局部特征變化的核函數(shù)。在另一類方法中,為了提高較小區(qū)域內(nèi)的圖像對(duì)比度,自適應(yīng)直方圖均衡化(adaptivehistogramequalization)利用局域直方圖產(chǎn)生相應(yīng)的局域不同的灰度變化。為了克服普通直方圖均衡化算法過度增強(qiáng)的特殊問題,人們提出了一些諸如限制對(duì)比度直方圖均衡化(contrast-limitedhistogramequalization)和自適應(yīng)限制對(duì)比度直方圖均衡化(contrast-limitedadaptivehistogramequalization)。人們通過限制局部直方圖的高度,提出了限制對(duì)比度直方圖均衡和自適應(yīng)限制對(duì)比度直方圖均衡等算法。在這些算法中,其局域?qū)Ρ榷仍鲆姹幌拗朴诰钟蛑狈綀D的門限高度。另外,眾所周知,從一幅給定圖像中復(fù)原其亮度信息是一個(gè)數(shù)學(xué)上的病態(tài)問題。為了解決這一問題,迄今許多算法在文獻(xiàn)中被提出。這些算法本質(zhì)上試圖提出不同的替代方法來克服這一局限。其中,retinex算法是受land關(guān)于人類視覺系統(tǒng)開創(chuàng)性研究的啟發(fā)而提出的。retinex理論表明人類視覺系統(tǒng)實(shí)際上能在不同光照的較寬范圍內(nèi)識(shí)別和匹配色彩,該理論通常被稱為色彩恒定現(xiàn)象。事實(shí)上,land的前期的研究表明,即使由處于不同光照水平下不同色塊產(chǎn)生的視網(wǎng)膜感知信號(hào)是完全相同的,被試者也能正確識(shí)別表面反射的顏色。這一最初的成果作為靈感激發(fā)著后來許多不同retinex算法的相關(guān)研究。這些retinex算法大體可以分為兩類。其中,第一類retinex算法使用同態(tài)濾波的方法,即單尺度retinex算法(singlescaleretinex)和多尺度retinex算法(multi-scaleretinex)。該類retinex算法采用許多映像路徑或通過比較當(dāng)前像素和一組隨機(jī)像素色彩的方法來探究圖像的相對(duì)亮度。另一類retinex算法采用卷積模板或變分方法來確定局部對(duì)比度值。傳統(tǒng)的一階retinex算法的變分法模型(thetraditionalfirst-ordervariationalframeworkforretinex)采用關(guān)于估計(jì)問題的貝葉斯觀點(diǎn)。其導(dǎo)出一個(gè)有助于更好調(diào)節(jié)圖像重建問題的代數(shù)正則項(xiàng)。上述圖像對(duì)比度增強(qiáng)算法本質(zhì)上都是基于整數(shù)階計(jì)算法則的。這些方法普遍存在一些共同缺點(diǎn),諸如:在一幅對(duì)比度增強(qiáng)的紋理圖像中,振鈴效應(yīng)和階梯效應(yīng)常常出現(xiàn)在銳化轉(zhuǎn)換附近。這構(gòu)成了一個(gè)引起廣泛關(guān)注的主要研究問題。

目前,分?jǐn)?shù)階微積分(fractionalcalculus)業(yè)已成為數(shù)學(xué)分析的一個(gè)重要分支。它有望被廣泛地應(yīng)用于處理各種工程技術(shù)問題。分?jǐn)?shù)階微積分是一門與整數(shù)階微積分一樣古老的學(xué)科。雖然長期以來它的應(yīng)用都還主要集中在純數(shù)學(xué)領(lǐng)域,但是近年來在物理學(xué)家和工程技術(shù)界學(xué)者中,分?jǐn)?shù)階微積分作為一種新穎的有前途的數(shù)學(xué)方法而被廣泛認(rèn)可。分?jǐn)?shù)階微積分的基本特征是其擴(kuò)展了整數(shù)階差分和riemann求和的概念。除了caputo定義的分?jǐn)?shù)階微積分之外,heaviside函數(shù)的分?jǐn)?shù)階微分值是非零的,然而其整數(shù)階微分值恒為零。物理過程中的隨機(jī)變量可被視為是粒子的隨機(jī)運(yùn)動(dòng)的位移。各種函數(shù)的分?jǐn)?shù)階微積分具有一個(gè)顯著特征:大多數(shù)函數(shù)的分?jǐn)?shù)階微積分等于一個(gè)冪級(jí)數(shù),而其它函數(shù)的分?jǐn)?shù)階微積分等于某一特定函數(shù)和一個(gè)冪級(jí)數(shù)的疊加或乘積。許多科學(xué)研究發(fā)現(xiàn)分?jǐn)?shù)階或分?jǐn)?shù)維的方法是對(duì)許多自然現(xiàn)象目前最好的描述方法。這一分?jǐn)?shù)階的方法取得了許多有前途的結(jié)果和思想。分?jǐn)?shù)階微積分作為一種有前途的數(shù)學(xué)方法已在諸如擴(kuò)散過程,粘彈性理論,分形動(dòng)力學(xué),分?jǐn)?shù)階控制,信號(hào)處理和圖像處理等許多研究領(lǐng)域得到了較好的應(yīng)用。

如何將分?jǐn)?shù)階微積分應(yīng)用于信號(hào)處理之中,特別是圖像處理之中,目前在國際上都還是一個(gè)值得研究的新興學(xué)科分支。信號(hào)的分?jǐn)?shù)階微積分與其整數(shù)階微積分存在顯著的區(qū)別。分?jǐn)?shù)階微積分所特有的長時(shí)記憶性,非局域性和弱奇異性優(yōu)勢,是其應(yīng)用于信號(hào)處理和圖像處理的主要原因。分?jǐn)?shù)階圖像處理的研究一些進(jìn)展不僅驗(yàn)證了分?jǐn)?shù)階偏微分方程的有用性,也為將來的研究提供了有益和實(shí)用的建議。比如,分?jǐn)?shù)階微積分能夠非線性增強(qiáng)圖像復(fù)雜紋理細(xì)節(jié)。分?jǐn)?shù)階微積分既能非線性保持圖像平滑區(qū)域的輪廓特征,又能非線性增強(qiáng)圖像高頻邊緣信息和中頻紋理細(xì)節(jié)信息。另外,分?jǐn)?shù)階最速下降法能夠確定能量范函的分?jǐn)?shù)階極值點(diǎn)。分?jǐn)?shù)階極值點(diǎn)和諸如一階極值點(diǎn)等傳統(tǒng)的整數(shù)階極值點(diǎn)具有較大的不同。因此,為了解決傳統(tǒng)圖像對(duì)比度增強(qiáng)算法的上述問題,可以很自然地想到如下幾個(gè)有趣的理論問題:能否將分?jǐn)?shù)階微積分對(duì)圖像邊緣和紋理細(xì)節(jié)的保持能力用于對(duì)紋理圖像對(duì)比度的多尺度非線性增強(qiáng)之中?此構(gòu)造的分?jǐn)?shù)階retinex變分模型是什么?以及如何將傳統(tǒng)的一階retinex算法的變分法模型推廣到分?jǐn)?shù)階?針對(duì)上述需求,本發(fā)明提出一種關(guān)于分?jǐn)?shù)階retinex變分模型的新穎理論,提出一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器。該分?jǐn)?shù)階retinex變分模型是一種由分?jǐn)?shù)階偏微分方程表出的retinex,以實(shí)現(xiàn)對(duì)紋理圖像的多尺度非線性對(duì)比度增強(qiáng)。特別地,分?jǐn)?shù)階retinex變分模型的反向增量最優(yōu)搜索方法是基于分?jǐn)?shù)階最速下降法。分?jǐn)?shù)階retinex變分模型不是直接將分?jǐn)?shù)階微分掩模(分?jǐn)?shù)階微分算子)直接用于圖像灰度值的處理,而是利用分?jǐn)?shù)階偏微分方程實(shí)現(xiàn)一種具有約束條件的分?jǐn)?shù)階最優(yōu)算法。相比于傳統(tǒng)的整數(shù)階retinex算法的變分法模型,特別是對(duì)于富含紋理細(xì)節(jié)的圖像而言,分?jǐn)?shù)階偏微分方程對(duì)圖像邊緣和紋理細(xì)節(jié)的保持能力是其一大顯著優(yōu)勢。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明提出一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器。為了清楚說明本發(fā)明提出的該圖像對(duì)比度增強(qiáng)濾波器的電路構(gòu)成,有必要先對(duì)該圖像對(duì)比度增強(qiáng)濾波器的基本原理及其數(shù)學(xué)算法推導(dǎo)進(jìn)行如下簡要說明:

最常用的分?jǐn)?shù)階微積分定義有g(shù)rünwald-letnikov定義,riemann-liouville,和caputo定義。其中,因果信號(hào)f(x)的分?jǐn)?shù)階微積分的grünwald-letnikov定義,以一種簡潔形式表達(dá)為其中,f(x)是一個(gè)可微積信號(hào),[a,x]是f(x)的持續(xù)時(shí)間,v是一個(gè)非整數(shù),是伽瑪公式,代表grünwald-letnikov定義的分?jǐn)?shù)階微分算子。在下述數(shù)學(xué)推導(dǎo)中,本發(fā)明主要采用分?jǐn)?shù)階微分的grünwald-letnikov定義。另外,本發(fā)明不加區(qū)分地使用兩個(gè)等價(jià)符號(hào)

基于上述分?jǐn)?shù)階微積分的定義,利用分?jǐn)?shù)階最速下降法,本發(fā)明構(gòu)造對(duì)紋理圖像對(duì)比度進(jìn)行多尺度非線性增強(qiáng)的分?jǐn)?shù)階偏微分方程。眾所周知,e.h.land論證了retinex理論。該理論首次試圖模擬和解釋人類視覺系統(tǒng)如何感知色彩。其可用數(shù)學(xué)公式表示為s(x,y)=r(x,y)·l(x,y),其中,s(x,y)表示反射圖像,r(x,y)表示物體表面的反射特征,l(x,y)表示入射光。根據(jù)物理特性,反射物體僅僅反射部分入射光。這里,本發(fā)明進(jìn)一步假設(shè)反射率0<r≤1以及照明效應(yīng)0<l<∞。因?yàn)閞被限定在單位區(qū)間內(nèi),由s(x,y)=r(x,y)·l(x,y)式,可以推導(dǎo)得l≥s>0。為了處理乘積形式,本發(fā)明首先對(duì)s(x,y)=r(x,y)·l(x,y)式兩邊同時(shí)取對(duì)數(shù)變換。由于對(duì)數(shù)函數(shù)是單調(diào)函數(shù),于是可以推導(dǎo)得l≥s。因此,可以進(jìn)一步推導(dǎo)得s(x,y)=r(x,y)+l(x,y),其中,s(x,y)=log[s(x,y)],r(x,y)=log[r(x,y)],l(x,y)=log[l(x,y)],且l≥s。分?jǐn)?shù)階微積分應(yīng)用于信號(hào)處理和圖像處理中取得顯著成效主要是因?yàn)槠渌哂械拈L時(shí)記憶性,非局域性,弱相關(guān)性,以及分?jǐn)?shù)階微分能夠非線性增強(qiáng)圖像復(fù)雜紋理細(xì)節(jié)特征。因此,為了解決傳統(tǒng)圖像對(duì)比度增強(qiáng)算法的上述問題,可以很自然地想到如下幾個(gè)有趣的理論問題:能否將分?jǐn)?shù)階微積分對(duì)圖像邊緣和紋理細(xì)節(jié)的保持能力用于對(duì)紋理圖像對(duì)比度的多尺度非線性增強(qiáng)之中?此構(gòu)造的分?jǐn)?shù)階retinex變分模型是什么?以及如何將傳統(tǒng)的一階retinex算法的變分法模型推廣到分?jǐn)?shù)階?進(jìn)一步地,本發(fā)明假設(shè)在超出圖像邊界范圍內(nèi),光照作為一個(gè)常數(shù)是連續(xù)平滑的。為了對(duì)最終處理結(jié)果影響最小,該假設(shè)需要符合neumann邊界條件。于是基于分?jǐn)?shù)階微積分這一新穎數(shù)學(xué)方法的分?jǐn)?shù)階retinex變分模型可被表示為其中e表示一個(gè)能量范函,表示一個(gè)圖像區(qū)域,是v1階分?jǐn)?shù)階微分算子,v1和v2是兩個(gè)分?jǐn)?shù),表示ω的邊界,是邊界的法向量,α1和α2分別是兩個(gè)非負(fù)實(shí)參量。特別地,對(duì)于向量而言,本發(fā)明可以推導(dǎo)得其中符號(hào)·表示內(nèi)積。為了便于說明,在內(nèi)積空間中,本發(fā)明不加區(qū)分地使用兩個(gè)等價(jià)符號(hào)||||=||||2表示求二次范數(shù)。||表示求絕對(duì)值。在式中,本發(fā)明采用分?jǐn)?shù)階范數(shù),而不是采用l2范數(shù)和l1范數(shù),來對(duì)保真項(xiàng)進(jìn)行建模。事實(shí)上,v2是一個(gè)尺度因子負(fù)責(zé)控制關(guān)于圖像邊界和紋理信息的能量范函的多尺度分?jǐn)?shù)階冪函數(shù)。特別是對(duì)于富含紋理細(xì)節(jié)信息的紋理圖像而言,分?jǐn)?shù)階范數(shù)能夠保持圖像邊界和紋理信息的多尺度濾波能力是其相較于l2范數(shù)和l1范數(shù)的一個(gè)重要優(yōu)勢。值得注意的是,首先,本發(fā)明假設(shè)入射光和反射圖像是空間平滑的且富含紋理細(xì)節(jié)特征的。因此,相應(yīng)的分?jǐn)?shù)階正則項(xiàng)可分別表示為進(jìn)一步地,本發(fā)明假設(shè)入射光接近于反射圖像。該假設(shè)意味著r(x,y)的分?jǐn)?shù)階范數(shù)應(yīng)該盡量小(也就是說r(x,y)趨于黑色)。因此,懲罰項(xiàng)被用于校驗(yàn)保真項(xiàng)。該懲罰項(xiàng)使得模型具有更好的適應(yīng)性。此外,本發(fā)明假設(shè)物體表面反射特征是分段常數(shù)且富含紋理細(xì)節(jié)信息。因此,相應(yīng)的分?jǐn)?shù)階全變分被用來作為正則項(xiàng)。該正則項(xiàng)代表一個(gè)分?jǐn)?shù)階貝葉斯懲罰式子。令物體表面反射特征r(x,y)是一個(gè)視覺上賞心悅目且富于紋理細(xì)節(jié)特征的圖像。因此,為了使本發(fā)明所提出的對(duì)比度增強(qiáng)模型所處理的結(jié)果圖像具有更好的視覺效果,本發(fā)明在式中設(shè)置α2>α1。因此,在實(shí)際計(jì)算中,本發(fā)明常常直接設(shè)置α2=2α1。第二,v1和v2是在中僅有的兩個(gè)模型參數(shù)。眾所周知,在一個(gè)模型中引入更多的自由參數(shù)且適當(dāng)調(diào)整它們能夠?qū)嶋H達(dá)到這些參數(shù)相應(yīng)的期望效果,但也使得它們收斂更難,同時(shí)也潛在增加了相關(guān)計(jì)算的復(fù)雜度。這可能限制該模型在實(shí)際問題中的應(yīng)用。因此,本發(fā)明在中的三個(gè)不同項(xiàng)中選擇同樣的參數(shù)v1和v2。

令l是一個(gè)e的分?jǐn)?shù)階的極值曲面,是一個(gè)接近于l的容許性曲面(即一個(gè)測試函數(shù))。于是,l和ξ能夠被合并為一個(gè)曲面族s+(β-1)ξ,其中β是一個(gè)小參數(shù)。當(dāng)β=1時(shí),曲面族s+(β-1)ξ轉(zhuǎn)變?yōu)榉謹(jǐn)?shù)階極值曲面l。分?jǐn)?shù)階極值點(diǎn)上的分?jǐn)?shù)階導(dǎo)數(shù)等于零。能量范函的分?jǐn)?shù)階極值點(diǎn)和其一階極值點(diǎn)常常不是同一點(diǎn)。因此,式的各向異性擴(kuò)散能夠被解釋為能量的分?jǐn)?shù)階耗散過程。為了確定式的分?jǐn)?shù)階極小值,曲面族s+(β-1)ξ上的分?jǐn)?shù)能量范函可被推導(dǎo)為其中g(shù)(β)是一個(gè)解析函數(shù)。因此,當(dāng)β=1時(shí),可以推導(dǎo)得根據(jù)復(fù)合函數(shù)的分?jǐn)?shù)階微分的鏈?zhǔn)椒▌t,由式,可以推導(dǎo)得其中v3是一個(gè)分?jǐn)?shù),且是關(guān)于β的v3階導(dǎo)數(shù)。令ζ(β)是一個(gè)標(biāo)量函數(shù),因此,可以推導(dǎo)得進(jìn)一步地,令ζ1=l+(β-1)ξ且ζ2=l-s+(β-1)ξ。因此,可以推導(dǎo)得為了便于分析,不失一般性,在式的實(shí)際計(jì)算中,令n=1→n且n=1。因此,根據(jù)分?jǐn)?shù)階微積分的性質(zhì),當(dāng)β=1時(shí),可以推導(dǎo)得此外,按照分?jǐn)?shù)階微積分的性質(zhì),若f(x)是一個(gè)因果信號(hào)且其初始狀態(tài)為零,因此可以推導(dǎo)得其傅立葉變換其中,j表示一個(gè)虛數(shù)單位,ωx表示一個(gè)相應(yīng)于x的傅立葉變換域內(nèi)的角頻率,ft()表示傅立葉變換,且表示f的傅立葉變換。進(jìn)一步地,根據(jù)wiener-khintchine定理,可以推導(dǎo)得下式其中,f1(x,y)和f2(x,y)是兩個(gè)不同的標(biāo)量函數(shù),ωω是在傅立葉域內(nèi)與ω相應(yīng)的區(qū)域,的復(fù)共軛函數(shù)。因此,由式,在傅立葉變換域內(nèi)式可以重寫為其中,分別是的傅立葉變換。分別是的復(fù)共軛。由于ξ(x,y)是一個(gè)任意測試函數(shù),是一個(gè)任意函數(shù)。因此,是一個(gè)任意函數(shù)。因此,根據(jù)變分法的基本引理,由式,可以推導(dǎo)得于是可以推導(dǎo)得式的傅立葉反變換為其中,re()表示取復(fù)數(shù)的實(shí)數(shù)部分,分別表示v1階偏微分算子的共軛算子。式是式的分?jǐn)?shù)階歐拉-拉格朗日方程。對(duì)于數(shù)字圖像處理,離散像素之間的間隔為單位一。因此,根據(jù)離散傅里葉變換的性質(zhì),可以推導(dǎo)得其中dft()表示離散傅立葉變換,μ1=0,1,…,m-1和μ2=0,1,…,n-1分別表示在x軸和y軸方向上的圖像尺寸。式的非線性求解過程運(yùn)用一個(gè)以時(shí)間作為演化參數(shù)的拋物線方程(即時(shí)間搜索方法),或等價(jià)為分?jǐn)?shù)階最速下降法。值得注意的是,本發(fā)明將一幅圖像視為一個(gè)時(shí)間和空間的函數(shù),且運(yùn)用時(shí)間搜索算法搜索式的分?jǐn)?shù)階穩(wěn)定狀態(tài)。這就意味著求解下式根據(jù)分?jǐn)?shù)階最速下降法,式收斂于式的v3階最小值。式是一個(gè)式的受約束的分?jǐn)?shù)階最優(yōu)算法。由式可見,相較于傳統(tǒng)的一階retinex算法的變分法模型,分?jǐn)?shù)階偏微分方程本質(zhì)上是一個(gè)分?jǐn)?shù)階階retinex算法的變分法模型。

于是,由式,本發(fā)明提出如何實(shí)現(xiàn)關(guān)于多尺度非線性對(duì)比度增強(qiáng)的受約束的分?jǐn)?shù)階最優(yōu)算法。對(duì)于彩色圖像處理而言,關(guān)于紋理圖像的多尺度非線性對(duì)比度增強(qiáng)的受約束的分?jǐn)?shù)階最優(yōu)算法為:

第一步,將反射圖像s(x,y)從rgb彩色空間轉(zhuǎn)換到hsv彩色空間。僅采用hsv彩色空間中的v分量值v(x,y)進(jìn)行進(jìn)一步處理。為了避免v(x,y)為負(fù)無窮,由s(x,y)=r(x,y)·l(x,y)和s(x,y)=r(x,y)+l(x,y)式,令s(x,y)=log[v(x,y)+1]。

第二步,令式中的系數(shù)α1和α2為非負(fù)實(shí)數(shù)。根據(jù)分?jǐn)?shù)階最速下降法,式迭代收斂于l(x,y)的v3階最優(yōu)值。

第三步,由s(x,y)=r(x,y)+l(x,y)式,可以推導(dǎo)得r(x,y)=s(x,y)-l(x,y)。原始圖像對(duì)應(yīng)的反射物體表面的反射特征值為rv(x,y)=log-1[r(x,y)]-1。為了防止rv(x,y)被式過度紋理增強(qiáng),且為了限制rv(x,y)∈[0,255],本發(fā)明對(duì)rv(x,y)采用gamma灰度矯正。令rv(x,y)的gamma灰度矯正所采用的可調(diào)參數(shù)為其中是rv的gamma灰度矯正值,w是白色圖像值(它在一幅8比特的圖像中等于255,在一幅hsv圖像中也等于255)。常用的可調(diào)參數(shù)γ可被設(shè)置為2.2。

第四步,令v(x,y)=rv(x,y)。將v(x,y)與s(x,y)的h和s分量進(jìn)行結(jié)合,在hsv彩色空間中獲得物體表面的反射特征r(x,y)。將r(x,y)從hsv彩色空間轉(zhuǎn)換為rgb彩色空間。于是,本發(fā)明便得到對(duì)比度增強(qiáng)后的紋理圖像r(x,y)。

在此基礎(chǔ)上,本發(fā)明便可數(shù)值實(shí)現(xiàn)上述分?jǐn)?shù)階偏微分方程。第一,本發(fā)明數(shù)值實(shí)現(xiàn)式中二維數(shù)字圖像的分?jǐn)?shù)階微分算子dv,式可知,當(dāng)n足夠大時(shí),極限符號(hào)可以去掉。因此,通過在分?jǐn)?shù)階微積分的grünwald-letnikov定義中引入非節(jié)點(diǎn)處的值提高了分?jǐn)?shù)階微積分的收斂速度和精度。應(yīng)用lagrange三點(diǎn)插值多項(xiàng)式來進(jìn)行分?jǐn)?shù)階插值,本發(fā)明可以推導(dǎo)得8個(gè)方向上的分?jǐn)?shù)階微分算子。因此,在二維空間中的離散定義為特別地,當(dāng)v=1時(shí),分?jǐn)?shù)階微分算子轉(zhuǎn)換成傳統(tǒng)的一階微分算子。

第二,本發(fā)明利用分?jǐn)?shù)階最速下降法數(shù)值實(shí)現(xiàn)式。令δt表示時(shí)間間隔,tn=nδt,t0=0表示初始時(shí)間,其中n=0,1,…表示采樣時(shí)間(或迭代數(shù))。對(duì)于式而言,表示第n次迭代時(shí)刻的l(x,y),表示原始反射圖像的對(duì)數(shù)變換,表示原始入射光的對(duì)數(shù)變換。由于未知,本發(fā)明令因此,根據(jù)分?jǐn)?shù)階最速下降法,由式,可以推導(dǎo)得其中,μ是分?jǐn)?shù)階最速下降法的收斂速率,滿足的條件是

第三,為了保證數(shù)值計(jì)算的穩(wěn)定性,分?jǐn)?shù)階偏微分方程的數(shù)值實(shí)現(xiàn)需要滿足courant-friedrichs-lewy條件。特別地,對(duì)于分?jǐn)?shù)階拋物線方程的courant-friedrichs-lewy條件而言,本發(fā)明有必要將courant-friedrichs-lewy條件從整數(shù)階推廣到分?jǐn)?shù)階,從而得到分?jǐn)?shù)階courant-friedrichs-lewy條件。本發(fā)明以定義針對(duì)某一特解問題的某一點(diǎn)的數(shù)值依賴域開始討論式所示的問題。由式,s(x,t)的v階分?jǐn)?shù)階偏微分的數(shù)值近似實(shí)現(xiàn)可分別重寫為其中,δx=x/n,δt=t/n,n≥2是某一信號(hào)的分?jǐn)?shù)階微分?jǐn)?shù)值實(shí)現(xiàn)所選擇的離散采樣點(diǎn)數(shù),a和b是兩個(gè)正整數(shù)。當(dāng)n=2時(shí),式轉(zhuǎn)換為經(jīng)典的一階微分。對(duì)于數(shù)字圖像而言,離散間隔為δx=1。因此,由式,可以推導(dǎo)得式的v階差分格式為令r=(cδt/δx)v,其中c是一個(gè)正實(shí)常數(shù),δx為x軸方向上的離散間隔。

見圖1,由式,在點(diǎn)(bδx,aδt)上的解依賴于相鄰9個(gè)離散點(diǎn)的值。在圖1中,為了方便說明,不失一般性,本發(fā)明令n=5。類似地,當(dāng)n取其它任一正整數(shù)時(shí),均可推導(dǎo)得與n=5相似的結(jié)果。

見圖2,如果向下重復(fù)該過程直至降為第0時(shí)間級(jí),在點(diǎn)(bδx,aδt)上的解依賴于點(diǎn)集(((b-(n-2)(a+1))δx,0),…,(bδx,0),((b+a+1)δx,0))。為此,在這種情況下,關(guān)于式的分?jǐn)?shù)階差分格式,本發(fā)明定義點(diǎn)(bδx,aδt)的數(shù)值依賴域?yàn)閰^(qū)間da=[(b-(n-2)(a+1))δx,(b+a+1)δx]。有必要強(qiáng)調(diào)的是,對(duì)于r=c(δt/δx)v(r為固定值)的所有可能的改進(jìn)而言,在點(diǎn)(bδx,aδt)上的解所依賴的所有點(diǎn)集均包含于區(qū)間da。此外,對(duì)于分?jǐn)?shù)階偏微分方程而言,點(diǎn)(x,t)的解析依賴域是x0=x-ct。如果可慮點(diǎn)(x,t)=(bδx,aδt),于是可推導(dǎo)得x0=x-ct=bδx-caδt=(b-r1/va)δx。于是,由da=[(b-(n-2)(a+1))δx,(b+a+1)δx]和x0=x-ct=bδx-caδt=(b-r1/va)δx式,可以推導(dǎo)得當(dāng)且僅當(dāng)(b-(n-2)(a+1))δx≤(b-r1/va)δx≤(b+a+1)δx,x0∈[(b-(n-2)(a+1))δx,(b+a+1)δx].于是,可以推導(dǎo)得不等式-(a+1)/a<-1≤r1/v≤n-2<(n-2)(a+1)/a。-(a+1)/a<-1≤r1/v≤n-2<(n-2)(a+1)/a式表明,當(dāng)且僅當(dāng)-1≤r1/v≤n-2,解析依賴域包含于數(shù)值依賴域之中。特別地,當(dāng)n=2時(shí),式轉(zhuǎn)變?yōu)榻?jīng)典的一階微分(即v=1)。因此,本發(fā)明可推導(dǎo)得經(jīng)典的一階courant-friedrichs-lewy條件-1≤r=cδt/δx≤0。經(jīng)典的一階courant-friedrichs-lewy條件是分?jǐn)?shù)階courant-friedrichs-lewy條件的特例。因此,可見v階分?jǐn)?shù)階偏微分方程式和v階差分格式式的分?jǐn)?shù)階courant-friedrichs-lewy條件等價(jià)于不等式-1≤r1/v≤n-2。這是式數(shù)值實(shí)現(xiàn)保持穩(wěn)定的必要的條件。

此外,值得注意的是,第一,本發(fā)明將作為分?jǐn)?shù)階偏微分方程的數(shù)值實(shí)現(xiàn)的迭代停止條件。第二,為了滿足限制條件l≥s,令其中max()是取最大值函數(shù)。第三,需要考慮式的數(shù)值計(jì)算過程中出現(xiàn)的情況。為了使式有意義,當(dāng)時(shí),令其中ε1和ε2是兩個(gè)小的正實(shí)常數(shù)。

基于上述對(duì)本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的基本原理及其數(shù)學(xué)算法推導(dǎo)的簡要說明,下面具體說明該圖像對(duì)比度增強(qiáng)濾波器的電路構(gòu)成:

見圖3,本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器以數(shù)字電路形式實(shí)現(xiàn)。見圖3,該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器是采用加法器一1、平方器2、乘法器一3、乘法器二4、加法器二5和加法器三6以級(jí)聯(lián)方式構(gòu)成的。其中,加法器一1并行輸入第n-1次和第n次迭代的數(shù)字圖像加法器一1的輸出信號(hào)輸入給平方器2,平方器2的輸出信號(hào)輸入給乘法器二4,該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的輸出信號(hào)輸入給乘法器一3,信號(hào)生成單元電路是采用加法器四7、實(shí)部計(jì)算器8和乘法器三9以級(jí)聯(lián)方式構(gòu)成的,乘法器三9輸出信號(hào),乘法器一3的輸出信號(hào)輸入給加法器二5,乘法器二4和加法器二5的輸出信號(hào)并行輸入給加法器三6,加法器三6輸出第n+1次迭代的數(shù)字圖像其中,分?jǐn)?shù)階微積分的階次v1、v2和v3不是傳統(tǒng)的整數(shù)階,而是非整數(shù)階,工程應(yīng)用中取分?jǐn)?shù)或有理小數(shù)。v1、v2和v3可以相等,亦可不相等。系數(shù)α1和α2是非負(fù)實(shí)數(shù),且α2=2α1。分?jǐn)?shù)階最速下降法的收斂速率μ是是非負(fù)實(shí)數(shù)。re{}是取復(fù)數(shù)的實(shí)數(shù)部分計(jì)算。||||是求l2范數(shù)計(jì)算。||是求絕對(duì)值計(jì)算。時(shí)間間隔δt是非負(fù)實(shí)數(shù),迭代數(shù)n是正整數(shù),第n次迭代時(shí)間tn=nδt,初始時(shí)間t0=0。s(x,y)是反射圖像,r(x,y)是物體表面的反射特征,l(x,y)是入射光,log[]是對(duì)數(shù)計(jì)算,s(x,y)=log[s(x,y)],r(x,y)=log[r(x,y)],l(x,y)=log[l(x,y)],且l≥s。是第n次迭代時(shí)刻的l(x,y),是原始反射圖像的對(duì)數(shù)變換,是原始入射光的對(duì)數(shù)變換,是v1階分?jǐn)?shù)階偏微分算子,分別是的共軛算子,dft()是離散傅立葉變換,μ1=0,1,…,m-1和μ2=0,1,…,n-1分別是l(x,y)在x軸和y軸方向上的圖像尺寸,j是虛數(shù)單位。該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器特別適用于對(duì)圖像對(duì)比度進(jìn)行多尺度非線性增強(qiáng)的應(yīng)用場合。本發(fā)明屬于應(yīng)用數(shù)學(xué)和數(shù)字電路交叉學(xué)科的技術(shù)領(lǐng)域。

見圖3,本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的加法器一1并行輸入第n-1次和第n次迭代的數(shù)字圖像完成的計(jì)算是平方器2完成的計(jì)算是乘法器一3并行輸入信號(hào)生成單元電路輸出的信號(hào)和參數(shù),乘法器一3完成的計(jì)算是乘法器二4并行輸入平方器2的輸出信號(hào)以及參數(shù)乘法器二4完成的計(jì)算是加法器二5并行輸入乘法器一3的輸出信號(hào)和第n次迭代的數(shù)字圖像加法器二5完成的計(jì)算是加法器三6并行輸入乘法器二4的輸出信號(hào)和加法器二5的輸出信號(hào)。加法器三6完成的計(jì)算是加法器三6輸出第n+1次迭代的數(shù)字圖像

見圖4,其中7是本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的加法器四。加法器四7并行輸入?yún)?shù)加法器四7完成的計(jì)算是加法器四7的輸出信號(hào)輸入給實(shí)部計(jì)算器8。實(shí)部計(jì)算器8完成的計(jì)算是乘法器三9并行輸入實(shí)部計(jì)算器8的輸出信號(hào)和參數(shù)乘法器三9完成的計(jì)算是

見圖3和圖4,對(duì)于彩色圖像處理而言,本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的數(shù)值迭代計(jì)算步驟為:第一步,將反射圖像s(x,y)從rgb彩色空間轉(zhuǎn)換到hsv彩色空間。僅采用hsv彩色空間中的v分量值v(x,y)進(jìn)行進(jìn)一步處理。s(x,y)=log[v(x,y)+1]。第二步,進(jìn)行本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器完成的數(shù)值迭代計(jì)算第三步,本發(fā)明防止原始圖像對(duì)應(yīng)的反射物體表面的反射特征值rv(x,y)=log-1[r(x,y)]-1被數(shù)值迭代計(jì)算過度紋理增強(qiáng),且限制rv(x,y)∈[0,255]。本發(fā)明對(duì)rv(x,y)采用gamma灰度矯正,rv(x,y)的gamma灰度矯正所采用的可調(diào)參數(shù)為其中是rv的gamma灰度矯正值,w是白色圖像值,w在一幅8比特的圖像中等于255,在一幅hsv圖像中也等于255,可調(diào)參數(shù)γ被設(shè)置為2.2。第四步,取v(x,y)=rv(x,y)。將v(x,y)與s(x,y)的h和s分量進(jìn)行結(jié)合,在hsv彩色空間中獲得物體表面的反射特征r(x,y)。將r(x,y)從hsv彩色空間轉(zhuǎn)換為rgb彩色空間。于是,本發(fā)明便得到對(duì)比度增強(qiáng)后的紋理圖像r(x,y)。

見圖3和圖4,加法器一1、加法器二5、加法器三6和加法器四7是功能相同的加法器,但其參數(shù)互不相同;乘法器一3、乘法器二4和乘法器三9是功能相同的乘法器,但其參數(shù)互不相同。

另外,本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的數(shù)值迭代計(jì)算的數(shù)值依賴域?yàn)?1≤r1/v≤n-2,其中r=(cδt/δx)v,c是一個(gè)正實(shí)常數(shù),δx為x軸方向上的離散間隔。本發(fā)明將作為分?jǐn)?shù)階偏微分方程的數(shù)值實(shí)現(xiàn)的迭代停止條件。本發(fā)明限制l≥s,令其中max()是取最大值函數(shù)。本發(fā)明避免數(shù)值計(jì)算過程中出現(xiàn)的情況,當(dāng)時(shí),令其中ε1和ε2是兩個(gè)小的正實(shí)常數(shù)。

下面結(jié)合附圖和實(shí)例詳細(xì)說明本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的新方案:

附圖說明

圖1是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器在點(diǎn)(bδx,aδt)上的解對(duì)應(yīng)于第a時(shí)間級(jí)的依賴關(guān)系的原理示意圖。

圖2是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的v階差分格式在點(diǎn)(bδx,aδt)的數(shù)值依賴域的原理示意圖。

圖3是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的電路示意圖。

圖4是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的電路示意圖。

其中,1是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的加法器一;2是該圖像對(duì)比度增強(qiáng)濾波器的平方器;3是該圖像對(duì)比度增強(qiáng)濾波器的乘法器一;4是該圖像對(duì)比度增強(qiáng)濾波器的乘法器二;5是該圖像對(duì)比度增強(qiáng)濾波器的加法器二;6是該圖像對(duì)比度增強(qiáng)濾波器的加法器三;7是該圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的加法器四;8是該圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的實(shí)部計(jì)算器;9是該圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的乘法器三。另外,1、5、6和7是功能相同的加法器,但其參數(shù)互不相同;3、4和9是功能相同的乘法器,但其參數(shù)互不相同。

其中,在圖1和圖2中,符號(hào)a和b表示任意兩個(gè)正整數(shù);符號(hào)δt表示在變量t方向上的離散采樣間隔;符號(hào)δx表示在變量x方向上的離散采樣間隔。

其中,在圖3中;a點(diǎn)是本發(fā)明的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的信號(hào)的輸入端;在圖4中,a點(diǎn)是該圖像對(duì)比度增強(qiáng)濾波器的信號(hào)生成單元電路的輸出端;在圖3和圖4中,a點(diǎn)是同一點(diǎn)。

具體實(shí)施方式

現(xiàn)舉例介紹如下:

見圖3和圖4,在式的數(shù)值迭代求解中,本發(fā)明令分?jǐn)?shù)階微積分的階次v1=1.25、v2=2.25和v3=0.9。令系數(shù)α1=0.05,α2=0.1。令分?jǐn)?shù)階最速下降法的收斂速率μ=0.1。令時(shí)間間隔δt=0.002,迭代數(shù)n=6。令令m=1204,n=1204。令εl=εl-s=10-3,ε1=0.006和ε2=10-5。于是,便可構(gòu)造出本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的一個(gè)具體實(shí)施案例。

同理,可以方便地構(gòu)造出其它不同參數(shù)的基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器。于是,如圖3和圖4所示,按照本說明書的發(fā)明內(nèi)容中所詳細(xì)說明的本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的電路結(jié)構(gòu)及其具體電路參數(shù),就可以方便地構(gòu)造出該基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器。在不影響準(zhǔn)確表述的前提下,為了更加清晰明了地描述本發(fā)明提出的一種基于分?jǐn)?shù)階偏微分方程的圖像對(duì)比度增強(qiáng)濾波器的具體電路,圖3和圖4未畫出其中的信號(hào)發(fā)生電路及電源。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1