专利名称：一种边缘保持的自然场景图像自适应加权滤波方法
技术领域：
本发明属于图像处理领域，具体涉及一种同时保持图像亮度/颜色边缘特性和深度边缘特性的自然场景图像自适应加权滤波方法。
背景技术：
图像滤波是图像预处理算法中的关键技术。该技术是通过构建一个滤波模板来实现在图像空间中的局部邻域操作，如算术平均滤波、高斯平滑滤波、拉普拉斯滤波等，其目的是减少图像中的噪声以改善图像质量，或是滤除图像高频分量以建立图像尺度空间。该技术广泛应用于图像分割、图像复原、图像特征提取、图像理解和分析、图像压缩等绝大多数的图像处理算法中。图像滤波的思想源于数学中的统计分析，通过加权平均的方式滤除误差和噪声， 这其中隐含了一个假定统计过程中所有样本应表征的是同一目标的特性。由于图像边缘通常是由不同物体的亮度/颜色差异所形成的，而现有大多数图像滤波方法采用的滤波模板大小和形状固定不变，因此在图像边缘处不可避免地违反了统计分析中的隐含假定，造成图像边缘模糊或虚假光晕。近年来已提出了许多具有边缘保持特性的图像滤波方法。C. Tomasi等人提出了一种双边滤波器[1]，同时考虑了邻域像素与中心像素间的几何距离度量和亮度相似性度量。Z. Farbman等人提出边缘保持的多尺度分解方法[2]。R. Fattal等人提出了基于边缘的图像放大方法[3]。R. Fattal提出了一种基于小波变换的边缘保持方法[4]。S. Paris 等人通过将图像边缘分解为阶越分量、平缓分量和高频细节分量，提出了边缘感知的局部拉普拉斯滤波器[5]。还有很多边缘保持的图像滤波方法被提出。然而目前已提方法都只考虑由亮度/颜色差异所引起的图像边缘，而没有考虑到由场景中不同目标深度所引起的边缘，因此已提方法难以有效处理图像中目标亮度和颜色与背景相近的情况。然而这类情况在实际的自然场景图像拍摄过程中经常发生。为解决该问题，应能从单幅自然场景图像中提取出深度信息。近年来已提出了多种从单幅图像中获取深度感知的方法。本发明中采用了 K. He等人提出的暗通道先验方法获取单幅自然场景图像中的深度线索[6]。参考文献.C. Tomasi, R. Manduchi. Bilateral filtering for gray and color images. ICCV, Bombay, India. 1998: 839-846..Z. Farbman, R. Fattal, D. Lischinski, etc. Edge-preserving decompositions for multi-scale tone and detail manipulation. ACM Transactions on Graphics (Proc. SIGGRAPH). 27，3. 2008..R. Fattal, R. Carroll and M. Agrawala. Edgebased image coarsening. ACM Transactions on Graphics 29, 1. 2009..R. Fattal. Edge-avoiding wavelets and their applications. ACM Transactions on Graphics (Proc. SIGGRAPH). 28, 3. 2009.
4[5].S. Paris, S. Hasinoff and J. Kautz, Local Laplacian Filters: Edge-aware Image Processing with a Laplacian Pyramid. ACM Transactions on Graphics (Proc. SIGGRAPH), 2011..K. He, J. Sun and X. Tang. Single Image Haze Removal Using Dark Channel Prior. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2009). 2009。
发明内容
本发明针对现有图像滤波技术的不足，提供一种同时保持图像亮度/颜色边缘特性和深度边缘特性的自然场景图像自适应加权滤波方法。本发明方法的具体步骤如下
步骤(1)根据高斯滤波器的标准差σ，计算高斯模板，高斯模板半径力f步骤⑵采用暗通道先验方法，获取原始图像中的深度线索，并归一化至
，生成深度先验图像，所述的原始图像为自然场景图像。步骤(3)计算高斯模板上每个坐标点的空间近邻性权值，具体为
对于高斯模板中坐标点(U)，该坐标点到模板中心的近邻距离<@表示为
权利要求
1. 一种边缘保持的自然场景图像自适应加权滤波方法，其特征在于该方法包括如下步骤步骤(1)根据高斯滤波器的标准差σ，计算高斯模板，高斯模板半径为、；步骤(2)采用暗通道先验方法，获取原始图像中的深度线索，并归一化至
，生成深度先验图像，所述的原始图像为自然场景图像；步骤(3)计算高斯模板上每个坐标点的空间近邻性权值，具体为对于高斯模板中坐标点(U)，该坐标点到模板中心的近邻距离<@表示为《泌=^j———根据高斯模板中坐标点(U)的近邻距离式@ ,其空间近邻性权值表示为lAta.b = rg其中为空间近邻性参数；步骤(4)计算原始图像上两像素点间的亮度/颜色相似性权值，具体为 对于原始图像中像素点Pb和像素点A，采用彩色变换方法，提取像素点Ps的LUV彩色分量和像素点朽的LUV彩色分量名)，像素点Λ 和像素点朽的亮度/颜色相似性距离式辆(A,P1J表示为,, 、V^ (L -Lf +(Ux- Ilfl]2 + ( Vm - V, )2 若 ‘―4|>忑KiViO= ,---^-ΓU(L-L) + ( μ -、) +(Vxi-Vn) 其他其中巧为亮度差异阈值；根据像素点Ps和像素卢Α的亮度/颜色相似性距离,其亮度/颜色相似性权值W5fei (PyPs)表示为14 . . (p, ,p. ) —其中U为亮度/颜色相似性参数；步骤(5)根据步骤(2)中得到的深度先验图像，计算原始图像上两像素点间的深度差异性权值，具体为对于原始图像中像素点和像素点A，从深度先验图像中获取像素点. 的深度先验值I和像素占的深度先验值％，像素点&和像素点Λ的深度先验距离表示为
全文摘要
本发明涉及一种边缘保持的自然场景图像自适应加权滤波方法。本发明方法首先根据高斯滤波器的标准差，计算高斯模板，采用暗通道先验方法，获取原始图像中的深度线索，并归一化，生成深度先验图像。其次计算高斯模板上每个坐标点的空间近邻性权值和计算原始图像上两像素点间的亮度/颜色相似性权值。然后计算原始图像上两像素点间的深度差异性权值和计算模板中心对应于该像素点的自适应加权滤波模板，最后对原始图像中每个像素点，计算其自适应加权滤波结果。本发明方法不仅在亮度/颜色相似性权值计算中考虑了人眼对亮度差异比色彩差异的敏感度不同这一特性，使得该方法符合生物模型。
文档编号G06T5/00GK102222328SQ201110182918
公开日2011年10月19日 申请日期2011年7月1日 优先权日2011年7月1日
发明者周文晖, 孙志海, 张桦, 戴国骏, 楼斌, 韦学辉 申请人:杭州电子科技大学