一种基于非线性导向滤波的图像增强方法
【技术领域】
[0001] 本发明涉及图像处理技术，特别是一种基于非线性导向滤波的图像增强方法。
【背景技术】
[0002] 随着现代技术的发展和便携式设备的日渐普及，人们非常容易获取场景图像，也 逐渐对成像质量提出了更高的要求。但是由于各种因素的影响，所获图像质量往往有所退 化，为了改善图像的质量，增强图像的视觉效果，需要对退化图像进行一些图像增强操作， 如图象平滑，图像锐化，细节增强和去除雾霾等。
[0003] 对于不同因素影响的图像，都有许多代表算法进行增强处理。噪声是影响图像质 量一个重要因素，根据噪声特性不同，研究者们提出了众多的研究算法，这些算法依据处理 域的不同，可以简单粗略分为空域滤波和变换域滤波两大类。空域滤波由于具有很好的 可视性，所以研究者们在这方面研究的比较多，代表性方法也比较多，而这些方法中又可 根据处理噪声的不同细分为线性滤波和非线性滤波。线性滤波对于具有很小的高斯噪声 有很好的平滑效果，但有一个明显的不足，那就是容易使得图像的细节和边缘模糊。为了 在平滑过程中尽可能保持边缘细节，有很多的研究者从不同的角度解决。Yaroslavsky提 出了一种新的滤波算法，该滤波采用了中心点灰度值与其邻域点的灰度相似度作为模板 系数，平滑过程中，提高图像的效果（L.P. Yaroslavsky. Digital Picture Processing- An Introduction. Berlin, Heidelberg: Springer Verlag, 1985) 〇 Tomasi 除了考虑相邻 像素之间的灰度相似度，还考虑了相邻像素之间的距离关系，从而提出了双边滤波算法， 该算法在平滑过程中可以有效保持图像细节和边缘（C. Tomasi, R. Manduchi. Bilateral filtering for gray and color images.The 6th International Conference on Computer Vision, 1998:839-846)。Zhang等人通过自适应选择双边滤波中的几何测度扩散 标准差和灰度测度扩散标准差，有效地提高了视觉效果（B. Zhang，J. P. Allebach. Adaptive bilateral filter for sharpness enhancement and noise removal. IEEE International Conference on Image Processing, 2007:417-420)。蔡超等人提出 了小波域中的双边滤 波，该算法有效考虑了图像的多尺度信息，提高了滤波效果（蔡超，丁明跃，周成平，张 天序.小波域中的双边滤波[J].电子学报，2004,（1):128-131)。但这些算法都有一个明 显的不足，那就是时间复杂度非常高。为了解决这个问题，Kaiming He提出引导滤波，该算 法不仅可以有效地降低时间复杂度，而且可以在平滑过程中较好的保持图像细节（Kaiming He, Jian sun and Xiaoou Tang. Guided Image Filtering. ECCV 2010)。但该算法米用局 部线性模型表征滤波，在很多应用过程中，除了有高斯噪声，还有其他种类的噪声，这时采 用局部线性模型不能很好滤波图像，而需要考虑非线性滤波。
【发明内容】
[0004] 针对现有技术中存在的问题，本发明提供了一种可以进一步提高效率，减少时间 复杂度，可以应用很多不同的计算机视觉领域，如较好保持边缘的图象平滑，图像细节增 强，提高图像的质量，增强图像的显示效果，HDR图像压缩及去除均匀雾等操作，同时，该算 法计算简便，高效，可实现性好的一种基于非线性导向滤波的图像增强方法。
[0005] 本发明的目的通过以下技术方案实现。
[0006] -种基于非线性导向滤波的图像增强方法，步骤包括：
[0007] 1)原图像预处理：为了提高计算的速度，首先对图像子采样；
[0008] 2)构建非线性导向滤波：设I是输入图像，g是导向图像，Iciut是导向滤波后的图 像，在s点的非线性导向滤波用以s点为中心的窗口 Ws中的输入像素非线性表征，具体
[0009] 表征如下=Iciut(S) = asI2(k)+bsI(k)+cs，k e Ws，如果系数\为〇,非线性导向滤波 就退化成线性导向滤波；
[0010] 3)计算非线性导向滤波的系数：非线性导向滤波图像Iciut和输入图像I的关系是 I = Ι_+η，所述的η是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因 此需要两者的能量差尽可能小，具体表达式如下：
S和ε分别是对^匕的正则化惩罚参数，为了获得系数&；5，13；3，（^值，须要对代价函数 I Cas, Ves):分别对as，bs，Cs求偏导，并令对应的导数为零，即：
[0015] 其中，muj，：mu|· musl mgj、别表示在以s为中心的窗口 ws内的图像13,12, I，
[0016] g的平均值，mr(/〇和Var(Is)分别表示在以s为中心的窗口 ^内的图像I 3和I 的方差；
[0017] 4)生成滤波增强图：根据步骤2)生成滤波图像，然后根据输入图得出滤波增强 图。
[0018] 相比于现有技术，本发明的优点在于：本发明通过构建局部非线性导向滤波模型， 接着求解对应的导向滤波系数。为了进一步提高效率，减少时间复杂度，本发明对输入图像 子采样后非线性导向滤波，接着通过双线性插值的方式进行恢复到原始图像大小。本发明 可以应用很多不同的计算机视觉领域，如较好保持边缘的图象平滑，图像细节增强，HDR图 像压缩及去除均匀雾等操作。
[0019] 本发明利用了图像的低尺度信息，减少时间复杂度，提高了计算效率，同时本发明 计算简便，可实现性好，因此可以很方便应用到计算机，甚至优化后可以移植到嵌入式系统 中。本发明可以被广泛地应用于了军事、交通、航天和遥感的等户外作业用途。
【附图说明】
[0020] 图1是本发明的原图、非线性导向滤波图和平滑后效果图。
[0021] 图2是本发明方法的原图、非线性导向滤波图和特征化后效果图。
[0022] 图3是本发明方法的原图、非线性导向滤波图和除雾后的效果图。
[0023] 图4是本发明方法的原图、非线性导向滤波图和除雾后的效果图。
【具体实施方式】
[0024] 下面结合说明书附图和具体的实施例，对本发明作详细描述。
[0025] 一种基于非线性导向滤波的图像增强方法，步骤包括：
[0026] 1)原图像预处理：为了提高计算的速度，首先对图像子采样；
[0027] 2)构建非线性导向滤波：构建导向滤波的关键是找到导向滤波与输入图像或导 向图像的非线性关系，设I是输入图像，g是导向图像，Iciut是导向滤波后的图像，在s点 的非线性导向滤波用以s点为中心的窗口 Ws中的输入像素非线性表征，具体表征如下： Imn (s) = asI2 (k)+bsI (k)+cs，k e Ws，如果系数asS 0,非线性导向滤波就退化成线性导向 滤波；
[0028] 3)计算非线性导向滤波的系数：为了确定非线性导向滤波的系数，还须假定成 像系统是线性移不变系统，非线性导向滤波图像Iciut和输入图像I的关系是I = I _+η， 所述的η是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因此需要 两者的能量差尽可能小，具体表达式如下：
bsI(k)+cs-g(k))2为了保证系数的稳定性，需要对能量函数正则化，则新的代价函数
[0029] 其中，δ和ε分别是对1上的正则化惩罚参数，为了获得系数&；3上，(^值，须要 对代价函数g (as,bs,Cs )分别对as，bs，cs求偏导，并令对应的导数为零，BP :
[0033] 其中，muf mu〗，别表示在以s为中心的窗口 ^内的图像13,12, I， g的平均值，)和Var(Is)分别表示在以s为中心的窗口 ^内的图像I 3和I的方差；
[0034] 4)生成滤波增强图：根据步骤2)生成滤波图像，然后根据输入图得出滤波增强 图。
[0035] 如图1所示，（a)是猫原图，（b)是非线性导向滤波图，（c)是通过非线性导向滤波 后的效果图，从（c)中可以发现在平滑的过程中，猫的毛发很好的保持，也就是图像中的细 节和边缘较好的保持。
[0036] 如图2所示，（a)是需要特征化原图，（b)是非线性导向滤波图，（c)是通过非线 性导向滤波后的效果图。通过效果图和原图比较可以发现效果图的图像细节得到有效的增 强，增强了图像的显示效果。
[0037] 如图3所示，（a)是高速公路上雾图，（b)是非线性导向滤波图，（c)是除雾后的效 果图。图（C)显示了消除雾霾后的效果图，很多车辆可以清晰发现，大大提高原图的视觉效 果，增强图像细节。
[0038] 如图4所示，（a)是早晨树林带有雾气的阳光图，（b)非线性导向滤波图，（c)消除 部分水雾后的效果图。图（c)显示了消除雾气后的效果图，提高原图的视觉效果，增强图像 细节。
[0039] 图1到图4证明了本发明提出的方法可以有效增强图像细节，提高图像的显示效 果。
[0040] 本发明用于交通、军事、航天、遥感等众多视觉领域中图像增强。可以有效提高所 获图片的质量，增强图像的显示效果。该发明先通过构建局部非线性导向滤波模型，接着求 解对应的导向滤波系数。为了进一步提高效率，减少时间复杂度，本发明对输入图像子采样 后非线性导向滤波，接着通过双线性插值的方式进行恢复到原始图像大小。本发明可以应 用很多不同的计算机视觉领域，如较好保持边缘的图象平滑，图像细节增强HDR图像压缩 及去除均匀雾等操作。
【主权项】
1. 一种基于非线性导向滤波的图像增强方法，其特征在于步骤包括： 1) 原图像预处理：为了提高计算的速度，首先对图像子采样； 2) 构建非线性导向滤波：设I是输入图像，g是导向图像，Iciut是导向滤波后的图像，在 s点的非线性导向滤波用以s点为中心的窗口 Ws中的输入像素非线性表征，具体表征如下：如果系数\为0,非线性导向滤波就退化成线性导向 滤波； 3) 计算非线性导向滤波的系数：非线性导向滤波图像Iciut和输入图像I的关系是I = Ι_+η，所述的η是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因此需 要两者的能量差尽可能小，具体表达式如下：其中，S和ε分别是对^匕的正则化惩罚参数，为了获得系数&；5，13；3，(^值，须要对代 价函数笼（as,bs,es:)分别对as，b s，cs求偏导，并令对应的导数为零，BP :其中，分别表示在以s为中心的窗口 w 3内的图像I 3, I2, I，g的 平均值：分别表示在以s为中心的窗口 ^内的图像13和I的方差； 4) 生成滤波增强图：根据步骤2)生成滤波图像，然后根据输入图得出滤波增强图。
【专利摘要】本发明公开了一种基于非线性导向滤波的图像增强方法，属于图像处理技术领域。本发明通过构建局部非线性导向滤波模型，接着求解对应的导向滤波系数。为了进一步提高效率，减少时间复杂度，本发明对输入图像子采样后非线性导向滤波，接着通过双线性插值的方式进行恢复到原始图像大小。本发明可以应用多种不同的计算机视觉领域，如图象平滑，图像细节增强，HDR图像压缩及去除均匀雾等操作，同时，该算法计算简便，高效，可实现性好。
【IPC分类】G06T5/00
【公开号】CN105184743
【申请号】CN201510512406
【发明人】相入喜, 朱锡芳, 吴峰, 许清泉, 孟飞, 张美凤, 蔡建文, 夏靖杰
【申请人】常州工学院
【公开日】2015年12月23日
【申请日】2015年8月19日