一种基于两步参数子空间优化的彩色图像灰度化方法
【专利摘要】一种基于两步参数子空间优化的彩色图像灰度化方法，包括以下步骤：检验输入图像是否为彩色图像，再归一化预处理，接着由彩色图像三通道的二阶组合得到带参数的二阶多元多项式模型并对其划分为三个颜色子空间，基于梯度相关性相似测度求解第一个子空间的线性参数模型，得到初始灰度图像；基于梯度相关性相似测度从初始灰度图像和第二子空间导致的候补图像集中用离散搜索技术自适应地求解，得到加细图像；检查输出加细图像是否为灰度图像，再归一化后处理，得到最优结果作为最终的灰度图像。本发明使彩色图像灰度化计算效率达到实时程度，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
【专利说明】
-种基于两步参数子空间优化的彩色图像灰度化方法
技术领域
[0001] 本发明属于计算机视觉领域，尤其设及彩色图像灰度化技术研究。
【背景技术】
[0002] 在图像处理和现代科技应用中，彩色图像技术早已得到广泛的应用，但灰度图像 仍然W其数据量少和运算方便等特性活跃于各种方向。首先，灰度化处理具有经济上的优 势，虽然彩色打印机的应用己经开始推广，但黑白打印机W其低廉的特性而仍然被普遍应 用;灰度化对于帮助色盲人群也具有重大的意义。其次，一些图像处理技术，对于灰度图像 可W更简便地运算，从而可W更好地检测其效果。在一些图像处理和模式识别等技术中的 算法预处理阶段，例如人脸识别和运动目标跟踪等，为了减少输入图像的信息量或者后续 计算时的运算量，都需要将彩色图像灰度化，运样不仅能够提高后续算法的处理速度，还能 够大大提高算法综合应用实效。最后，灰度化处理在图像艺术化方面也有应用，如得到灰度 图像的黑白摄影也继续得到一些摄影爱好者的追捧。所W，研究图像灰度化技术具有重要 意义。
[0003] 上述应用需求推动着各种彩色图像灰度化方法的发展。彩色图像的灰度化过程可 W看成是一个将彩色图像从=维颜色矢量空间通过空间转换变换到一维灰度标量空间的 降维过程。在运种空间转换的过程中，不可避免的会有许多彩色图像的颜色信息因空间的 转换而丢失。各种算法试图利用灰度值中有限的表示范围来更好地尽量呈现输入彩色图象 的对比度和细节。因此，为了得到比较好的彩色图像灰度化效果，应该考虑在映射彩色图像 亮度信息的基础上尽量多的向灰度图像映射原彩色图像的颜色对比信息。当前，在基于内 容的图像检索、图像识别和理解、医学成像诊断和材料表面质量检测等技术领域中正在使 彩色图像灰度化应用于越来越多的领域，成功实现彩色图像灰度化，可进一步推动运些领 域的应用。
[0004] 若源图像是RGB格式，常用的彩色图像灰度化的方法是W固定权重线性地对RGB通 道求和（即Matlab中的rgb2gray函数）。然而，对于一些有不平衡颜值区域的彩色图像，仅使 用高亮度通道图像不能如实地表示它们的结构和对比度。近几年，有关认知驱动灰度化的 理论和算法取得显著进展，从而产生了大量的新方法。运些灰度化算法整体上主要可W分 为两大类:局部算法和全局算法。局部算法W空间映射类的算法居多。整体上说，空间映射 类的算法运算量小，计算简单，算法处理速度很快，基于运些优点，空间映射类的算法对于 大部分的彩色图像都能具有比较好的处理效果，它的应用也非常广泛。但是基于空间映射 的彩色图像灰度化方法有其明显的缺点，运类方法往往只是将一部分彩色图像信息通过空 间映射的方法映射到灰度图像，并没有比较好地平衡原彩色图像中的亮度值信息和色度值 信息，运就使得灰度图像只能体现原彩色图像的部分对比信息。
[0005] 全局算法主要分为基于变换的降维类和基于颜色差值(像素点颜色对比）的优化 算法两种。对于变换的降维类的方法，WPCA变换降维为主要代表;对于像素点颜色对比的 方法，运一类算法的思想是在构造从彩色图像到灰度图像的映射函数时，综合利用彩色图 像像素点的亮度值信息和颜色对比信息，并尽量多的向灰度图像映射原彩色图像相邻区域 的不同颜色对比信息，从而增加灰度图像的对比度。在构造好映射目标函数后，再构造一个 和映射目标函数相对应的最优化方程，然后通过求解最优化方程得到最接近目标亮度值的 灰度图像。由于映射函数是灵活多变的，可W根据不同的目的构造不同的映射函数，所W将 彩色图像信息映射到灰度图像后，可能会出现原彩色图像中不同区域相同的颜色信息映射 为相同的灰度值的情况，还可能会出现彩色图像中不同区域不同的颜色信息映射为同一灰 度值的情况。其目的主要是区分彩色图像中具有不同颜色的相邻像素点之间的特征。最终 的结果与彩色图像像素点的颜色和其邻域信息有关。
[0006] 现有的运些方法存在两个缺点：鲁棒性和高计算成本。为了减轻运些困难，一些研 究人员重新考虑简单和传统的RGB2GRAY模型。具体地讲，它假定灰度输出的是彩色图像中 RGB通道的线性组合，即
其中L，Ig, Ib分别代表RGB颜色 通道分量。在经典MatIab的rgb2gray函数，所有图像的权重都是固定的。最近，一些研究人 员通过引入一些度量对离散的候选灰度图像集合进行比较，自适应地选择通道权重。Lu等 提出目前最快的算法，该算法使用66个候选值离散化线性参数模型的解空间，然后基于能 量值选取其中最小梯度误差的候选值作为最优解。Song等探讨现存方法的鲁棒性，并研究 利用联合双边滤波来保持离散候选图像集合中灰度图像的多尺度对比度。Liu等提出梯度 相关性相似测度(Gcs)模型，并从线性参数模型中得到离散候选图像，将求得最大Gcs值的 那个灰度图像作为最后结果。
[0007] 目前已有方法在RGB2GRAY模型框架下，采用不同的测度从有限的候选图像中选取 "好"的结果。在运些良好的表现激励下，本发明目的是扩展参数离散捜索技术，使其从一阶 线性模型扩展到二阶多元多项式模型。在本发明提出一个两阶段策略实现W下目标:将整 个空间分成S个子空间，使用Gcs度量准则，从第一子空间（即线性参数模型）获得初始图 像;然后根据所得初始图像和第二个子空间的集合，再次使用Gcs度量准则自适应地离散捜 索求解获得最终图像。
【发明内容】
[000引本发明目的是提出一种基于两步参数子空间优化的彩色图像灰度化方法(TPS)。
[0009] 本发明基于两步参数子空间优化的彩色图像灰度化方法中建立基于一个扩展参 数的二阶多元多项式模型，采用扩展参数离散捜索技术对带=个权重参数的二阶多元多项 式模型进行自适应离散捜索求解。该两步策略简化计算过程，降低算法复杂度。本发明对彩 色图像的=个子空间的重要程度、相似度进行深入研究，充分考虑=个子空间的平均梯度 赌参考信息，自适应地选取离散捜索空间进行求解。本发明实验结果表明，所提的方法在定 量评估和视觉质量具有较强的细节保持能力，本发明用归一化相关性保存了彩色图像的显 著特征，不仅使彩色图像在灰度图像中仍然可W区分，并且可W保留颜色排序;并且能够更 好地反映彩色和灰度图像之间的结构相似性，获得较高的彩色图像灰度化能力。通过该彩 色图像灰度化方法，能够提高图像灰度化处理的速度，保证图像灰度化处理的精度同时，可 W适用于不同的场景，可W防止由于外界因素变化而引起的处理失效问题。
[0010] 本发明提出一个两阶段离散捜索技术自适应地离散捜索求解二阶多元多项式模 型的方法，包括图像输入预处理、图像初选、图像加细和图像输出后处理等步骤。
[0011] 步骤(a):所述的图像输入预处理步骤，检验输入图像是否为彩色图像，再归一化 预处理，接着由彩色图像=通道的二阶组合得到带参数的二阶多元多项式模型并对其划分 为=个颜色子空间；
[0012] 步骤(b):所述的图像初选步骤，基于梯度相关性相似测度求解第一个子空间的线 性参数模型，得到初始灰度图像；
[0013] 步骤(C):所述的图像加细步骤，基于梯度相关性相似测度从初始灰度图像和第二 子空间导致的候补图像集合中用离散捜索技术自适应地离散捜索求解，得到加细图像。
[0014] .步骤(d):所述的图像输出后处理步骤，检查输出加细图像是否为灰度图像，再归 一化后处理，得到最优结果作为最终的灰度图像。
[001引进一步地说，所述步骤(a)为:假设输出灰度图像g是彩色图像1。的；个1??通道变 量构成的二阶多元多项式函数的映射：
[0016]
[0017]其中，g为输出的灰度图像，I。为输入的彩色图像，Ir, Ig, Ib分别为输入彩色图像S 个r，g，b通道的S个分量，Wc为S个通道的权重系数{wc|c = r，g，b}，本发明中划分上述空间 Z为=个子空间，把=个子空间的和作为上式的二阶多元多项式函数：
[001 引
[0019] Zi={lr，Ig，Ib}; Z2={lrlgjrlb，lglb};
",
「00201 丑：由-スl={Ir，Ig，Ib}为第一子空间，Z2={IrIg，IrIb，IgIb}为第二子空间， 与第=子空间。上式是参数化的彩色图像灰度化模型，所对应的前面的系 数组合称为参数空间。因此，式中的映射函数是由相应的权重Iw。}所构成的参数空间唯一 决定的，因此寻找灰度函数图像g变成了最小化目标函数关于未知权重Iw。}的优化问题。
[0021] 巧一步地说，所述步骤（b)为：使用的一阶多变量多项式C= {r，g，b}和约束
。梯度相关性相似测度将自适应地计算每一个彩色通道和灰度通道的梯度相关 性然后求和，即
[0022]
[0023]数学符号V表示像素对(x，y)的非局部梯度算子
。此时模型的求解 转移到权重系数IweI c = r，g，M的参数优化问题。由上可知梯度相关性相似测度结构保持 性是使用梯度相关性，而不是梯度差值来描述;其次，相似性是使用灰度化后的图像和每一 个彩色通道之间进行计算。
[0024] 将第一子空间作为捜索空间，在第一子空间（根据已有研究中=个子空间各自的 重要性程度和=个子空间相互之间的相似度，确定第一子空间为重要程度最高和相似度最 低的子空间）中对梯度相关性相似测度进行离散捜索，得到初始灰度图像。
[0025]
[0026]
[0027] 其中在分母中的参数Ei为正数，灰度图像差值I gx-gy I表示候补灰度图像中像素 gx 和gy之间的灰度差值。I Ix-Iy I为相应的彩色图像两像素之间的差值。像素对集合P包含局部 相邻的和非局部相隔很远的像素对集合。
[0028] 进一步地说，所述步骤(C)为:基于梯度相关性相似测度从初始灰度图像和第二子 空间导致的候补图像集合中用离散捜索技术自适应地离散捜索求解第二阶段参数子空间。
[0029]
[0030]
[0031] 其中在分母中的参数。为正数，灰度图像差值I gx-gy I表示候补灰度图像中像素 gx 和gy之间的灰度差值。I Ix-Iy I为相应的彩色图像两像素之间的差值。像素对集合P包含局部 相邻的和非局部相隔很远的像素对集合。本发明在第一步中W间隔步长0.1离散化参数范 围为[0，1]的解空间Iw。}，得到66个参数组合的捜索空间，使用离散捜索策略自适应地从由 66个候选组成的為子空间集合中得到解作为初始图像。在第二步中W间隔步长0.1离散化 参数范围为[-1,1]的解空间Iw。}，得到231个参数组合的捜索空间，使用离散捜索策略自适 应地从231个候选组成的2。子空间离散捜索求得的结果作为加细灰度图像输出。
[0032] 所述步骤(d)为:检查输出加细图像是否为灰度图像，再归一化后处理，得到最优 结果作为最终输出的灰度图像。
[0033] 本发明的技术方案具有W下的优点或有益效果:本发明实施例基于两步参数子空 间优化的彩色图像灰度化算法中建立一个两步策略扩展参数求解二阶多元多项式的数学 模型，采用扩展参数离散捜索技术使线性模型扩展到二阶多元多项式对模型的=个权重参 数进行捜索求解。本技术方案发明方法在Cadik数据集进行定性分析，并与Gooch算法， Smith算法，Contrast preserving decolorization(CP)算法，Real-time contrast preserving decoIorization(RTCP)算法，Gcs2算法对比。Gooch算法和Smith算法没有充分 考虑显著刺激，并对于有些图像会生成平坦结果。CP算法和RTCP算法中在转换后的灰度图 像中不能看到彩色图像中的点和边缘。Gcs2和TPS方法使用归一化相关并保存了彩色图像 的显著特征。本发明WS算法不仅能使彩色图像在灰度图像中可区分，并且可W顺序保存所 需的颜色排序。本技术方案发明方法在CSDD数据集进行定量分析，并与Gooch算法，Dul5算 法，Gcs2算法对比。TPS从二阶模型中确定权重参数并采用梯度相关性测度的两步离散捜索 策略。
【附图说明】
[0034] 图1为示出本发明算法的流程图。
[0035] 图2为化dik's数据集3幅彩色图像的9个颜色分量通道的图像。
[0036] 图3为化dik'S数据集基准图像在S个子空间的平均梯度赌，SubspaceZi为第一空 间的平均梯度赌，SubspaceZs为第二空间的平均梯度赌，SubspaceZs为第=空间的平均梯度 赌。
[0037] 图4为化dik's数据集基准图像第一子空间和第S子空间之间，第二子空间和第S 子空间之间的平均结构相似度，其中Similarity betten subspace Ziand Z3为第一子空间 和第S子空间之间的平均结构相似度，Similarity betten subspace Z2和Z3为第二子空间 和第=子空间之间的平均结构相似度。
[0038] 图5为本发明提出的2阶段方法的概要图。其中：（a)输入的彩色图像；（b)第一阶 段，在参数空间中Iwr，wg，wb}采用Gcs; (C)第二阶段，基于Gcs在初始灰度图像和参数子空间 Z2 {Wrg，Wrb，Wgb }的集合中用离散捜索技术求解；（d )最后输出g = gl+g2。
[0039] 图6为化dik'S数据集中图像彩色图像灰度化转换的处理结果对比。其中：（a)为输 入的彩色图像；（b)为GoochOS算法；（C)为SmithOS算法；（d)为CP算法；（e)为RTCP算法；（f) 为Gcs2算法；（g)为Dul5算法；化)为本发明TPS算法。
[0040] 图7为CSDD数据集中图像彩色图像灰度化转换的处理结果对比。（a)为输入的彩色 图像;（b)为CP算法；（C)为RTCP算法；（d)为Du 15算法；（e)为本发明WS算法；
[0041] 图8为化dik's数据集图像在各种算法中的彩色对比度增强保持率(CCPR)的对比。 其中，曲线1为WS算法，曲线2为Dul5算法，曲线3为Gcs2算法，曲线4为RTCP算法，曲线5为CP 算法，曲线6为GoochOS算法，曲线7为SmithOS算法。
[0042] 图9为CSDD数据集图像在各种算法中的彩色对比度增强保持率(CCPR)的对比。其 中，曲线1为WS算法，曲线2为Dul5算法，曲线3为RTCP算法，曲线4为CP算法。
【具体实施方式】
[0043] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施案例， 对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明技术方案， 并不限于本发明。
[0044] 参见示出本发明的附图，下文将更详细地描述本发明。
[0045] 现参考附图1描述根据本发明的两步参数子空间优化的彩色图像灰度化算法。
[0046] 本发明技术方案使用离散捜索自适应地求解一阶线性模型的=个权重参数能有 效提高其转换效果。发明提出一个两步策略，它能有效地扩展参数捜索求解二阶多元多项 式模型。在本发明中，二阶模型中第一子空间最重要，第二子空间是第一子空间的改进。在 第一阶段，梯度相关性相似测度(Gcs)应用于第一子空间求得初始灰度图像。然后Gcs再次 于被用在初始灰度图像和第二子空间导致的候补图像集合中选取得到最优结果。
[0047] 在步骤(a)中：，读入图像并检验输入图像是否为彩色图像，再归一化预处理，接着 由彩色图像=通道的二阶组合得到带参数的二阶多元多项式模型并对其划分为=个颜色 子空间。具体来说由彩色图像=通道的线性组合划分颜色子空间，得到带扩展参数的二阶 多元多项式模型，同时提出一个两步离散捜索技术自适应地离散捜索求解二阶多元多项式 模型的策略；
[004引在步骤(b)中：扩展彩色图像转灰度模型至二阶多元多项式模型，由=个彩色通道 的线性组合定义=个子空间，得到彩色图像灰度化的二阶多元多项式模型。假设灰度图像 输出g是一个二阶多元多项式函数的映射：
[0049]
, (1):
[0050] 其中，Wc为{wc I c = r，g，M权重系数，本发明中划分上述空间Z为S个子空间，把S 个子空间的和作为上式的二阶多元多项式函数：
[0化 1 ]
(2)
[0052] 其中，Zi={lr，Ig，Ib}; Z2={lrIg，IrIb，IgIb};Z.;=U,':，/^//,;}。
[0053] 上式是参数化的彩色图像灰度化模型，称模型中的Z为图像空间，所对应的前面的 系数组合称为参数空间。
[0054] 将上述S个子空间的和作为二阶多元多项式函数的映射：
[0化5;
掛
[0056] 其中，Z1、Z2和Z3由通道图像线性组合定义组成的子空间。因此，式（1)和（3)中的 映射函数是由权重Iw。}唯一决定的，因此寻找灰度函数图像g变成了最小化目标函数(3)关 于未知权重Iw。}的优化问题。
[0057] 使用一阶的多变量多项式C=Ir, g，b}和约束权重之和为1。梯度相关性相似测度 将自适应地计算每一个彩色通道和灰度通道的梯度相关性然后求和，即
[005引
（4)
[0化9]用数学符号▽来表示像素对(x，y)的非局部梯度算子Vgxi, =乾-馬。此时模型的 求解转移到权重系数{W。I C = r，g，b}的参数优化问题。
[0060]从=个子空间的重要程度看，子空间Zl比子空间Z2和Z3有更高的平均梯度赌，包 含有更多的图像信息。从对比=个子空间的相似度看，后两个子空间的相关性更大。由于 Z1、Z2和Z3=个子空间的差异大，Zl子空间在权重组合中的决定作用较大，若是从=个子空 间中离散捜索求解，则耗时较长。因此，第一阶段中根据=个子空间的重要程度和=个子空 间的相似度，进一步选择重要程度高和相似度高的第一子空间作为捜索空间，基于梯度相 关性相似测度求解第一个子空间的线性参数模型
[0061 ] (巧
[0062] 该模块中在Zl子空间中对权重的捜索空间为[0，1]。由于通道参数在很小的范围 内得到的灰度化图像非常相似，将=个通道参数的值域WO. 1为步长进行离散化，可W得到 需要捜索比较的数量为66,最后用梯度相关性相似测度得到Gcs值为最小的那组通道参数 作为最优解并线性加权得到初始灰度图像。
[0063] 在步骤(C)中：基于梯度相关性相似测度从初始灰度图像和第二子空间导致的候 补图像集合中用离散捜索技术自适应地离散捜索求解第二阶段参数子空间，得到最优结果 图像。
[0064]
(6)：
[0065] 其中在分母中的参数。为正数，灰度图像差值I gx-gy I表示候补灰度图像中像素 gx 和gy之间的灰度差值。I Ix-Iy I为相应的彩色图像两像素之间的差值。像素对集合P包含局部 相邻的和非局部相隔很远的像素对集合。本发明在第一步中W间隔步长0.1离散化参数范 围为[0，1]的解空间Iw。}，得到66个参数组合的捜索空间，使用离散捜索策略自适应地从由 66个候选组成的義子空间集合中得到解作为初始图像。在第二步中W间隔步长0.1离散化 参数范围为[-1,1]的解空间Iw。}，得到231个参数组合的捜索空间，使用离散捜索策略自适 应地从231个候选组成的2,子空间离散捜索求得的结果作为加细灰度图像输出。
[0066] 在步骤(d)中，检查输出加细图像是否为灰度图像，再归一化后处理，得到最优结 果作为最终的灰度图像。
[0067] 综上所述在两步策略上融入梯度相关性相似测度，测度自适应地计算每个彩色通 道和灰度通道的梯度相关性然后求和，得到关于权重系数的参数优化的二阶多元多项式模 型，其次使用离散化策略进行捜索比较求解模型，得到彩色图像灰度化结果。
[0068] 具体而言，本发明实施例基于两步参数子空间优化的彩色图像灰度化算法中建立 一个两步策略扩展参数求解二阶多元多项式的数学模型，采用扩展参数离散捜索技术使线 性模型扩展到二阶多元多项式对模型的=个权重参数进行自适应离散捜索求解。第一个阶 段通过梯度相关性相似度测量求解第一个子空间的线性参数模型，得到第一阶段的初始灰 度图像;第二阶段从第一阶段的初始灰度图像和第二子空间导致的候补图像集合中再通过 梯度相关性相似度测量求解，得到最优结果图像。本发明提出彩色图像灰度化算法的新的 数据拟合测试度:梯度相关性相似测度，分两步优化参数子空间，在第一阶段中得第一子空 间的初始图像，并利用离散化捜索的策略简化计算过程，离散化捜索的策略使得算法的计 算时间大大减少，计算效率甚至可W达到实时的程度。定性分析表明，本发明用归一化相关 性保存了彩色图像的显著特征，不仅是彩色图像在灰度图像中仍然可W区分，并且可W保 留颜色排序;定量分析表明，本发明能够更好地反映彩色和灰度图像之间的结构相似性，提 高了彩色图像灰度化能力。
[0069] 本发明技术方案采用彩色图像灰度化的测试实验目前经典的两个数据测试图。第 一个为Cad化进行图像评价时建立的由24幅图组成的Cad化测试图集，该图集含有各种不同 的仿真特征和图案。第二个是杜浩等整理收集的复杂场景CSDD测试库，由22张颜色分布比 较复杂的图像组成。运两个图像集涵盖了简单仿真、自然场景及复杂等各种图像。评判方法 采用人员参与主观评价和定量分析客观评价，可望完成上述研究内。
[0070] 图5为本发明提出的2阶段方法的概要图。其中：（a)输入的彩色图像；（b)第一阶 段，在参数空间中Iwr，wg，wb}采用Gcs; (C)第二阶段，基于Gcs在初始灰度图像和参数子空间 Z2的集合中用离散捜索技术求解;（d)最后输出g = gi+g2。
[0071] 因本技术领域的技术人员应理解，本发明可W W许多其他具体形式实现而不脱离 本发明的精神或范围。尽管业已描述了本发明的实施例，应理解本发明不应限制为运些实 施例，本技术领域的技术人员可如所附权利要求书界定的本发明精神和范围之内作出变化 和修改。
【主权项】
1. 一种基于两步参数子空间优化的彩色图像灰度化方法，其特征是包括以下步骤： 步骤(a):检验输入图像是否为彩色图像，再归一化预处理，接着由彩色图像三通道的 二阶组合得到带参数的二阶多元多项式模型并对其划分为三个颜色子空间； 步骤(b):基于梯度相关性相似测度求解第一个子空间的线性参数模型，得到初始灰度 图像； 步骤(c):基于梯度相关性相似测度从初始灰度图像和第二子空间导致的候补图像集 合中用离散搜索技术自适应地离散搜索求解，得到加细图像； 步骤(d):检查输出加细图像是否为灰度图像，再归一化后处理，得到最优结果作为最 终的灰度图像。2. 根据权利要求1所述的基于两步参数子空间优化的彩色图像灰度化方法，其特征是 所述步骤(a)为： 设输出灰度图像g是彩色图像I。的三个RGB通道变量构成的二阶多元多项式函数的映 射：其中，g为输出的灰度图像，I。为输入的彩色图像，Ir，Ig Jb分别为输入彩色图像三个r， g，b通道的三个分量，wc为三个通道的权重系数{wc I c = r，g，b};划分上述空间Z为三个子空 间，把三个子空间的和作为上式的二阶多元多项式函数：其中，Z 1= {Ir，Ig，Ib}为第一子空间，Z 2 = {IrIg, IrIb ,IgIb}为第二子空间，^第三子空间。3. 根据权利要求1所述的基于两步参数子空间优化的彩色图像灰度化方法，其特征是 所述步骤(b)为： 使用的一阶多变量多项式c={r，g，b}和约异梯度相关性相似测度将自适 应地计算每一个彩色通道和灰度通道的梯度相关性然后求和，即：数学符号▽表示像素对(x，y)的非局部梯度算子Vgx,y=gx-g y;将模型的求解转移到权 重系数{W。I C = r，g，b}的参数优化问题； 将第一子空间作为搜索空间，在第一子空间中对梯度相关性相似测度进行离散搜索， 得到初始灰度图像；其中在分母中的参数为正数，灰度图像差值I gx-gy I表示候补灰度图像中像素gx和gy 之间的灰度差值；I Ix-Iyl为相应的彩色图像两像素之间的差值;像素对集合P包含局部相邻 的和非局部相隔很远的像素对集合； 所述的第一子空间，根据已有研究中三个子空间各自的重要性程度和三个子空间相互 之间的相似度，确定第一子空间为重要程度最高和相似度最低的子空间。4.根据权利要求1所述的基于两步参数子空间优化的彩色图像灰度化方法，其特征是 所述步骤(C)为： 基于梯度相关性相似测度从初始灰度图像和第二子空间导致的候补图像集合中用离 散搜索技术自适应地离散搜索求解第二阶段参数子空间；其中在分母中的参数ε2为正数，灰度图像差值|gx-gy|表示候补灰度图像中像素gx和g y 之间的灰度差值；I Ix-Iyl为相应的彩色图像两像素之间的差值;像素对集合P包含局部相邻 的和非局部相隔很远的像素对集合;在第一步中以间隔步长0.1离散化参数范围为[〇，1]的 解空间{w c}，得到66个参数组合的搜索空间，使用离散搜索策略自适应地从由66个候选组 成的笔子空间集合中得到解作为初始图像;在第二步中以间隔步长0.1离散化参数范围为 [_1，1]的解空间{w c}，得到231个参数组合的搜索空间，使用离散搜索策略自适应地从231 个候选组成的?2子空间离散搜索求得的结果作为加细灰度图像输出。
【文档编号】G06T3/40GK106023268SQ201610373855
【公开日】2016年10月12日
【申请日】2016年5月30日
【发明人】刘且根, 卢红阳, 魏静波, 王玉皞, 邓晓华
【申请人】南昌大学