一种基于非连续性指示符的图像局部结构自适应复原方法
【专利摘要】本发明提出一种基于非连续指示符的图像局部结构自适应复原方法，它包括如下步骤：第一步，初始化读入图像，将输入的RGB图像转换到YCbCr颜色空间；第二步,构建三边散布矩阵，提高对噪声的鲁棒性；第三步，构建非连续性指示符，动态表征图像局部结构特征；第四步，建立图像退化模型；第五步，根据所构建的非连续性指示符，建立图像复原优化模型，使得所建立的模型连续依赖于图像局部结构特征；第六步，利用变分法求解复原优化模型，得到优化模型所对应的梯度下降流，并采用半点格式对其进行离散化，得到最优复原图像。本发明提出的方法能够根据图像局部结构特征自适应控制复原过程，能够复原出图像更多的细节结构，使得图像质量显著提高。
【专利说明】一种基于非连续性指示符的图像局部结构自适应复原方法【技术领域】
[0001]本发明属于图像处理领域，具体涉及一种基于非连续性指示符的图像局部结构自适应复原方法。
【背景技术】
[0002]图像复原技术属于图像处理和底层视觉中的关键性问题，是后续模式识别和高层理解的基础，有着广泛的应用需求，该技术可以应用到交通监控、军事、医学等多个领域，如在交通监控方面，由于摄像机分辨率低、拍摄环境差等原因，导致拍摄到的图像质量下降，难以从图像中获取需要的细节特征，如车辆的车牌信息，不利于机器的识别或人为的辨别。因此，通过图像复原技术提高图像质量，具有重要的理论意义和现实价值，受到国内外学术界和商业界的极大关注。
[0003]图像复原技术采用图像处理技术，根据采集到的退化图像和关于退化系统的先验知识，来恢复理想图像的原貌，从软件的角度改善图像的质量。图像复原本质上是属于一类不适定性的数学反问题，解决不适定性反问题的常用方式是将其转化为适定性的问题进行求解，当前求解不适定性问题的方法可以分为两大类，一类是统计推断的方法，另一类是正则变分方法。统计推断的方法需要知道理想高清图像的先验分布，当所假设的先验分布与实际不符时，处理效果较差，而正则变分方法不需要对理想高清图像做先验分布假设，通过引入先验约束，直接对图像进行处理，在某种程度上，处理效果要好于统计推断的方法。
[0004]图像边缘结构是图像中最重要的视觉特征，因此保护图像边缘结构尤为重要。而要想达到这一目的，所建立的复原优化模型应该具有局部结构自适应性，要实现模型的局部结构自适应性，构建非连续性指示符表征像素点所在区域特性至关重要。通过对现有复原技术的研究发现，现有的方法都是由梯度进行控制，不能有效将边缘点和噪声点区分开来，从而不能够很好的在保护图像边缘结构的同时去除噪声。本发明是一种局部结构自适应复原方法，该方法能够根据图像的局部结构特征自适应控制复原过程，实现边缘结构增强的同时去除噪声。`
【发明内容】
[0005]本发明的目的是提高图像质量，使之能够适用于不同的应用需求，为了实现这一目标，本发明提供了一种基于非连续性指示符的图像局部结构自适应复原方法。
[0006]一种基于非连续性指示符的图像局部结构自适应复原方法，按照以下步骤进行:
[0007]步骤1:初始化，读入一帧大小为M1XM2X3的退化彩色图像uQ，其中M1和M2为正整数，分别表示图像矩阵的行数和列数，然后将输入的彩色图像从RGB彩色空间转换到YCbCr彩色空间，转换后的图像记为U1，大小SM1XM2 X 3，取U1中Y分量图像，记为f，大小为M1XM2,从RGB彩色空间转换到YCbCr彩色空间的具体过程为:
【权利要求】
1.一种基于非连续性指示符的图像局部结构自适应复原方法，其特征在于，按照以下步骤进行: 步骤1:初始化，读入一帧大小为M1XM2X 3的退化彩色图像uQ，其中M1和M2为正整数，分别表示图像矩阵的行数和列数，然后将输入的彩色图像从RGB彩色空间转换到YCbCr彩色空间，转换后的图像记为U1，大小为M1XM2X 3，取U1中Y分量图像，记为f，大小为M1XM2,从RGB彩色空间转换到YCbCr彩色空间的具体过程为:
【文档编号】G06T5/00GK103559693SQ201310581473
【公开日】2014年2月5日 申请日期:2013年11月18日 优先权日:2013年11月18日
【发明者】曾维理, 路小波, 李聪, 费树岷, 陈林 申请人:东南大学