一种利用数学形态学高帽选择变换构造中心算子的图像增强方法
【专利摘要】本发明涉及一种利用数学形态学高帽选择变换构造中心算子的图像增强方法，它有四大步骤：设有n个尺度不同的结构元素参与计算，首先，由高帽选择变换构造中心算子和反中心算子；然后，比较由构造的中心算子平滑后的结果图像与原始图像获得亮特征和暗特征；接着，通过改变结构元素的尺度大小，由中心算子和反中心算子分别提取n个不同尺度结构元素所对应的亮特征和暗特征；随后，由所有n个尺度提取得到的亮特征和暗特征构造最终的亮特征和暗特征；最后，在原始图像上通过对比度增强的方式引入提取的最终的亮特征和暗特征达到图像增强的目的。本发明广泛应用于各类基于图像的应用系统，具有广阔的市场前景与应用价值。
【专利说明】一种利用数学形态学高帽选择变换构造中心算子的图像增 强方法
【技术领域】
[0001] 本发明涉及一种利用数学形态学高帽选择变换构造中心算子的图像增强方法，属 于数字图像处理领域，主要涉及数学形态学和图像增强技术。在各类基于图像的应用系统 中，尤其是图像分析中有广阔的市场前景和应用价值。
【背景技术】
[0002] 针对重要特征的图像增强技术是一项重要的图像技术，广泛应用于生物医学工 程、安全监控、地理科学等领域中。图像增强技术的关键是增强图像中的重要特征以获得良 好的视觉效果，达到在不同实际应用场合中更好地利用图像信息的目的。在图像增强中，增 强图像重要特征和获得无噪声或少量噪声的增强结果至关重要。
[0003] 国内外研究者提出了不同类型的图像增强方法。直方图均衡（参见文献： 黄等，基于人类视觉系统的自然彩色图像增强和评价算法，计算机视觉与图像理解， 103 (2006) 52 - 63, (K.Huang,Q.Wang,Z.ffu.Naturalcolorimageenhancementand evaluationalgorithmbasedonhumanvisualsystem,ComputerVisionandImage Understanding103 (2006) 52 - 63)，万等，通过小波变换的联合精确直方图规定化和图 像增强，电气与电子工程师协会图像处理汇刊，16 (9) (2007)2245 - 2250,（Y.Wan,D.Shi. Jointexacthistogramspecificationandimageenhancementthroughthewavelet transform,IEEETransactionsonImageProcessing16 (9) (2007)2245 - 2250))是一种 比较常用的方法，对于背景和前景都太亮或太暗的图像非常有用，但是它对处理的数据不 加选择，很有可能过增强某些区域，使得这些区域的图像细节消失。Wallis滤波算法（参 见文献：马可等，视网膜图像的亮度和对比度规范化，医学图像分析，9(2005) 179 - 190 (M. Foracchia,E.Grisan,A.Ruggeri.Luminosityandcontrastnormalizationinretinal images,MedicalImageAnalysis9(2005) 179 - 190))增强目标的同时，会增强非目标 区域，这将影响图像的进一步分析。多尺度形态学方法（参见文献：苏珊塔等，一种采用 多尺度形态学方法的局部对比度增强，信号处理，80 (2000) 685 - 696 (S.Mukhopadhyay，B. Chanda.Amultiscalemorphologicalapproachtolocalcontrastenhancement,Signal Processing80(2000)685 - 696))和多尺度高帽变换算法（参见文献：白等，利用高帽变 换提取多尺度图像特征的图像增强方法，光学与激光技术，44 (2012) 328 - 336 (X.Bai，F. Zhou,B.Xue.Imageenhancementusingmultiscaleimagefeaturesextractedby top-hattransform,Optics&LaserTechnology44 (2012) 328 - 336))是图像增强领域中 的有效工具，开、闭运算可以有效识别图像中的亮、暗特征从而增强整个图像和目标，但是 结果图像中会产生大量的噪声。总之，大多数算法都难以在保留图像细节的同时获得无噪 声或者少量噪声的增强图像。
[0004] 数学形态学一经提出，就成为了图像处理中的一个重要理论，并且得到了广 泛应用。用于提取图像重要特征的形态学中心算子在图像分析应用中取得了较好的 效果。由高帽选择变换（参见文献：白等，用于红外图像模糊小目标增强的高帽选 择变换，图像科学期刊，58 (2) :(2010) 112-117 (X.Bai,F.Zhou.Top-hatselection transformationforinfrareddimsmalltargetenhancement.TheImagingScience Journal，58(2) : (2010) 112-117)，白等，高帽选择变换的分析及一些改进的高帽变换，光 与电子光学国际期刊，123 (2012)892 - 895 (X.Bai,F.Zhou,Z.Liu,B.Xue,T.Jin.Analysis oftop-hatselectiontransformationandsomemodifiedtop-hattransformations. Optik123 (2012) 892 - 895)，白等，基于高帽选择变换的交替顺序运算，光与电子光学国际 期干[| ,125(2014) 1908-1913 (X.Bai,F.Zhou,B.Xue,Alternatingsequentialoperators basedontop-hatselectiontransform,Optik125(2014)1908 - 1913))构造的算子可以 平滑图像重要特征。这一类算子要比经典的形态学算子获得的结果好，可以用于区分平滑 后的图像特征。结合多尺度理论，可以提取不用尺度的图像特征。因此，利用由高帽选择变 换构造的算子，可以获得保留图像细节的增强结果。
【发明内容】
[0005] 1、目的：图像增强技术是图像处理领域的一项关键技术，但是现有图像增强技术 不能在保留图像细节的同时有效地增强图像。各类传统算法具有可能会过增强图像等问 题，难以得到视觉效果较好的图像或者造成图像细节信息丢失。
[0006] 为了解决上述问题并弥补传统方法的不足，本发明提供了一种利用数学形态学高 帽选择变换构造中心算子的图像增强方法，它通过高帽选择变换构造中心算子，并使用这 些算子提取每一尺度下的图像亮特征和暗特征，采用求最值的方式提取所有尺度下的亮特 征和暗特征，得到最终的亮、暗特征来增强图像。本发明在实现图像有效增强的同时保留图 像细节信息且不会引入大量的噪声。
[0007] 2、技术方案：为了实现这个目的，本发明的技术方案如下，首先，由高帽选择变换 构造基于亮、暗特征交替算子的中心算子和反中心算子；然后，比较由构造中心算子平滑后 的结果图像和原始图像获得亮特征和暗特征；接着，改变结构元素的尺度大小，由中心算子 和反中心算子分别提取不同尺度结构元素所对应的图像亮特征和暗特征；随后，由所有尺 度下提取得到的特征得到最终的亮特征和暗特征；最后，在原始图像上通过对比度增强的 方式引入提取的亮特征和暗特征达到图像增强的目的。
[0008] 本发明涉及一种利用数学形态学高帽选择变换构造中心算子的图像增强方法，该 方法具体步骤如下：
[0009] 步骤一：由高帽选择变换构造中心算子SMC(f)和反中心算子
【权利要求】
1. 一种利用数学形态学高帽选择变换构造中心算子的图像增强方法，其特征在于：该 方法具体步骤如下： 步骤一：由高帽选择变换构造中心算子SMC(f)和反中心算子1?(11:
SOb (f) = f (x, y) -WTHSb (x, y), SCb (f) = BTHSb (x, y) +f (x, y), SAO1 (f) = SCb (S0B (f)), SAO2 (f) = S0B (SCB (f)), SMC (f) = min {max {f, min (SAO1 (f), SAO2 (f)}}, max (SAO1 (f), SAO2 (f)}},
其中，f是原始图像；B是结构元素；(x，y)是图像像素坐标；(u，v)是结构元素中的像 素坐标A1, t2和t是高帽选择变换选择范围的参数；〇，·，?，Θ分别是数学形态学开运 算、闭运算、膨胀和腐蚀运算符；WTHS B(f)，BTHSb(f)是基于开、闭运算的高帽选择变换的输 出；503)，5(；出是对图像中重要亮、暗特征具有选择性操作的算子说0 1出，5402出是 对亮、暗特征具有选择性操作的交替算子；SMC(f)，_(/)分别为由高帽选择变换构造的 形态学中心算子和反中心算子； 步骤二：比较经SMC(f)和胃(/)平滑后的亮特征和暗特征得到提取的亮特征 BIFSMC (f)和暗特征 DIFSMC (f): BIFSMC1 (f) = max {f-SMC (f), 0}, DIFSMC1 (f) = max {SMC (f) -f, 0},
BIFSMC (f) = max (BIFSMC1 (f), BIFSMC2 (f)}, DIFSMC (f) = max (DIFSMC1 (f), DIFSMC2 (f)}； BIFSMC1 (f)，DIFSMC1 (f)分别是通过构造的中心算子SMC(f)提取的图像亮特征、暗特 征；BIFSMC2 (f)，DIFSMC2 (f)分别是通过反中心算子537?(/>提取的图像亮特征、暗特征； BIFSMC(f)，DIFSMC(f)分别是提取的图像亮特征和暗特征； 步骤三：改变结构元素的尺度大小，由SMC(f)和_(/)分别提取η个不同尺度结构元 素 B1, B2. ·· Bn所对应的图像亮特征BIFSMCi (f)和暗特征DIFSMCi (f):
SMCi⑴和分别表示采用多尺度结构元素 Bi时的新定义的中心算子和反中心 算子；S/FSMgC/}，WfSMC!C/)是不同尺度结构元素 Bi下分别用SMCJf)和·#)提 取得到的亮特征；WFSMQ(/)，OTFSMClCf)是不同尺度结构元素 Bi下分别用SMCi (f)和 _￡(/)提取得到的暗特征；BIFSMCi (f)，DIFSMCi(f)分别是不同尺度结构元素 Bi下两种中 心算子最终提取得到的亮、暗特征； 步骤四：通过取不同尺度下特征图像的像素灰度最大值合并所有η个尺度下的亮、暗 特征，得到最终亮特征FBIFSMC (f)和暗特征FDIFSMC (f); 步骤五：在原始图像上通过对比度增强的方式引入提取的最终亮特征和暗特征达到图 像增强的目的。
【文档编号】G06T5/00GK104376536SQ201410667506
【公开日】2015年2月25日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】白相志, 刘妙明 申请人:北京航空航天大学