基于人工智能的模糊图像优化增强方法

本发明涉及图像处理，具体涉及一种基于人工智能的模糊图像优化增强方法。

背景技术：

1、图像处理是一种广泛应用于数字图像领域的技术，它通过对图像进行一系列的算法处理，改变图像的质量、清晰度、对比度等特征，以达到优化和增强图像的目的。图像模糊是指图像中的细节不清晰或者边缘不明显，通常由图像采集设备的不完美性、运动模糊或者镜头失焦等因素引起。

2、传统的图像模糊优化方法主要包括滤波、去噪和锐化等技术。滤波方法通过对图像进行平滑处理，消除图像中的高频噪声，从而减少图像模糊。去噪方法通过对图像进行降噪处理，去除图像中的噪声干扰，提高图像的清晰度。锐化方法通过增强图像中的边缘和细节，使图像更加清晰。然而，传统的图像模糊优化方法存在一些问题。首先，滤波方法可能会导致图像细节的丢失，使图像变得过于平滑。其次，去噪方法可能会导致图像细节的模糊，使图像变得不清晰。最后，锐化方法可能会增加图像中的噪声，使图像变得更加杂乱。

3、本发明通过对采集的图像进行分析，通过获取图像的边缘细节，获取边缘细节的细节程度，通过细节程度将灰度统计直方图分为多段，每段进行不同程度的直方图均衡化增强，在保证图像质量的同时避免过增强或细节丢失的问题。

技术实现思路

1、本发明提供基于人工智能的模糊图像优化增强方法，以解决现有的问题。

2、本发明的基于人工智能的模糊图像优化增强方法采用如下技术方案：该方法包括以下步骤：

3、获取待优化增强的图像，通过对图像进行去噪预处理得到目标图像；将目标图像中任意一个像素点记为目标像素点；

4、根据目标像素点的梯度幅值和目标像素点邻域中像素点与目标像素点的关联关系获取目标像素点的目标程度，根据目标像素点的目标程度获取标记像素点；

5、根据标记像素点的梯度幅值与标记像素点在预设滑窗中平均梯度幅值的差异获取标记像素点的权重，根据每个灰度级中标记像素点的数量以及标记像素点的权重值获取标记像素点对应的每个灰度级的权重，根据每个灰度级的权重获取每个灰度级的针对增强必要性，将针对增强必要性大于预设阈值的所有灰度级记为针对性增强的灰度级；

6、根据所有针对性增强的灰度级的分布进行聚类，根据聚类获取的簇类个数确定灰度子区间，根据灰度子区间与原始灰度级子区间的隶属度关系获取灰度级子区间的增强映射方式，利用灰度级子区间的增强映射方式对目标图像进行均衡化增强得到优化增强后的图像。

7、优选的，所述根据目标像素点的梯度幅值和目标像素点邻域中像素点与目标像素点的关联关系获取目标像素点的目标程度，包括的具体步骤如下：

8、以目标像素点为中心建立预设大小的滑窗，目标像素点的目标程度为：

9、

10、式中ga表示目标像素点的目标程度，fa表示目标像素点的梯度幅值，fmax表示预设大小的滑窗中所有像素点的梯度幅值的最大值，n表示滑窗的边长，sa表示滑窗中与目标像素点的梯度幅值相似且与目标像素点存在联通关系的像素点的个数。

11、优选的，所述滑窗中与目标像素点的梯度幅值相似且与目标像素点存在联通关系的像

12、素点的个数的获取方法如下：

13、以目标像素点为区域生长的中心点进行区域生长，生长过程为：获取与区域生长中心点存在相似关系并且位于区域生长中心点八邻域内的所有像素点，将所述的所有像素点标记为生长像素点；分别以每个生长像素点为区域生长中心点继续进行生长；

14、迭代重复所述生长过程，直至所有生长像素点的八邻域内不存在与生长像素点存在相似关系的像素点时停止迭代，迭代完成之后获得所有生长像素点；所有生长像素点的个数记为与目标像素点的梯度幅值相似且与目标像素点存在联通关系的像素点的个数。

15、优选的，所述根据目标像素点的目标程度获取标记像素点，包括的具体步骤如下：

16、将目标程度大于第一预设阈值的所有像素点进行标记，标记为标记像素。

17、优选的，所述根据标记像素点的梯度幅值与标记像素点在预设滑窗中平均梯度幅值的差异获取标记像素点的权重，包括的具体公式如下：

18、

19、式中ta表示第a个标记像素点的权重值，fa′表示目标图像中第a个标记像素点的梯度幅值，表示目标图像中以第a个标记像素点为中心的且大小为n×n的滑窗中内所有像素点的梯度幅值的平均值，n为预设数值。

20、优选的，所述根据每个灰度级中标记像素点的数量以及标记像素点的权重值获取标记

21、像素点对应的每个灰度级的权重，包括的具体公式如下：

22、

23、式中px表示第x个灰度级的权重值，mx表示第x个灰度级中标记像素点的个数，ti表示第x个灰度级中第i个标记像素点的权重值。

24、优选的，所述根据每个灰度级的权重获取每个灰度级的针对增强必要性，包括的具体公式如下：

25、

26、式中qx表示第x的灰度级的针对增强必要性，px表示第x的灰度级的权重值，mx表示第x个灰度级中标记像素点的个数，mx表示第x个灰度级中所有像素点的个数。

27、优选的，所述根据所有针对性增强的灰度级的分布进行聚类，根据聚类获取的簇类个

28、数确定灰度子区间，根据灰度子区间与原始灰度级子区间的隶属度关系获取灰度级子

29、区间的增强映射方式，包括的具体步骤如下：

30、采用均值漂移密度聚类进行聚类，聚类完成后获得的类簇个数记为n，采用最大类间方差法获取灰度级的n个阈值，将每个阈值作为分段点对灰度级区间进行区间划分，分段完成后得到多个灰度级子区间；将原始灰度级区间平均分为三份，其中原始灰度级区间的区间范围由第一目标图像中的最小灰度级与最大灰度级确定，从小到大分别记为低灰度级区间、中灰度级区间和高灰度级区间，根据每一个灰度级子区间位于低、中、高灰度级区间的隶属度进行映射方式的选择，若灰度级子区间全包含于低灰度级区间，则选择平方根映射，若灰度级子区间全包含于高灰度级区间，则选择对数映射，若灰度级子区间全包含于中灰度级区间，则选择线性映射，线性映射即为直方图均衡化中的累积分布函数，若灰度级子区间全包含于中灰度级区间，则选择线性映射。

31、本发明的技术方案的有益效果是：通过对图像进行预处理得到去噪后的图像，有利于减小噪声带来的干扰，通过计算像素点的目标程度，将对比度较低的像素点对应的灰度级进行针对性增强，通过对应像素点灰度级的分布自适应获取增强映射方式，采用自适应获取的增强映射方式对图像进行增强处理，在保证图像质量的同时避免过增强或细节丢失的问题。

技术特征：

1.基于人工智能的模糊图像优化增强方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据目标像素点的梯度幅值和目标像素点邻域中像素点与目标像素点的关联关系获取目标像素点的目标程度，包括的具体步骤如下：

3.根据权利要求2所述基于人工智能的模糊图像优化增强方法，其特征在于，所述滑窗中与目标像素点的梯度幅值相似且与目标像素点存在联通关系的像素点的个数的获取方法如下：

4.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据目标像素点的目标程度获取标记像素点，包括的具体步骤如下：

5.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据标记像素点的梯度幅值与标记像素点在预设滑窗中平均梯度幅值的差异获取标记像素点的权重，包括的具体公式如下：

6.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据每个灰度级中标记像素点的数量以及标记像素点的权重值获取标记像素点对应的每个灰度级的权重，包括的具体公式如下：

7.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据每个灰度级的权重获取每个灰度级的针对增强必要性，包括的具体公式如下：

8.根据权利要求1所述基于人工智能的模糊图像优化增强方法，其特征在于，所述根据所有针对性增强的灰度级的分布进行聚类，根据聚类获取的簇类个数确定灰度子区间，根据灰度子区间与原始灰度级子区间的隶属度关系获取灰度级子区间的增强映射方式，包括的具体步骤如下：

技术总结
本发明公开了基于人工智能的模糊图像优化增强方法，涉及图像处理技术领域，包括：根据像素点的梯度幅值和像素点邻域中像素点关联关系获取像素点的目标程度，并获取标记像素点；根据标记像素点的梯度幅值与其预设滑窗中的差异获取标记像素点的权重，并获得每个灰度级的权重，根据灰度级的权重获取灰度级的针对增强必要性，根据针对性增强的灰度级的分布确定灰度子区间，根据灰度子区间与原始灰度级子区间的隶属度关系获取灰度级子区间的增强映射方式，对目标图像进行均衡化增强得到优化增强后的图像。本发明通过将灰度直方图分为多段，进行不同程度的直方图均衡化增强，在保证图像质量的同时避免过增强或细节丢失的问题。

技术研发人员：徐逸飞,田峰,徐后龙
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/1/15