基于双边伽马校正和多尺度图像融合的图像增强方法
【技术领域】
[0001] 本发明属于图像增强技术领域，具体涉及一种基于双边伽马校正和多尺度图像融 合的图像增强方法。
【背景技术】
[0002] 图像增强是为了改善图像的视觉效果、或便于人或机器对图像进行分析，根据图 像的特点以及应用目的所采取地改善图像质量的方法或加强图像某些特征的措施。图像增 强技术应用于电视、数码相机等消费类电子产品时，使输出图像能够保持原始图像的亮度 是非常重要的，例如，黄昏时拍摄的照片其平均亮度较低，而晴天时拍摄雪景的照片其平均 亮度较高，如果在增强图像时过多地改变输入图像的亮度特征，则会产生难以接受的加工 痕迹，影响图像的真实感。对于灰度图像在保持亮度的基础上进行图像增强的做法，目前比 较常用的一类方法是基于直方图均衡化的思想，通过寻找某种约束下一个或多个直方图分 隔点来实现图像的亮度保持，并借助直方图均衡化方法固有的对比度拉伸特性来提高图像 对比度。
[0003] 这类方法有其固有的局限性，因为根据整幅图像、或局部图像的灰度统计特性来 调整图像亮度时，输出图像的平均亮度总是位于其灰度范围的中间值附近，而与输入图像 的亮度无关，并且忽视了中心像素点与其邻域像素点的空间相关性，容易导致在增强图像 的同时，过多地改变图像亮度，出现"过增强"现象。
【发明内容】
[0004] 针对现有技术中存在的上述技术问题，本发明提出了一种基于双边伽马校正和多 尺度图像融合的图像增强方法，该方法能够在保持原始图像亮度不变的基础上有效突出图 像细节。
[0005] 为了实现上述目的，本发明采用如下技术方案：
[0006] 基于双边伽马校正和多尺度图像融合的图像增强方法，包括如下步骤：
[0007] si、双边伽马校正
[0008] 根据伽马校正算法设计两条校正曲线，分别是伽马取值范围为（0, 1)的上边伽马 校正曲线和伽马取值范围为（1，+m)的下边伽马校正曲线；
[0009] 两条伽马校正曲线中都包含斜率大于1和斜率小于1的两段曲线段；
[0010] 利用上边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过 暗区域视觉效果的图像；
[0011] 利用下边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过 亮区域视觉效果的图像；
[0012] s2、多尺度图像融合
[0013] 利用拉普拉斯金子塔分解算法分别对双边伽马校正后的两幅图像进行多尺度拉 普拉斯金子塔图像分解，分解成两个N层的多尺度图像序列，每层包含低频子带图像和高 频子带图像；
[0014] 将两个图像序列中每层的低频子带图像采用加权平均融合规则进行图像融合，生 成一个N层的多尺度图像序列；
[0015] 将两个图像序列中每层的高频子带图像采用平均选择融合规则进行图像融合，生 成一个N层的多尺度图像序列；
[0016] 将生成的两个N层的多尺度图像序列采用拉普拉斯逆金子塔变换重构成一幅输 出图像。
[0017] 进一步，上述步骤si中伽马值的确定方法如下：
[0018] 设点A和点C分别是上边伽马校正曲线和下边伽马校正曲线中斜率等于1的点， 通过A点的位置确定上边伽马校正曲线，通过C点的位置确定下边伽马校正曲线；
[0019] 伽马校正算法的表达式为：g(u) =uY (1)
[0020] 其中，y是参数伽马，取值为大于零的实数；
[0021] u是校正前图像中像素点的灰度值，采用256级灰度，取值范围为[0, 255] ;g(u) 是校正后图像中的像素点的灰度值，采用256级灰度，取值范围为[0, 255];
[0022] 根据公式⑴求导可得：dg(u)/du=yu〃 (2)
[0023]气
【主权项】
1. 基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，包括如下步 骤： si、双边伽马校正 根据伽马校正算法设计两条校正曲线，分别是伽马取值范围为（〇，1)的上边伽马校正 曲线和伽马取值范围为（1，+ 0)的下边伽马校正曲线； 两条伽马校正曲线中都包含斜率大于1和斜率小于1的两段曲线段； 利用上边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过暗区 域视觉效果的图像； 利用下边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过亮区 域视觉效果的图像； s2、多尺度图像融合 利用拉普拉斯金字塔分解算法分别对双边伽马校正后的两幅图像进行多尺度拉普拉 斯金子塔图像分解，分解成两个N层的多尺度图像序列，每层包含低频子带图像和高频子 带图像； 将两个图像序列中每层的低频子带图像采用加权平均融合规则进行图像融合，生成一 个N层的多尺度图像序列； 将两个图像序列中每层的高频子带图像采用平均选择融合规则进行图像融合，生成一 个N层的多尺度图像序列； 将生成的两个N层的多尺度图像序列采用拉普拉斯逆金子塔变换重构成一幅输出图 像。
2. 根据权利要求1所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征 在于，所述步骤si中伽马值的确定方法如下： 设点A和点C分别是上边伽马校正曲线和下边伽马校正曲线中斜率等于1的点，通过A点的位置确定上边伽马校正曲线，通过C点的位置确定下边伽马校正曲线； 伽马校正算法的表达式为：g(u) =uY (1) 其中，y是参数伽马，取值为大于零的实数； u是校正前图像中像素点的灰度值，采用256级灰度，取值范围为[0, 255] ;g(u)是校 正后图像中像素点的灰度值，采用256级灰度，取值范围为[0, 255]; 根据公式（1)求导可得：dg(u)/du=yu〃 (2) 令
'则可导出uA关于Y的函数为：
令
，则可导出u。关于Y的函数为：
由公式（3)和公式（4)可知，在已知…的情况下求出上边伽马校正曲线的y，在已知uc的情况下求出下边伽马校正曲线的Y。
3. 根据权利要求2所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征 在于，根据灰度图像的灰度统计直方图，找出过暗区域的灰度值分界点来确定参数值UA，找 出过亮区域的灰度值分界点来确定参数值U。。
4.根据权利要求1所述基于双边伽马校正和多尺度图像融合的图像增强方法，其特征 在于，所述步骤s2进一步包括： s21、多尺度图像分解 设fA表示输入的灰度图像；fB和心分别表示经上边伽马校正曲线和下边伽马校正曲线 校正后的两幅灰度图像，采用拉普拉斯金字塔分解算法将分解成具有N层的两个多 尺度图像序列#和/c"，每一层包含两个子带图像，//;和#分别表示为：
其中，和f分别为#和#的第k层上的低频子带图像，/T和分别为 < 和l/cw的第k层上的高频子带图像； s22、低频子带图像融合 采用加权平均融合规则融合每层的两个低频子带图像./T和/^，计算融合后的每层 低频子带图像的过程如下： 设叫为输入图像的灰度均值，mjPm。分别是经上边和下边伽马校正后生成的两幅图像 的灰度均值，融合后每层的低频子带图像为：
s23、高频子带图像融合 采用平均选择融合规则融合每层的两个高频子带图像公"和公'计算融合后的每层 高频子带图像的过程如下： a分别计算/T和/，在像素p处的局部区域能量五f和，表达式为：
其中，和分别表示图像4和中的第k层上，以p为中心的区域^内 的局部区域能量;w(q)为权值，且满足
b计算高频子带图像穴'"和对应区域的匹配度:，表达式为：
C确定融合算子 给定匹配度阈值T，并满足0. 5彡T彡1的条件，若<r，则：
s24、多尺度图像重构 经过两种规则在低频和高频进行图像融合后得到了N层图像序列//，每层包含融合后 的低频子带图像片1和高频子带图像焱〃，其表达式为：
最后，采用拉普拉斯逆金子塔变换，对融合后的图像序列进行重构，生成输出图像。
【专利摘要】本发明属于图像增强技术领域，具体公开了一种基于双边伽马校正和多尺度图像融合的图像增强方法，该方法采用图像空频域结合处理模式，在空间域设计了双边伽马校正模块，利用上边和下边两条伽马校正曲线的特征改善灰度图像中过暗区域和过亮区域的视觉效果；在频率域设计了多尺度图像融合模块，对双边伽马校正后的两幅图像进行多尺度分解、融合和重构，其中，在低频子带图像中采用加权平均融合规则保持原始图像亮度，在高频子带图像中采用平均选择融合规则突出原始图像细节。本发明方法能够在保持图像真实感的前提下提高图像的视觉质量，使得图像更容易被人或机器所理解，避免了基于直方图均衡化的方法容易出现的图像“过增强”现象。
【IPC分类】G06T5-50
【公开号】CN104574337
【申请号】CN201510030014
【发明人】黄梁松, 于清洋, 李玉霞
【申请人】山东科技大学
【公开日】2015年4月29日
【申请日】2015年1月21日