專利名稱：一種邊緣保持的自然場景圖像自適應(yīng)加權(quán)濾波方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種同時保持圖像亮度/顏色邊緣特性和深度邊緣特性的自然場景圖像自適應(yīng)加權(quán)濾波方法。
背景技術(shù)：
圖像濾波是圖像預(yù)處理算法中的關(guān)鍵技術(shù)。該技術(shù)是通過構(gòu)建一個濾波模板來實現(xiàn)在圖像空間中的局部鄰域操作，如算術(shù)平均濾波、高斯平滑濾波、拉普拉斯濾波等，其目的是減少圖像中的噪聲以改善圖像質(zhì)量，或是濾除圖像高頻分量以建立圖像尺度空間。該技術(shù)廣泛應(yīng)用于圖像分割、圖像復(fù)原、圖像特征提取、圖像理解和分析、圖像壓縮等絕大多數(shù)的圖像處理算法中。圖像濾波的思想源于數(shù)學(xué)中的統(tǒng)計分析，通過加權(quán)平均的方式濾除誤差和噪聲， 這其中隱含了一個假定統(tǒng)計過程中所有樣本應(yīng)表征的是同一目標的特性。由于圖像邊緣通常是由不同物體的亮度/顏色差異所形成的，而現(xiàn)有大多數(shù)圖像濾波方法采用的濾波模板大小和形狀固定不變，因此在圖像邊緣處不可避免地違反了統(tǒng)計分析中的隱含假定，造成圖像邊緣模糊或虛假光暈。近年來已提出了許多具有邊緣保持特性的圖像濾波方法。C. Tomasi等人提出了一種雙邊濾波器[1]，同時考慮了鄰域像素與中心像素間的幾何距離度量和亮度相似性度量。Z. Farbman等人提出邊緣保持的多尺度分解方法[2]。R. Fattal等人提出了基于邊緣的圖像放大方法[3]。R. Fattal提出了一種基于小波變換的邊緣保持方法[4]。S. Paris 等人通過將圖像邊緣分解為階越分量、平緩分量和高頻細節(jié)分量，提出了邊緣感知的局部拉普拉斯濾波器[5]。還有很多邊緣保持的圖像濾波方法被提出。然而目前已提方法都只考慮由亮度/顏色差異所引起的圖像邊緣，而沒有考慮到由場景中不同目標深度所引起的邊緣，因此已提方法難以有效處理圖像中目標亮度和顏色與背景相近的情況。然而這類情況在實際的自然場景圖像拍攝過程中經(jīng)常發(fā)生。為解決該問題，應(yīng)能從單幅自然場景圖像中提取出深度信息。近年來已提出了多種從單幅圖像中獲取深度感知的方法。本發(fā)明中采用了 K. He等人提出的暗通道先驗方法獲取單幅自然場景圖像中的深度線索[6]。參考文獻.C. Tomasi, R. Manduchi. Bilateral filtering for gray and color images. ICCV, Bombay, India. 1998: 839-846..Z. Farbman, R. Fattal, D. Lischinski, etc. Edge-preserving decompositions for multi-scale tone and detail manipulation. ACM Transactions on Graphics (Proc. SIGGRAPH). 27，3. 2008..R. Fattal, R. Carroll and M. Agrawala. Edgebased image coarsening. ACM Transactions on Graphics 29, 1. 2009..R. Fattal. Edge-avoiding wavelets and their applications. ACM Transactions on Graphics (Proc. SIGGRAPH). 28, 3. 2009.
4[5].S. Paris, S. Hasinoff and J. Kautz, Local Laplacian Filters: Edge-aware Image Processing with a Laplacian Pyramid. ACM Transactions on Graphics (Proc. SIGGRAPH), 2011..K. He, J. Sun and X. Tang. Single Image Haze Removal Using Dark Channel Prior. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2009). 2009。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有圖像濾波技術(shù)的不足，提供一種同時保持圖像亮度/顏色邊緣特性和深度邊緣特性的自然場景圖像自適應(yīng)加權(quán)濾波方法。本發(fā)明方法的具體步驟如下
步驟(1)根據(jù)高斯濾波器的標準差σ，計算高斯模板，高斯模板半徑力f步驟⑵采用暗通道先驗方法，獲取原始圖像中的深度線索，并歸一化至
，生成深度先驗圖像，所述的原始圖像為自然場景圖像。步驟(3)計算高斯模板上每個坐標點的空間近鄰性權(quán)值，具體為
對于高斯模板中坐標點(U)，該坐標點到模板中心的近鄰距離<@表示為
權(quán)利要求
1. 一種邊緣保持的自然場景圖像自適應(yīng)加權(quán)濾波方法，其特征在于該方法包括如下步驟步驟(1)根據(jù)高斯濾波器的標準差σ，計算高斯模板，高斯模板半徑為、；步驟(2)采用暗通道先驗方法，獲取原始圖像中的深度線索，并歸一化至
，生成深度先驗圖像，所述的原始圖像為自然場景圖像；步驟(3)計算高斯模板上每個坐標點的空間近鄰性權(quán)值，具體為對于高斯模板中坐標點(U)，該坐標點到模板中心的近鄰距離<@表示為《泌=^j———根據(jù)高斯模板中坐標點(U)的近鄰距離式@ ,其空間近鄰性權(quán)值表示為lAta.b = rg其中為空間近鄰性參數(shù)；步驟(4)計算原始圖像上兩像素點間的亮度/顏色相似性權(quán)值，具體為 對于原始圖像中像素點Pb和像素點A，采用彩色變換方法，提取像素點Ps的LUV彩色分量和像素點朽的LUV彩色分量名)，像素點Λ 和像素點朽的亮度/顏色相似性距離式輛(A,P1J表示為,, 、V^ (L -Lf +(Ux- Ilfl]2 + ( Vm - V, )2 若 ‘―4|>忑KiViO= ,---^-ΓU(L-L) + ( μ -、) +(Vxi-Vn) 其他其中巧為亮度差異閾值；根據(jù)像素點Ps和像素盧Α的亮度/顏色相似性距離,其亮度/顏色相似性權(quán)值W5fei (PyPs)表示為14 . . (p, ,p. ) —其中U為亮度/顏色相似性參數(shù)；步驟(5)根據(jù)步驟(2)中得到的深度先驗圖像，計算原始圖像上兩像素點間的深度差異性權(quán)值，具體為對于原始圖像中像素點和像素點A，從深度先驗圖像中獲取像素點. 的深度先驗值I和像素占的深度先驗值％，像素點&和像素點Λ的深度先驗距離表示為
全文摘要
本發(fā)明涉及一種邊緣保持的自然場景圖像自適應(yīng)加權(quán)濾波方法。本發(fā)明方法首先根據(jù)高斯濾波器的標準差，計算高斯模板，采用暗通道先驗方法，獲取原始圖像中的深度線索，并歸一化，生成深度先驗圖像。其次計算高斯模板上每個坐標點的空間近鄰性權(quán)值和計算原始圖像上兩像素點間的亮度/顏色相似性權(quán)值。然后計算原始圖像上兩像素點間的深度差異性權(quán)值和計算模板中心對應(yīng)于該像素點的自適應(yīng)加權(quán)濾波模板，最后對原始圖像中每個像素點，計算其自適應(yīng)加權(quán)濾波結(jié)果。本發(fā)明方法不僅在亮度/顏色相似性權(quán)值計算中考慮了人眼對亮度差異比色彩差異的敏感度不同這一特性，使得該方法符合生物模型。
文檔編號G06T5/00GK102222328SQ201110182918
公開日2011年10月19日 申請日期2011年7月1日 優(yōu)先權(quán)日2011年7月1日
發(fā)明者周文暉, 孫志海, 張樺, 戴國駿, 樓斌, 韋學(xué)輝 申請人:杭州電子科技大學(xué)