基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法
【技術(shù)領域】
[0001] 本發(fā)明屬于圖像增強技術(shù)領域，具體涉及一種基于雙邊伽馬校正和多尺度圖像融 合的圖像增強方法。
【背景技術(shù)】
[0002] 圖像增強是為了改善圖像的視覺效果、或便于人或機器對圖像進行分析，根據(jù)圖 像的特點以及應用目的所采取地改善圖像質(zhì)量的方法或加強圖像某些特征的措施。圖像增 強技術(shù)應用于電視、數(shù)碼相機等消費類電子產(chǎn)品時，使輸出圖像能夠保持原始圖像的亮度 是非常重要的，例如，黃昏時拍攝的照片其平均亮度較低，而晴天時拍攝雪景的照片其平均 亮度較高，如果在增強圖像時過多地改變輸入圖像的亮度特征，則會產(chǎn)生難以接受的加工 痕跡，影響圖像的真實感。對于灰度圖像在保持亮度的基礎上進行圖像增強的做法，目前比 較常用的一類方法是基于直方圖均衡化的思想，通過尋找某種約束下一個或多個直方圖分 隔點來實現(xiàn)圖像的亮度保持，并借助直方圖均衡化方法固有的對比度拉伸特性來提高圖像 對比度。
[0003] 這類方法有其固有的局限性，因為根據(jù)整幅圖像、或局部圖像的灰度統(tǒng)計特性來 調(diào)整圖像亮度時，輸出圖像的平均亮度總是位于其灰度范圍的中間值附近，而與輸入圖像 的亮度無關，并且忽視了中心像素點與其鄰域像素點的空間相關性，容易導致在增強圖像 的同時，過多地改變圖像亮度，出現(xiàn)"過增強"現(xiàn)象。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)中存在的上述技術(shù)問題，本發(fā)明提出了一種基于雙邊伽馬校正和多 尺度圖像融合的圖像增強方法，該方法能夠在保持原始圖像亮度不變的基礎上有效突出圖 像細節(jié)。
[0005] 為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0006] 基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，包括如下步驟：
[0007] si、雙邊伽馬校正
[0008] 根據(jù)伽馬校正算法設計兩條校正曲線，分別是伽馬取值范圍為（0, 1)的上邊伽馬 校正曲線和伽馬取值范圍為（1，+m)的下邊伽馬校正曲線；
[0009] 兩條伽馬校正曲線中都包含斜率大于1和斜率小于1的兩段曲線段；
[0010] 利用上邊伽馬校正曲線中斜率大于1的曲線段校正原始圖像，生成一幅改善了過 暗區(qū)域視覺效果的圖像；
[0011] 利用下邊伽馬校正曲線中斜率大于1的曲線段校正原始圖像，生成一幅改善了過 亮區(qū)域視覺效果的圖像；
[0012] s2、多尺度圖像融合
[0013] 利用拉普拉斯金子塔分解算法分別對雙邊伽馬校正后的兩幅圖像進行多尺度拉 普拉斯金子塔圖像分解，分解成兩個N層的多尺度圖像序列，每層包含低頻子帶圖像和高 頻子帶圖像；
[0014] 將兩個圖像序列中每層的低頻子帶圖像采用加權(quán)平均融合規(guī)則進行圖像融合，生 成一個N層的多尺度圖像序列；
[0015] 將兩個圖像序列中每層的高頻子帶圖像采用平均選擇融合規(guī)則進行圖像融合，生 成一個N層的多尺度圖像序列；
[0016] 將生成的兩個N層的多尺度圖像序列采用拉普拉斯逆金子塔變換重構(gòu)成一幅輸 出圖像。
[0017] 進一步，上述步驟si中伽馬值的確定方法如下：
[0018] 設點A和點C分別是上邊伽馬校正曲線和下邊伽馬校正曲線中斜率等于1的點， 通過A點的位置確定上邊伽馬校正曲線，通過C點的位置確定下邊伽馬校正曲線；
[0019] 伽馬校正算法的表達式為：g(u) =uY (1)
[0020] 其中，y是參數(shù)伽馬，取值為大于零的實數(shù)；
[0021] u是校正前圖像中像素點的灰度值，采用256級灰度，取值范圍為[0, 255] ;g(u) 是校正后圖像中的像素點的灰度值，采用256級灰度，取值范圍為[0, 255];
[0022] 根據(jù)公式⑴求導可得：dg(u)/du=yu〃 (2)
[0023]氣
【主權(quán)項】
1. 基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，其特征在于，包括如下步 驟： si、雙邊伽馬校正 根據(jù)伽馬校正算法設計兩條校正曲線，分別是伽馬取值范圍為（〇，1)的上邊伽馬校正 曲線和伽馬取值范圍為（1，+ 0)的下邊伽馬校正曲線； 兩條伽馬校正曲線中都包含斜率大于1和斜率小于1的兩段曲線段； 利用上邊伽馬校正曲線中斜率大于1的曲線段校正原始圖像，生成一幅改善了過暗區(qū) 域視覺效果的圖像； 利用下邊伽馬校正曲線中斜率大于1的曲線段校正原始圖像，生成一幅改善了過亮區(qū) 域視覺效果的圖像； s2、多尺度圖像融合 利用拉普拉斯金字塔分解算法分別對雙邊伽馬校正后的兩幅圖像進行多尺度拉普拉 斯金子塔圖像分解，分解成兩個N層的多尺度圖像序列，每層包含低頻子帶圖像和高頻子 帶圖像； 將兩個圖像序列中每層的低頻子帶圖像采用加權(quán)平均融合規(guī)則進行圖像融合，生成一 個N層的多尺度圖像序列； 將兩個圖像序列中每層的高頻子帶圖像采用平均選擇融合規(guī)則進行圖像融合，生成一 個N層的多尺度圖像序列； 將生成的兩個N層的多尺度圖像序列采用拉普拉斯逆金子塔變換重構(gòu)成一幅輸出圖 像。
2. 根據(jù)權(quán)利要求1所述基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，其特征 在于，所述步驟si中伽馬值的確定方法如下： 設點A和點C分別是上邊伽馬校正曲線和下邊伽馬校正曲線中斜率等于1的點，通過A點的位置確定上邊伽馬校正曲線，通過C點的位置確定下邊伽馬校正曲線； 伽馬校正算法的表達式為：g(u) =uY (1) 其中，y是參數(shù)伽馬，取值為大于零的實數(shù)； u是校正前圖像中像素點的灰度值，采用256級灰度，取值范圍為[0, 255] ;g(u)是校 正后圖像中像素點的灰度值，采用256級灰度，取值范圍為[0, 255]; 根據(jù)公式（1)求導可得：dg(u)/du=yu〃 (2) 令
'則可導出uA關于Y的函數(shù)為：
令
，則可導出u。關于Y的函數(shù)為：
由公式（3)和公式（4)可知，在已知…的情況下求出上邊伽馬校正曲線的y，在已知uc的情況下求出下邊伽馬校正曲線的Y。
3. 根據(jù)權(quán)利要求2所述基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，其特征 在于，根據(jù)灰度圖像的灰度統(tǒng)計直方圖，找出過暗區(qū)域的灰度值分界點來確定參數(shù)值UA，找 出過亮區(qū)域的灰度值分界點來確定參數(shù)值U。。
4.根據(jù)權(quán)利要求1所述基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，其特征 在于，所述步驟s2進一步包括： s21、多尺度圖像分解 設fA表示輸入的灰度圖像；fB和心分別表示經(jīng)上邊伽馬校正曲線和下邊伽馬校正曲線 校正后的兩幅灰度圖像，采用拉普拉斯金字塔分解算法將分解成具有N層的兩個多 尺度圖像序列#和/c"，每一層包含兩個子帶圖像，//;和#分別表示為：
其中，和f分別為#和#的第k層上的低頻子帶圖像，/T和分別為 < 和l/cw的第k層上的高頻子帶圖像； s22、低頻子帶圖像融合 采用加權(quán)平均融合規(guī)則融合每層的兩個低頻子帶圖像./T和/^，計算融合后的每層 低頻子帶圖像的過程如下： 設叫為輸入圖像的灰度均值，mjPm。分別是經(jīng)上邊和下邊伽馬校正后生成的兩幅圖像 的灰度均值，融合后每層的低頻子帶圖像為：
s23、高頻子帶圖像融合 采用平均選擇融合規(guī)則融合每層的兩個高頻子帶圖像公"和公'計算融合后的每層 高頻子帶圖像的過程如下： a分別計算/T和/，在像素p處的局部區(qū)域能量五f和，表達式為：
其中，和分別表示圖像4和中的第k層上，以p為中心的區(qū)域^內(nèi) 的局部區(qū)域能量;w(q)為權(quán)值，且滿足
b計算高頻子帶圖像穴'"和對應區(qū)域的匹配度:，表達式為：
C確定融合算子 給定匹配度閾值T，并滿足0. 5彡T彡1的條件，若<r，則：
s24、多尺度圖像重構(gòu) 經(jīng)過兩種規(guī)則在低頻和高頻進行圖像融合后得到了N層圖像序列//，每層包含融合后 的低頻子帶圖像片1和高頻子帶圖像焱〃，其表達式為：
最后，采用拉普拉斯逆金子塔變換，對融合后的圖像序列進行重構(gòu)，生成輸出圖像。
【專利摘要】本發(fā)明屬于圖像增強技術(shù)領域，具體公開了一種基于雙邊伽馬校正和多尺度圖像融合的圖像增強方法，該方法采用圖像空頻域結(jié)合處理模式，在空間域設計了雙邊伽馬校正模塊，利用上邊和下邊兩條伽馬校正曲線的特征改善灰度圖像中過暗區(qū)域和過亮區(qū)域的視覺效果；在頻率域設計了多尺度圖像融合模塊，對雙邊伽馬校正后的兩幅圖像進行多尺度分解、融合和重構(gòu)，其中，在低頻子帶圖像中采用加權(quán)平均融合規(guī)則保持原始圖像亮度，在高頻子帶圖像中采用平均選擇融合規(guī)則突出原始圖像細節(jié)。本發(fā)明方法能夠在保持圖像真實感的前提下提高圖像的視覺質(zhì)量，使得圖像更容易被人或機器所理解，避免了基于直方圖均衡化的方法容易出現(xiàn)的圖像“過增強”現(xiàn)象。
【IPC分類】G06T5-50
【公開號】CN104574337
【申請?zhí)枴緾N201510030014
【發(fā)明人】黃梁松, 于清洋, 李玉霞
【申請人】山東科技大學
【公開日】2015年4月29日
【申請日】2015年1月21日