团体标准网
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111658129.8 (22)申请日 2021.12.3 0 (71)申请人 安徽大学 地址 230000 安徽省合肥市蜀山区九龙路 111号安徽大学磬苑校区 (72)发明人 徐超 檀伟 李正平  (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 代理人 韩迎之 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/50(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于图像分解和光谱变换的图像增强 方法、 系统 (57)摘要 本发明公开了一种基于图像分解和光谱变 换的图像增强方法、 系统, 涉及图像处理技术领 域, 包括: 对原图进行路径分离, 分为噪声层图像 和基础层图像; 对基础层图像进行细节提取, 分 为结构层图像和细节层图像; 对 结构层图像进行 截断的自适应亮度拉伸; 对细 节层图像进行去高 亮处理以及细节颜色处理; 对细 节颜色处理后的 细节层图像进行细节增强; 将细 节增强后的细 节 层图像和截断的自适应亮度拉伸后的结构层图 像进行加权融合, 得到处理后的基础层图像; 将 处理后的基础层图像和所述噪声层图像进行等 比例融合, 输出结果图像。 本发明尤其适用于医 学中的内窥镜图像, 能够自适应放大内窥镜图像 中的细节, 消除噪声影响, 解决局部模块过亮或 过暗问题。 权利要求书2页 说明书8页 附图5页 CN 114331896 A 2022.04.12 CN 114331896 A 1.一种基于图像分解和光谱变换的图像增强方法, 其特 征在于, 包括以下步骤: 对输入的原图进行路径分离, 将原图分为噪声层图像和基础 层图像; 对所述基础 层图像进行细节提取, 将基础 层图像分为结构层图像和细节层图像; 对所述结构层图像进行截断的自适应亮度拉伸; 对所述细节层图像进行去高亮处 理以及细节颜色处 理; 获取比例因子α, 对细节颜色处 理后的细节层图像进行细节增强; 将细节增强后的细节层图像和截断的自适应亮度拉伸后的结构层图像进行加权 融合, 得到处理后的基础 层图像; 将所述处 理后的基础 层图像和所述噪声层图像进行等比例融合, 输出 结果图像。 2.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 所述对输入的原图进行路径分离的方法为: 对原图进行全局噪声估计, 获取全局噪声参数; 将所述全局噪声参数用于全变分的结构纹理分解方法中, 得到噪声层图像和基础层图 像。 3.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 使用加权最小二乘法对所述基础 层图像进行细节提取。 4.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 在对所述结构层图像进行截断的自适应亮度拉伸时, 将图像转换为HSI空间, 在I通道进行 截断的自适应亮度拉伸。 5.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 对所述细节层图像进行去高亮处 理的方法为: 对原图进行 预处理增强; 将预处理增强后的图像从RGB转换到 CIE‑XYZ空间, 得到亮度Y; 依据亮度Y得到彩色亮度y; 提取亮度Y大于彩色亮度y的区域, 即为高亮点区域; 基于所述高亮点区域和细节层图像, 得到去高亮的细节层图像。 6.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 所述细节颜色处 理的方法为: 针对去高亮的细节层图像, 将R通道红色成分通过直方图修改技术进行抑制, 将G通道 绿色成分和B通道蓝色成分通过S形曲线 进行增强处 理。 7.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 所述比例因子α 是基于结构层图像和截断的自适应亮度拉伸后的结构层图像所得到的, 具 体公式为: 其中, std表示图像的标准差, I ′structure表示截断的自适应亮度拉伸后的结构层图像, Istructure表示结构层图像。 8.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于,权 利 要 求 书 1/2 页 2 CN 114331896 A 2将细节增强后的细节层图像和截断的自适应亮度拉伸后的结构层图像进行加权融合的公 式为: I′base=I′structure+α·I′detail, 其中, I′base表示处理后的基础层图像, I ′structure表示截 断的自适应亮度拉伸后的结构层图像, I ′detail表示细节颜色处 理后的细节层图像。 9.根据权利要求1所述的一种基于图像分解和光谱变换的图像增强方法, 其特征在于, 将所述处理后的基础层图像和所述噪声层图像进行等比例融合的公式为: I ′=I′base+ Inoise, 其中I表示等比例融合后的输出结果图像, I ′base表示处理后的基础层图像, Inoise表示 噪声层图像。 10.一种基于图像分解和光谱变换的图像增强系统, 其特 征在于, 包括: 路径分离模块, 用于对输入的原图进行路径分离, 将原图分为噪声层图像和基础层图 像; 细节提取模块, 用于对所述基础层图像进行细节提取, 将基础层图像分为结构层图像 和细节层图像; 亮度拉伸模块, 用于对所述结构层图像进行截断的自适应亮度拉伸; 颜色处理模块, 用于对所述细节层图像进行去高亮处 理以及细节颜色处 理; 细节增强模块, 用于获取比例因子α, 对细节颜色处 理后的细节层图像进行细节增强; 第一图像融合模块, 用于将细节增强后的细节层图像和截断的自适应亮度拉伸后的结 构层图像进行加权融合, 得到处 理后的基础 层图像; 第二图像融合模块, 用于将所述处理后的基础层图像和所述噪声层图像进行等比例融 合, 输出结果图像。权 利 要 求 书 2/2 页 3 CN 114331896 A 3

.PDF文档 专利 一种基于图像分解和光谱变换的图像增强方法、系统

文档预览
中文文档 16 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于图像分解和光谱变换的图像增强方法、系统 第 1 页 专利 一种基于图像分解和光谱变换的图像增强方法、系统 第 2 页 专利 一种基于图像分解和光谱变换的图像增强方法、系统 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 21:47:15上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。