[发明专利]一种优化的东巴古籍图像增强方法

说明书

技术领域

本发明涉及一种图像处理领域，特别是关于一种优化的东巴古籍图像增强方法。

背景技术

图像增强是东巴经典古籍数字化处理过程中极其重要的环节之一。其基本思想是：通过采用一系列技术去改善图像的质量和视觉效果，突出图像中感兴趣的特征，获取图像中有价值的信息，使图像更方便人和机器进行分析处理。目前，频域法和空域法是两种主要的图像增强方法。频域法图像增强包括Curvelet变换、Contourlet变换、小波变换和傅里叶变换等方法。空域法图像增强包括多尺度Retinex算法、直方图均衡化、中值滤波和灰度变换等方法。虽然国内外研究图像增强算法的学者，无论是从数学理论方面、图像视觉效果方面，还是从图像特征方面，都提出了很多种算法，但面对不同的对象，其都存在一定的局限性。

图像增强技术的关键在于如何有效的改善图像质量和视觉效果的同时更好的保留图像的边缘和细节信息，现常用的两种图像增强方法为：1)直方图均衡：该方法通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布，从而可以用于增强局部的对比度而不影响整体的对比度。但是，该方法会增加背景噪声的对比度并且降低有用信号的对比度，也可能导致过增强与细节丢失问题(如图4所示)。2)小波阈值滤波：小波滤波与传统滤波相比，因小波变换具有时频局部化特性和多分辨的特性，使其在去噪方面有独特的优势，但其处理后的图像清晰度和对比度都很低，存在细节丢失的情况(如图5所示)。

发明内容

针对上述问题，本发明的目的是提供一种优化的东巴古籍图像增强方法，其能在增强图像细节的同时抑制噪声，并能有效提高图像对比度。

为实现上述目的，本发明采取以下技术方案：一种优化的东巴古籍图像增强方法，其特征在于包括以下步骤：(1)对原始东巴古籍图像作图像类型的转换，将RGB图像转换为灰度图像；(2)对灰度图像进行小波分解，选取小波分解后的db4小波基将图像进行二层分解，得到对应的小波低频系数和高频系数；(3)对小波二层分解后得到的高频系数采用改进的阈值滤波算法处理，得到改进的贝叶斯萎缩阈值，实现对小波分解后的高频系数的去噪处理；(4)对小波二级分解后得到的低频系数进行模糊集增强处理，得到增强的低频子带系数；(5)对处理后的低频系数和高频系数利用现有技术中的小波反变换进行重构，完成对东巴古籍图像的增强。

进一步，所述步骤(3)中，改进的阈值滤波算法具体步骤如下：(3.1)采用贝叶斯萎缩法估计噪声与信号的阈值；(3.2)计算第k尺度、第s个高频子带的噪声标准差(3.3)计算无噪声标准方差，即子带的信号标准差(3.4)在步骤(3.1)中的噪声与信号的阈值表达式中加上一个自适应变量ω，得到改进的贝叶斯萎缩阈值(3.5)将步骤(3.4)中得到的阈值代入阈值函数W(x)，实现对小波分解后的高频系数进行去噪处理。

进一步，所述步骤(3.1)中，假设小波变换得到的高频系数总体上服从广义高斯分布，那么根据贝叶斯准则，得到贝叶斯萎缩阈值为：

式中，表示子带的信号标准差；为第k尺度、第s个高频子带的噪声标准差。

进一步，所述步骤(3.4)中，改进的贝叶斯萎缩阈值

其中，L_J表示第J层子带的长度。

进一步，所述步骤(3.5)中，将改进的贝叶斯萎缩阈值代入阈值函数W(x)有：

式中，sgn(x)表示返回函数，即x＞0，sgn(x)＝1,x＝0,sgn(x)＝0,x＜0,sgn(x)＝-1；x表示原系数；a表示引入的参数。

进一步，所述步骤(4)中，具体步骤如下：(4.1)定义大小为M×N的一幅图像的模糊矩阵A为：

其中，μ_ij/x_ij表示图像中点(i,j)的系数值x_ij具有某种特征的程度为μ_ij；(4.2)将低频子带系数通过隶属度函数映射到模糊空间：