[发明专利]奇异值分解和天牛须寻优算法的灰度图像自适应增强方法

说明书

本发明公开了一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法。通过将输入的原始图像进行离散小波分解，将图像转换到频域。对分解的小波子带使用天牛须寻优算法求解软阈值函数的最优调节参数，使用对应的最优调节参数的软阈值函数进行阈值处理，实现轮廓的增强。对低频子带进行奇异值分解，修正低频子带中的小波系数，实现亮度的变换。最后，通过对处理后的各小波子带进行小波逆变换，实现图像自适应增强。

技术领域

本发明涉及了数字图像处理技术领域的一种图像处理算法，具体是涉及一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法。

背景技术

图像增强主要是指通过增加图像的亮度、调高对比度和丰富图像细节，使图像在观感上令使用者更为愉悦或者更有利于从图像中提取有用的信息，为后续图像识别、视频跟踪等应用提供良好的条件。随着智能手机和“天网”的普及和机器视觉工业工业机器人的广泛使用，图像增强的应用场合越来越广，已经成为一个重要的研究问题。

在图像增强领域，常用的图像增强方法有线性拉伸、直方图均衡化、指数变换、对数变换等。上述变换均具有一定的局限性：直方图均衡化对所处理的数据不加选择，这样会降低有用信号的对比度，某些细节消失，经直方图均衡化处理过后的图像会出现对比度不自然的过分增强。采用线性拉伸、指数拉伸、对数变换等方法需要根据输入图像的特点，尝试不同的函数参数，无法做到图像的自适应增强。

发明内容

为了解决原始图像对比度较低使得视觉不明显的自适应增强的技术问题，本发明提出了一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法，可以实现图像自适应增强的目的。

本发明所采用的技术方案是方法步骤包括：

步骤一、将输入的原始图像使用全局直方图均衡化进行处理，获得直方图均衡图像；

原始图像采用低对比度的图像，低对比度是指图像的最大灰度值和最小灰度值的灰度区间占整个灰度区间小，并且图像边缘不清晰的图像。

步骤二、将直方图均衡图像和原始图像均进行一次离散小波变换，各自得到四个小波子带LL、LH、HL、HH和LL'、LH'、HL'、HH'，其中LL、LH、HL、HH分别表示直方图均衡图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；LL'、LH'、HL'、HH'分别表示原始图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；

步骤三、对直方图均衡图像的四个小波子带LL、LH、HL、HH分别使用天牛须寻优算法处理并变换获得最优变换后的小波子带

步骤四、对经过最优变换后的低频子带和原始图像的低频子带LL'进行奇异值分解，得到各自的对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'；

步骤五、利用对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'在对角线上的最大奇异值，求出灰度修正系数ξ：

步骤六、使用灰度修正系数ξ对最优参数变换后的低频子带的奇异值矩阵进行灰度修正，使用反奇异值分解求取灰度修正后的小波子带

步骤七、使用灰度修正后的小波子带和最优变换后的水平高频子带、垂直高频子带、对角高频子带进行离散小波逆变换得到增强细节的图像

所述的原始图像为灰度图像。

所述的步骤三是对均衡图像的四个小波子带LL,LH,HL,HH分别使用天牛须寻优算法，求解软阈值函数的最优调节参数，使用最优调节参数的软阈值函数对四个小波子带LL、LH、HL、HH进行变换处理，得到最优变换后的小波子带

所述的步骤三具体为：

3.1)建立以下公式表示的软阈值函数曲线族，使用软阈值函数曲线族实现二维离散小波子带的阈值处理：