[发明专利]一种快速有效的镜面高光图像增强方法、装置及存储介质在审

专利信息
申请号: 202010680223.2 申请日: 2020-07-15
公开(公告)号: CN111833271A 公开(公告)日: 2020-10-27
发明(设计)人: 贾振红;信业 申请(专利权)人: 新疆大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/40
代理公司: 天津市北洋有限责任专利代理事务所 12201 代理人: 李林娟
地址: 830046 新疆维*** 国省代码: 新疆;65
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 快速 有效 镜面高光 图像 增强 方法 装置 存储 介质
【权利要求书】:

1.一种快速有效的镜面高光图像增强方法,其特征在于,所述方法包括以下步骤:

采用改进后的引导滤波算法处理输入的镜面高光图像,用以增强图像的对比度,将处理后的图像分为基础层和细节层;

获取改进后的代价函数即在基础层中引入所有像素的局部均方差,用于保持图像的边缘;并在LAB空间内提取亮度分量,利用限制对比度的自适应直方图均衡算法对亮度分量进行增强;

在细节层中引入自适应放大因子,用于在增强细节的同时抑制噪声。

2.根据权利要求1所述的一种快速有效的镜面高光图像增强方法,其特征在于,所述采用改进后的引导滤波算法处理输入的镜面高光图像具体为:

获取引导图像和滤波后的图像之间的局部线性模型,定义代价函数;

根据代价函数由线性回归分析得到窗口的常量系数的最优解表达式;

基于最优解表达式在整幅图像内采取窗口操作,最后取均值可得最终的局部线性模型。

3.根据权利要求1所述的方法,其特征在于,所述自适应放大因子是以自适应的方式求解放大系数。

4.根据权利要求3所述的方法,其特征在于,所述在细节层中引入自适应放大因子,用于在增强细节的同时抑制噪声的步骤具体为:

基于增强细节层的梯度小于等于基础层的梯度数值,获取数值1与平均系数之差,平均系数与差的商大于等于放大系数;

所述平均系数定义为与像素点位置i重叠的所有窗口的平均值;当放大系数很小时,放大系数等于平均系数与差的商;放大系数取值大于0,且平均系数小于1大于0。

5.根据权利要求3所述的方法,其特征在于,所述方法还包括:选取放大系数的指数次幂用于增强细节。

6.一种快速有效的镜面高光图像增强装置,其特征在于,所述装置包括:

处理及划分模块,用于采用改进后的引导滤波算法处理输入的镜面高光图像,用以增强图像的对比度,将处理后的图像分为基础层和细节层;

保持及增强模块,用于获取改进后的代价函数即在基础层中引入所有像素的局部均方差,用于保持图像的边缘;并在LAB空间内提取亮度分量,利用限制对比度的自适应直方图均衡算法对亮度分量进行增强;

引入及抑制模块,用于在细节层中引入自适应放大因子,用于在增强细节的同时抑制噪声。

7.根据权利要求6所述的一种快速有效的镜面高光图像增强装置,其特征在于,所述处理及划分模块包括:

定义单元,用于获取引导图像和滤波后的图像之间的局部线性模型,定义代价函数;

第一获取单元,用于根据代价函数由线性回归分析得到窗口的常量系数的最优解表达式;

第二获取单元,用于基于最优解表达式在整幅图像内采取窗口操作,最后取均值可得最终的局部线性模型。

8.一种快速有效的镜面高光图像增强装置,其特征在于,所述装置包括:处理器和存储器,所述存储器中存储有程序指令,所述处理器调用存储器中存储的程序指令以使装置执行权利要求1-5中的任一项所述的方法步骤。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时使所述处理器执行权利要求1-5中的任一项所述的方法步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于新疆大学,未经新疆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010680223.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top