[发明专利]一种融合超像素与窗口偏移的边缘感知引导滤波方法

权利要求书

1.一种融合超像素与窗口偏移的边缘感知引导滤波方法，其特征在于，包括以下步骤：

S1、采用双边滤波对输入图像进行预处理，然后采用SLIC算法对预处理后的图像进行超像素分割，得到更加准确的超像素区域；

S2、计算输入图像每个像素点不同局部窗口内的RTV值，选择最小的RTV值进行窗口偏移，得到基于RTV值的局部最佳滤波窗口；

S3、选取偏移后的窗口与当前像素点所在超像素区域的重叠部分作为滤波区域，该滤波区域包含的像素点与当前处理像素点高度相似；

S4、通过不同尺度局部窗口保留结构边缘的同时平滑细节信息，结合上一次的滤波结果与超像素区域进行迭代引导滤波，最后融合不同尺度的滤波结果得到最终滤波输出；

S5、针对图像滤波的结果，提出参考滤波图像与输入图像异同比较以及滤波图像自身特征的评价指标，用于反映图像滤波效果评价。

2.根据权利要求1所述的融合超像素与窗口偏移的边缘感知引导滤波方法，其特征在于，所述步骤S2具体包括：

S21、将包含噪声、纹理在内的信息定义为图像信号的空间振荡，假设包含噪声、纹理在内的信息具有比相邻结构边缘更小的幅值，则通过下式(1)中的色度范围Δ(ω_k)来衡量该局部窗口是否包含结构边缘；然后，通过窗口偏移选择具有最小色度范围的局部窗口，但如果包含噪声、纹理在内的信息的局部窗口色度范围与附近的边缘结构一样或接近，则最终使用下式(2)中的RTV(ω_k)来度量最佳局部窗口：

Δ(ω_k)＝I_max(ω_k)-I_min(ω_k) 式(1)

其中，I_max(ω_k)和I_min(ω_k)分别表示该局部窗口像素强度的最大值与最小值，Δ(ω_k)表示局部窗口ω_k内的色度范围，表示输入图像I在像素点j的梯度，ε表示一个很小的正数，表示输入图像I在像素点j的x方向梯度的平方，表示输入图像I在像素点j的y方向梯度的平方；

S22、对于输入图像中的每个像素，选择RTV值最小的窗口进行偏移，得到局部最佳滤波窗口。

3.根据权利要求1所述的融合超像素与窗口偏移的边缘感知引导滤波方法，其特征在于，所述步骤S4具体包括：

S41、首先通过小尺度局部窗口得到的滤波区域，与输入图像进行自引导滤波得到滤波结果；

S42、然后使用上一次的滤波结果与步骤S1中得到的超像素区域进行滤波窗口大小更大的引导滤波，得到不同尺度滤波窗口下的引导滤波系数：

其中，和表示尺度为s时像素点k的系数，和是引导图像G在最终滤波区域内的均值和方差，是滤波区域的像素点个数，λ表示一个很小的正数，表示输入图像I在滤波区域的均值：

S43、融合不同局部窗口大小的引导滤波结果，通过下式计算得到最终的输出图像：

其中，和表示像素点k在不同尺度下系数的均值，n表示尺度滤波窗口的个数，q_k表示像素点k的最终滤波输出值。

4.根据权利要求1所述的融合超像素与窗口偏移的边缘感知引导滤波方法，其特征在于，所述步骤S5具体包括：

S51、从已公开的现有纹理图像数据集中通过挑选收集到多幅图像，使用极小阈值的canny算子对输入图像进行边缘检测，得到结构与细节的所有边缘信息；

S52、通过人工标注，从所述边缘信息中分离出图像结构边缘，从而分别得到图像结构边缘与细节信息边缘；

S53、对输出图像与滤波图像分别计算每个像素点处x与y方向上的梯度，分别衡量滤波图像与输入图像在结构边缘与细节边缘处的梯度异同，最后整合成一个统一的评价指标E_Q：

其中，S和T分别表示结构边缘与细节信息像素集，I_x(i)和I_y(i)是原始图像像素点i的梯度，Q_x(j)和Q_y(j)是滤波图像像素点j的梯度，Q_x(i)和Q_y(i)是滤波图像像素点i的梯度，且滤波图像像素点j是i的邻域，N(i)表示以像素点i为中心的3*3邻域。