[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

说明书

本发明提供一种融合超像素与窗口偏移的边缘感知引导滤波方法，包括步骤S1、采用双边滤波对输入图像进行预处理后采用SLIC算法进行超像素分割，得到超像素区域；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；S4、结合上一次滤波结果与超像素区域进行迭代引导滤波，融合不同尺度滤波结果得到最终滤波输出；S5、提出参考滤波图像与输入图像异同比较及滤波图像自身特征的评价指标。本申请通过融合超像素与窗口偏移改进局部滤波窗口，提高引导滤波方法边缘保留能力的同时达到对于细节信息的平滑效果。

技术领域

本发明涉及图像处理技术领域，具体涉及一种融合超像素与窗口偏移的边缘感知引导滤波方法。

背景技术

图像在成像、传输、压缩等过程中会受到各种因素的影响，不可避免地会产生噪声从而影响图像的质量。为了有效降低噪声、伪影等带来的干扰，提升图像的品质，在图像预处理阶段对图像进行滤波操作是一项非常重要的工作。边缘保留滤波技术在计算机视觉和图像处理应用中起着非常重要的作用，如图像去噪、图像细节增强、结构转移、图像去雾、图像融合等。迄今为止，已经提出并发展了大量具有边缘保留滤波特性的滤波器，代表性方法主要有双边滤波及其相关改进方法、加权最小二乘滤波、域变换滤波、引导滤波等，其中双边滤波和引导滤波因其简单且高效而得到了广泛应用。

双边滤波虽然简单易用，但不能保持边缘处像素梯度方向的一致性，因此可能会受到边缘附近的梯度反转伪影影响，尤其在应用于图像细节增强时最为严重。为了克服双边滤波这一缺点，2010年，He等人提出引导滤波，该方法从局部线性模型出发，考虑引导图像的相关信息，计算滤波输出。引导滤波不仅具有双边滤波的边缘保留特性，而且可以避免产生梯度反转伪影，因此被广泛应用于边缘感知平滑、细节增强、图像羽化、高动态范围压缩、图像融合、图像去噪、图像去雾等领域。同时，受其引导策略的启发，几种边缘保留方法相继被提出，引导滤波在图像处理领域也受到越来越多的关注。

引导滤波不仅有着和双边滤波一样的处理速度，而且可以避免梯度反转伪影。但是，引导滤波中的正则化因子是固定不变的。因此，当像素点位于边缘结构处时，将不可避免地出现模糊现象。2015年，Li等人在引导滤波基础上提出加权引导滤波，使用边缘感知权重改善引导滤波相同惩罚因子这一问题。针对不同的像素点设置不同的正则项惩罚因子，达到更好保留边缘的效果。同年，受边缘感知与梯度渐变的启发，Kou等人结合明确的一阶边缘感知约束进一步改进加权引导滤波，提出比引导滤波和加权引导滤波边缘保留能力更强的梯度域引导滤波。通过邻域的标准差，定义新的边缘感知权重。之后，Long等人提出基于LoG边缘算子改进的加权引导滤波算法，通过在局部窗口内计算LoG幅值响应，使惩罚因子能对不同区域自适应感知，进一步突出边缘像素和平坦区域像素之间的差异。2016年，Xie等人提出融合梯度信息的改进引导滤波算法，借助引导图像的梯度信息来判断图像边缘位置，并结合指数函数设计权值来控制不同图像区域内的平滑力度，避免图像边缘附近由于过度模糊导致的光晕现象。2017年，Lu等人提出双引导滤波，通过将图像分解为边缘结构与纹理细节进行双引导，同时实现结构感知与纹理感知，去除纹理的同时更好的保留结构边缘。2018年，Ham等人提出一种鲁棒性更强的滤波算法，同时考虑引导图像和输入图像的结构信息，达到对异常值更加鲁棒且边缘保留能力良好的效果。2019年，Yin等人提出侧窗引导滤波，通过将每个像素点规则窗口分解为上、下、左、右、东北、西北、东南、西南八个窗口，改进引导滤波的边缘保留性能。2020年，Sun等人利用转向内核自适应地感知梯度方向，提出一种充分利用边缘方向信息的改进引导滤波。同年，Ochotorena等人提出一种各向异性的引导滤波算法，利用加权平均实现最大扩散，同时保留图像中的显著边缘，通过基于局部邻域差异优化的权重，实现各向异性滤波，并仍旧具有引导滤波计算高效特点。2021年，Deng等人利用局部插值特性，结合广义伽马分布参数估计，通过引导滤波将图像平滑与锐化两个操作集成，只需要调节一个参数值就能实现图像的平滑与锐化操作。