[发明专利]一种图像锐化及色彩增强处理方法

说明书

本发明公开了一种图像锐化及色彩增强处理方法，步骤为，识别原始图像，对图像进行灰度处理，并将图像分块；将原始图像进行放缩与像素归一化处理；使用深度残缺网络对图像进行静态特征提取；神经网络根据图像噪声的分布情况得到特征向量；将噪声图像和特征向量作为分类特征，对噪声进行分类，并用不同去噪模型对噪声进行处理；进行边缘细节增强，对噪声为主的弱细节区维持现有状态，强细节区得到大限度增强，中等细节区得到适当增强。本发明通过自适应的模糊控制，实现边缘增强，同时避免噪声的放大，且通过自我学习的神经网络，达到了系统对图像能够根据数据，判别图像的锐化程度并进行锐化处理和色彩增强处理。

技术领域

本发明涉及图像识别领域，尤其是一种图像锐化及色彩增强处理方法。

背景技术

随着数字成像技术的快速发展，数字图像出现在我们日常生活中的各个领域，近年来,随着计算机技术的高速发展和编程软件的不断更新,计算机在数字图像处理中的应用也得到很大的发展,它已经成功的应用于几乎所有与图像处理有关的科学领域,正在发挥着不可替代的作用。人们利用计算机对数字图像进行操作和调整,从而获得某种期望的结果。在图像处理过程中,经常对图像进行锐化来增强图像的清晰度,从而改善图像的质量以满足客户的要求。

这种方法对图像有着非常好的效果，但是在处理过程中，会将图像中的噪声同时增强，使得图像中小的噪声也会非常明显，从而影响图像质量，其次传统方法不能将已识别处理的图像作为数据库，进行学习优化，从而达到一个自适应调整的图像处理方法。

发明内容

本发明所要解决的技术问题是针对背景技术的缺陷，本发明通过一种图像锐化及色彩增强处理方法，能够对图像进行去噪处理，再进行锐化操作，且能够通过已处理过的图像数据作为依据进行优化学习，不断的提高处理的速度及精度。

本发明为解决上述技术问题采用以下技术方案：

一种图像锐化及色彩增强处理方法，包括以下步骤：

步骤S1、识别原始图像，对图像进行灰度处理，并将图像分块；

步骤S2、将原始图像进行放缩与像素归一化处理；

步骤S3、使用深度残缺网络对图像进行静态特征提取；

步骤S4、神经网络根据图像噪声的分布情况得到特征向量；

步骤S5、将噪声图像和特征向量作为分类特征，对噪声进行分类，并用不同去噪模型对噪声进行处理；

步骤S6、进行边缘细节增强，对噪声为主的弱细节区维持现有状态，强细节区得到大限度增强，中等细节区得到适当增强；

步骤S7、对图像进行像素点分割；

步骤S8、进行相似度计算；

步骤S9、进行切线拟合；

步骤S10、进行图像锐化；

步骤S11、图像梯度优化，得到目标图像。

优选的，还包括，在原始图像上施加不同噪声，进行噪声识别，识别结果由系统判别，识别正确，则进行其他噪声识别，识别错误，则重新细化识别，并将错误识别过程记录在系统内，不断优化噪声识别准确率。

优选的，所述步骤S6具体算法如下：

式中：F_x，y为原始图像，Z_x，y为增强后图像，λ为增强因子，λ大小控制增强的强度，G为平滑算子，G分区域后有选择地利用；

将图像高频成分分为