[发明专利]一种基于改进的Retinex与Welsh近红外图像增强与彩色化算法

摘要

这里涉及的是一种基于改进的Retinex与Welsh近红外图像增强与彩色化算法。针对近红外图像的彩色化问题，提出一种新的算法：首先将近红外图像取反，然后对取反后的RGB三个通道的图像分别用MSRCR算法处理，把处理后的RGB三通道灰度值分别拉伸合并成一幅新的图像，取反后用改进的导向滤波实现图像增强，再用改进的BOF算法检索用于给近红外图像上色的彩色参考图像，接着用Welsh算法对增强后的近红外图像分区域上色后，通过纹理匹配选取相似像素点，最终实现近红外图像的彩色化。实验结果表明，该算法增强后的图像细节清晰，色彩传递效果好，运行速度较快。

主权项

一种基于改进的Retinex与Welsh近红外图像增强与彩色化的方法，所述方法包括以下步骤：A.图像增强算法根据Retinex理论，人眼感知物体的亮度取决于环境的照明和物体表面对照射光的反射，其数学表达式为：I(x，y)＝L(x，y)*R(x，y)      (1)式中：I(x，y)代表被观察或照相机接收到的图像信号；L(x，y)代表环境光的照射分量；R(x，y)表示携带图像细节信息的目标物体的反射分量；将(1)式两边取对数，则可抛开入射光的性质得到物体的本来面貌，即有关系式：log[R(x，y)]＝log[I(x，y)]‑log[L(x，y)]       (2)然后分别计算出log[R(x，y)]中R/G/B各通道数据的均值Mean和均方差Var(注意是均方差)；利用类似下述公式计算各通道的Min和Max值：Min＝Mean‑Dynamic*Var        (3)Max＝Mean+Dynamic*Var         (4)对log[R(x，y)]的每一个值Value，进行线性映射：R(x，y)＝(Value‑Min)/(Max‑Min)*(255‑0)      (5)同时要注意增加一个溢出判断，即：if(R(x，y)＞255)R(x，y)＝255；else if(R(x，y)＜0)R(x，y)＝0；最后将log[R(x，y)]量化为0到255范围的像素值，作为输出的图像A；对获取的近红外图像A取反，得到B，把B的RGB三通道分别用MSRCR算法进行滤波得到R’，G’，B’，对R’，G’，B’分别进行灰度拉伸得到R”，G”，B”，把R”，G”，B”进行合并，得到RGB彩色图像再取反得到图像D，把图像D与A’进行加权融合，得到增强图像E；B.近红外图像彩色化参考图像检索TF‑IDF是一种用于信息检索的常用加权技术，在文本检索中，用以评估词语对于一个文件数据库中的其中一份文件的重要程度，词语的重要性随着它在文件中出现的频率成正比增加，但同时会随着它在文件数据库中出现的频率成反比下降，TF的主要思想是：如果某个关键词在一篇文章中出现的频率高，说明该词语能够表征文章的内容，该关键词在其它文章中很少出现，则认为此词语具有很好的类别区分度，对分类有很大的贡献，IDF的主要思想是：如果文件数据库中包含词语A的文件越少，则IDF越大，则说明词语A具有很好的类别区分能力；词频(Term Frequency，TF)指的是一个给定的词语该文件中出现的次数，如：tf＝0.030(3/100)表示在包括100个词语的文档中，词语′A′出现了3次；逆文档频率(Inverse Document Frequency，IDF)是描述了某一个特定词语的普遍重要性，如果某词语在许多文档中都出现过，表明它对文档的区分力不强，则赋予较小的权重；反之亦然；如：idf＝13.287(log(10,000,000/1,000))表示在总的10,000,000个文档中，有1,000个包含词语′A′；最终的TF‑IDF权值为词频与逆文档频率的乘积(1)首先，我们用sift算法生成图像库中每幅图的特征点及描述符；(2)再用k‑means算法对图像库中的特征点进行训练，生成类心；(3)生成每幅图像的BOF特征字典，特征字典具体方法为：判断图像的每个特征点与哪个类心最近，最近则放入该类心，最后将生成一列频数表；(4)通过TF‑IDF对频数表加上权重，生成最终的BOF特征字典；(5)对待检索近红外图像也进行3，4步操作，生成一列待检索近红外图像的BOF特征字典；(6)将待检索近红外图像的BOF向量与图像库中每幅图的BOF向量求余弦夹角以及巴氏距离，夹角最小的即为匹配对象；C.近红外图像彩色化(1)将参考图像和灰度图像分别由RGB空间转换到lαβ色彩空间，(2)根据灰度图像的亮度及标准差，对参考图像进行亮度重映射，L＝(nl’/nl)*(l‑ml)+ml’       (6)其中，l是源图像l通道的数据，L是变换后得到新的源图像l通道的值，ml和ml’分别是源图像和着色图像的l通道的均值，nl和nl’表示它们的l通道标准方差，(3)从参考图像中随机选取一批样本点，将像素点的亮度和邻域范围内亮度的标准差的线性组合值作为权值，计算公式如下：W＝l/2+σ/2         (7)其中，W为权值，l为像素点的亮度值，σ为该像素点周围某个邻域内亮度值的标准差，关于邻域的大小，(4)在彩色参考图像和矩形图像块中传递颜色，然后用距离寻找相似纹理进行匹配，上色效果会有很大程度上的提升，首先我们用式(8)计算灰度图像区域Ng和彩色参考图像的矩形框区域Ns间的距离E：E(Ng,Ns)=Σp∈S{[I(p)-I‾(p)]2-[S(p)-S‾(p)]2}---(8)]]>其中，I代表灰度图像的亮度值，代表灰度图像的平均亮度值，S代表参考图像的矩形框S内亮度值，代表参考图像的矩形框内平均亮度值，p是邻域像素，通过(8)式寻找灰度图像中与已经上色的矩形框中，像素之间E最小的像素进行颜色传递(5)将参考图像和灰度图像从lαB空间转换到RGB空间。