[发明专利]奇异值分解和天牛须寻优算法的灰度图像自适应增强方法

摘要

本发明公开了一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法。通过将输入的原始图像进行离散小波分解，将图像转换到频域。对分解的小波子带使用天牛须寻优算法求解软阈值函数的最优调节参数，使用对应的最优调节参数的软阈值函数进行阈值处理，实现轮廓的增强。对低频子带进行奇异值分解，修正低频子带中的小波系数，实现亮度的变换。最后，通过对处理后的各小波子带进行小波逆变换，实现图像自适应增强。

主权项

1.一种奇异值分解和天牛须寻优算法的灰度图像自适应增强方法，其特征在于步骤包括：步骤一、将输入的原始图像使用全局直方图均衡化进行处理，获得直方图均衡图像；步骤二、将直方图均衡图像和原始图像均进行一次离散小波变换，各自得到四个小波子带LL、LH、HL、HH和LL'、LH'、HL'、HH'，其中LL、LH、HL、HH分别表示直方图均衡图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；LL'、LH'、HL'、HH'分别表示原始图像的小波子带中的低频子带、水平高频子带、垂直高频子带、对角高频子带；步骤三、对直方图均衡图像的四个小波子带LL、LH、HL、HH分别使用天牛须寻优算法处理并变换获得最优变换后的小波子带步骤四、对经过最优变换后的低频子带和原始图像的低频子带LL'进行奇异值分解，得到各自的对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'；步骤五、利用对角阵奇异值矩阵和对角阵奇异值矩阵∑_LL'在对角线上的最大奇异值，求出灰度修正系数ξ：步骤六、使用灰度修正系数ξ对最优参数变换后的低频子带的奇异值矩阵进行灰度修正，使用反奇异值分解求取灰度修正后的小波子带步骤七、使用灰度修正后的小波子带和最优变换后的水平高频子带、垂直高频子带、对角高频子带进行离散小波逆变换得到增强细节的图像