申请/专利权人：西安电子科技大学

申请日：2020-01-05

公开（公告）日：2021-01-05

公开（公告）号：CN111223060B

主分类号：G06T5/00(20060101)

分类号：G06T5/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.01.05#授权;2020.06.26#实质审查的生效;2020.06.02#公开

摘要：本发明公开一种基于自适应PLIP模型的图像处理方法。本发明首先获得待处理图像的亮度分量图，并将亮度分量图进行自适应PLIP处理和细节处理，得到细节增强图；将亮度分量图输入到引导图滤波器中，得到滤波器处理图；利用曝光融合方法，分别将细节增强图、滤波器处理图、亮度分量图进行融合处理，得到融合图；将融合图转换空间得到结果图。本发明可以对自然图像进行噪声抑制、细节增强、边缘保持等处理，具有处理结果图细节精确度高，亮度均匀的优点。

主权项：1.一种基于自适应带参数对数图像处理PLIP模型的图像处理方法，其特征在于，根据待处理图像的不同区域的信息熵对该图像的亮度分量图依次进行自适应PLIP处理和细节处理，该方法的具体步骤包括如下：1获得待处理图像的亮度分量图：1a输入一张待处理的自然图像，若该图像为彩色图像，则将该图像从红绿蓝RGB色彩空间转化到六角椎体HSV色彩空间，并从该图像的六角椎体HSV色彩空间中提取出图像亮度分量，得到待处理图像的亮度分量图，并将该亮度分量图均分为偶数块；1b利用信息熵公式，计算分块后每个图像块的信息熵，将亮度分量图中所有图像块信息熵的平均值作为亮度分量图的信息熵；2对亮度分量图进行自适应PLIP处理：2a利用下述的变换参数公式，计算每个图像块带参数对数图像处理PLIP模型的变换参数： 其中，λi表示第i个图像块的带参数对数图像处理PLIP模型变换参数，α表示数值为1.5的调整因子，Ei表示第i个图像块的信息熵，Emax表示亮度分量图中所有图像块信息熵的最大值，Emin表示亮度分量图中所有图像块信息熵的最小值；2b利用PLIP模型的正变换公式，将每个图像块进行PLIP模型正变换，得到每个图像块的PLIP正变换图；3对亮度分量图进行细节处理：3a利用下述反射分量公式，计算每个图像块的反射分量： 其中，Ri表示第i个图像块的反射分量，N表示亮度分量图分块后的分块总数，Σ表示求和操作，ln表示以自然常数e为底的对数操作，表示第i个图像块的PLIP正变换图，*表示卷积操作，G1表示尺度为80的高斯核，E表示亮度分量图的信息熵，G2表示尺度为30的高斯核，G3表示尺度为200的高斯核；3b利用PLIP模型的逆变换公式，将每个图像块的反射分量进行PLIP逆变换，得到每个图像块的PLIP逆变换图；3c将每个图像块的PLIP逆变换图放入该图像块在分块前亮度分量图中的相同位置，得到细节增强图；4获得待处理图像的滤波器处理图：将亮度分量图输入到引导图滤波器中，得到滤波器处理图；5利用曝光融合方法获取待处理图像的融合图：5a利用高斯函数公式，分别计算3幅融合权值图中的每个像素的值；5b根据高斯金字塔规则，分别构建细节增强图、滤波器处理图、亮度分量图高斯金字塔与每幅图相对应的融合权值图高斯金字塔；5c分别将细节增强图、滤波器处理图、亮度分量图高斯金字塔的顶层与每幅图相对应的融合权值图高斯金字塔的顶层相乘，得到细节增强加权图、滤波器处理加权图、亮度分量加权图；5d将细节增强加权图、滤波器处理加权图、亮度分量加权图进行相加操作，得到初步融合图，根据拉普拉斯金字塔规则，构建初步融合图的拉普拉斯金字塔，将初步融合图拉普拉斯金字塔的顶层作为融合图；6将融合图从HSV空间转换为RGB空间的融合图后输出。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于自适应PLIP模型的图像处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD