一种图像增强方法及其应用.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115761241A(43)申请公布日2023.03.07(21)申请号202211393128.XG06V10/80(2022.01)(22)申请日2022.11.08G06V10/82(2022.01)(71)申请人闽都创新实验室地址350108福建省福州市闽侯县上街镇海西高新区科技园高新大道8号(72)发明人李俊高银李琦铭谢银辉(74)专利代理机构北京元周律知识产权代理有限公司11540专利代理师周游(51)Int.Cl.G06V10/30(2022.01)G06V10/26(2022.01)G06V10/28(2022.01)G06V20/68(2022.01)G06V20/70(2022.01)权利要求书3页说明书10页附图4页(54)发明名称一种图像增强方法及其应用(57)摘要本申请公开了一种图像增强方法及其应用，所述图像增强方法通过构造的相机响应模型增强对采集的图像进行亮度恒定处理，得到增强后的图像，将其转换为灰度矩阵图后进行去噪处理。本申请基于所述图像增强方法还提供了一种边缘提取方法，使用一种新的基于动态特征融合的SED模型进行边缘提取，即通过对去噪后的灰度图像进行语义分割，再将其转换为二值图像，对所述二值图像的多层特征的幅值尺度进行归一化，再进行动态特征融合，得到所需要的边缘特征，从而实现边缘提取。本申请对图像增强方法和边缘提取方法均进行了升级，且应用前景广泛，尤其可满足产品尺寸检测批量大、精度高的需求，减轻了人工压力。CN115761241ACN115761241A权利要求书1/3页1.一种图像增强方法，其特征在于，包括：(1)获取采集的图像，选择相机响应模型并计算模型参数，得到增强后的图像；(2)将所述增强后的图像转换为灰度矩阵图，并对其进行去噪处理。2.根据权利要求1所述的图像增强方法，其特征在于，步骤(1)包括：(11)将采集的图像分解为反射分量、光照分量，得到反射图像；(12)根据所述反射图像计算曝光率图、反射率图；(13)根据所述反射率图得到对数反射率，计算空间变化函数；(14)根据所述空间变化函数计算重建的图像的概率密度函数；(15)根据所述重建的图像的概率密度函数计算映射函数；(16)将采集的图像输入所述映射函数，根据所述曝光率图、图像强度进行增强，得到增强后的图像。3.根据权利要求2所述的图像增强方法，其特征在于，所述反射率图为图像的反射分量，通过如下所示所述反射图像I的表达公式反向计算获得：s.t.rn≤0andt≤in其中，R为反射率图；i＝log(I)为光照；t＝log(T)，i＝log(I)，r＝log(R)为对数反射率，c1和c2为正参数，u为补充变量，v为误差；n为迭代次数；λ为权重系数；优选地，所述曝光率图的计算公式如下：其中，I为反射图像；Imin为照度最小值；优选地，所述空间变化函数的计算公式如下：其中，q表示一个像素的坐标，N(q)是q的一组相邻坐标，U(·)是因子为2i的上采样算子，i为分辨率级别，L为级别总数，l表示对其作几何平均时的变量的项数；优选地，所述重建的图像的概率密度函数pdf采用如下计算公式：其中，概率密度函数pdf记为δ表示克罗内克函数(Kroneckerdelta)，a(q)，k∈[0，K)是每个像素q的强度，K是强度的总数；优选地，所述映射函数采用如下计算公式：其中，累积分布函数cdf记为Pa(k)，Pb(k)表示输出图像的累积分布函数；优选地，所述根据所述曝光率图、图像强度进行增强为：利用如下公式增强J(T)，最终2CN115761241A权利要求书2/3页得到增强后的图像：其中，P为图像强度，S为曝光率图，表示按元素划分。4.根据权利要求1所述的图像增强方法，其特征在于，所述去噪处理采用基于物理的极低光原始去噪噪声形成模型。5.一种边缘提取方法，其特征在于，除包括权利要求1‑4任一项所述的图像增强方法外，还包括：对去噪后的灰度图像进行语义分割；将分割后的图像转换为二值图像；对所述二值图像的多层特征的幅值尺度进行归一化，再进行动态特征融合，得到所需要的边缘特征，从而提取图像边缘。6.根据权利要求5所述的边缘提取方法，其特征在于，所述对去噪后的灰度图像进行语义分割包括：将去噪后的灰度图像先后输入深度卷积神经网络DCNN、Atrous卷积，进行特征提取；采用全连接CRF模型进行后处理，得到语义图像分割结果；优选地，所述采用全连接CRF模型进行后处理，得到语义图像分割结果包括：Atrous卷积输出粗略分割结果；采用双线性插值将粗略分割结果恢复到原图的分辨率；输入到全连接CRF模型中，得到语义图像分割结果；优选地，所述将分割后的图像转换为二值图像采用自适应阈值分割。7.根据权利要求5所述的边缘