基于Contourlet变换的PCNN图像增强算法及装置.pdf

(19)中华人民共和国国家知识产权局*CN103345732A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103345732103345732A(43)申请公布日2013.10.09(21)申请号201310320251.3(51)Int.Cl.(22)申请日2013.07.26G06T5/00(2006.01)(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人程建张敬献王龙张洁李鸿升(74)专利代理机构成都华典专利事务所(普通合伙)51223代理人徐丰杨保刚权权利要求书4页利要求书4页说明书11页说明书11页附图3页附图3页(54)发明名称基于Contourlet变换的PCNN图像增强算法及装置(57)摘要本发明提供一种基于Contourlet变换的PCNN图像增强算法及装置，其主要包括如下步骤：S1将待处理图像在RGB颜色空间的分量转换至HIS颜色空间，得到色调分量H、亮度分量I和饱和度分量S；S2将所述亮度分量I通过Contourlet变换进行分解，得到低频子带图像与一系列多尺度多方向性带通子带轮廓图像序列；S3将分解得到的带通子带轮廓图像序列，作为PCNN神经网络增强算子的外部输入，进而得到增强后的带通子带轮廓图像序列；S4将增强后的带通子带轮廓图像序列与原低通子带图像序列结合，进行Contourlet逆变换，得到增强的亮度分量I'；S5对所述饱和度分量S进行饱和度的调整，得到新的饱和度分量S’；S6将上述HIS颜色空间的色调分量H、新的亮度分量I’和新的饱和度分量S’转换至RGB颜色空间，得到增强后的图像。CN103345732ACN1034572ACN103345732A权利要求书1/4页1.一种基于Contourlet变换的PCNN图像增强算法，其特征在于，包括如下步骤：步骤一：将待处理图像由RGB颜色空间转换至HIS颜色空间，从而得到色调分量H、亮度分量I和饱和度分量S；步骤二、使用Contourlet变换将彩色图像颜色空间转换后得到的亮度分量I进行多尺度多方向性分解，得到一系列方向的轮廓子带；步骤三、利用PCNN增强算子带入分解得到的轮廓子带，依据人眼视觉特性，对轮廓子带进行合适的增强运算；步骤四、将被增强后的轮廓子带信息和原有的低频分量进行Contourlet重建运算，以得到增强后的第一亮度分量I'；步骤五、对上述饱和度分量S进行饱和度的调整，得到第一饱和度分量S’；步骤六、将上述HIS颜色空间的色调分量H、第一亮度分量I'和第一饱和度分量S’转换至RGB颜色空间，得到增强后的图像。2.根据权利要求1所述的基于Contourlet变换的PCNN图像增强算法，其特征在于，所述步骤二具体包括以下两步：①获取所述亮度分量I的像素，通过Contourlet变换中的拉普拉斯金字塔分解进行多尺度分解，公式为：其中，金字塔的最底层即第0层为图像的原始图像，称为G0(m,n)，金字塔上层依次为图像的低分辨率图像，l的范围定义是：0≤l≤N-1；Rl为低通滤波器金字塔中第l级和第l+1级图像之间的差值，RN为低通滤波器金字塔中第N级的图像；EXPAND操作由如下公式表示：其中，Gl,k为对Gl进行了K次EXPAND操作之后的结果，权重函数ω(m,n)为低通滤波器；②在①过程得到的多尺度图像分量中，滤除低频图像，剩下的带通轮廓子带图像进入Contourlet变换中的方向滤波器中，进行多方向性划分，具体公式表述为：其中，式中，为K号子带的总采样矩阵，D0为低通滤波器；使用对平行滤波器Fi,j进行上采样就相当于将平行滤波器Fi,j的频谱按对角线进行有效的推移和裁剪，使之形成对卦限滤波器进一步细分的楔形频域特性。3.根据权利要求1所述的基于Contourlet变换的PCNN图像增强算法，其特征在于，所述步骤三具体为：将步骤二得到的多尺度多方向带通轮廓子带作为PCNN模型接收域中的Linging输入2CN103345732A权利要求书2/4页端，通过以下公式组迭代计算得到增强之后的带通分量金字塔，公式组为：Fij(n)＝Iij式1；式2；Uij(n)＝Fij(n)(1+βLij(n))式3；θij(n)＝exp(-αθ)θij(n-1)+VθYij(n-1)式4；式5；上述公式组中，式1为反馈输入子系统模型，式2为耦合连接子系统模型，式3为调制子系统模型，式4为点火子系统模型，式5为动态门限子系统模型；ij指的是位于坐标(i,j)处的神经元；kl表示中心像素邻域的像素；n表示迭代次数；I是外部输入常量，在本发明中是指上述经转换后的亮度分量I；β表示内部活动项的连接系数；Vθ和aθ表示放大系数和衰减时间常数；Mijkl表示反馈连接域的连接矩阵。4.根据权利要求1所述