基于尺度感知的相对高斯率图像平滑方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114742729A(43)申请公布日2022.07.12(21)申请号202210351462.2(22)申请日2022.04.04(71)申请人福建省德腾智能科技有限公司地址362200福建省泉州市晋江市罗山街道苏内社区创意创业创新园3001号(72)发明人陈军希李红云张怡娜林源玲(74)专利代理机构泉州协创知识产权代理事务所(普通合伙)35231专利代理师郑浩(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书4页附图4页(54)发明名称基于尺度感知的相对高斯率图像平滑方法(57)摘要本发明涉及一种基于尺度感知的相对高斯率图像平滑方法，属于图像处理技术领域，其包括：S1、构造相对高斯率滤波泛函；S2、建立尺度感知的核尺度估计模型：首先，采用快速全局最小二乘法滤波对输入图像进行初步平滑；其次，构建平滑测度函数，衡量出不同区域的平滑度，找出平坦部分和结构部分，从而构建自适应的高斯尺度函数；最后，构建自适应感知尺度函数；S3、尺度感知的相对高斯率图像平滑方法求解；首先，对其进行全局优化；其次，运用非凸正则化进行求解。本发明对于图像结构，可以有效地保持；对于弱边缘中的强角点，可以保留。在处理效率方面，该方法只采用单循环，运行时间大大缩短。CN114742729ACN114742729A权利要求书1/2页1.一种基于尺度感知的相对高斯率图像平滑方法，其特征在于，包括：输入图像；对输入图像进行基于尺度感知的相对高斯率图像平滑处理；输出平滑后的图像；其中，所述基于尺度感知的相对高斯率平滑处理的具体方法包含如下步骤：S1、构造相对高斯率滤波泛函，其公式如下：式(1)中，R是相对高斯滤波的最终结果，Gσ1、Gσ2分别是局部高斯滤波函数，σ1、σ2分别是对应的滤波尺度参数，表示平滑梯度；其中，局部高斯滤波函数定义如下：式(2)中，σ为尺度参数，(x,y)是像素的中心坐标，(x0,y0)是核的中心坐标；S2、建立尺度感知的核尺度估计模型，具体包含如下步骤：首先，采用快速全局最小二乘法滤波对输入图像进行初步平滑，所述快速全局最小二乘法滤波的泛函公式如下：式(3)中，fq、g均代表一个颜色值，代表像素p的附近的四个邻域，wp,q(g)是一个变化的权重函数，u是输出的图像，g是导向图，f是输入图像，λ控制着平滑的度；其次，构建平滑测度函数，衡量出不同区域的平滑度；所述平滑测度函数的公式如下：式(4)中，σe代表平坦转变项，EP是像素p处的平坦度；采用式(4)对像素p左右两边的区域分别进行度量，找出平坦部分和结构部分，从而构建自适应的高斯尺度函数，其公式为：式(5)中，分别代表右、左两个方向局部区域的平坦值；最后，构建自适应感知尺度函数，其公式为：KP＝max(σCP,δ)(6)式(6)中，δ是一个用于预防信号过度锐化的微调变量，σ是相对高斯率中的方差；S3、尺度感知的相对高斯率图像平滑方法求解：首先，对其进行全局优化：式(7)中，第一项是数据保真项，第二项是数据修正项；S、I分别代表输出和输入图像，λ是修正参数，表示输入图像x与y方向的梯度；其次，运用非凸正则化进行求解：2CN114742729A权利要求书2/2页采用迭代重加权最小二乘法进行迭代，获取最终的结果：Sk＝(1+λLk‑1)‑1I(9)式(9)中，1是单位阵；是一个稀疏的五点拉普拉斯矩阵。2.根据权利要求1所述的基于尺度感知的相对高斯率图像平滑方法，其特征在于：式(4)中的σe的数值设置为0.05。3.根据权利要求1所述的基于尺度感知的相对高斯率图像平滑方法，其特征在于：式(6)中的δ的数值设置为1。3CN114742729A说明书1/4页基于尺度感知的相对高斯率图像平滑方法技术领域[0001]本发明属于图像处理技术领域，具体涉及一种基于尺度感知的相对高斯率图像平滑方法。背景技术[0002]目前所有的高斯及其相关滤波，其核尺度都是固定的。对于自然界图像，相对高斯滤在处理独立区域中的平滑问题时，会出现孤立的单点噪声无法滤掉，验证干扰图像平滑的效果，波鲁棒性低，无法全部满足。基于此，有必要设计一种自适应核尺度的相对高斯处理方法。发明内容[0003]鉴于现有技术的不足，本发明的目的在于提供一种基于尺度感知的相对高斯率图像平滑方法，以提高相对高斯滤波的效果。[0004]为实现上述目的，本发明采用如下技术方案：一种基于尺度感知的相对高斯率图像平滑方法，包括：输入图像；对输入图像进行基于尺度感知的相对高斯率图像平滑处理；输出平滑后的图像；其中，所述基于尺度感知的相对高斯率平滑处理的具体方法包含如下步骤：S1、构造相对高斯率滤波泛函，其公式如下：式(1)中，R是相对高斯滤波的最终结果，Gσ1、Gσ2分别是局部高斯