CN111179181A - 一种基于拉盖尔高斯模式的图像边缘增强和复制装置 - Google Patents

一种基于拉盖尔高斯模式的图像边缘增强和复制装置 Download PDF

Info

Publication number
CN111179181A
CN111179181A CN201911117365.1A CN201911117365A CN111179181A CN 111179181 A CN111179181 A CN 111179181A CN 201911117365 A CN201911117365 A CN 201911117365A CN 111179181 A CN111179181 A CN 111179181A
Authority
CN
China
Prior art keywords
image
edge enhancement
angular
laguerre gaussian
gaussian mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911117365.1A
Other languages
English (en)
Other versions
CN111179181B (zh
Inventor
王天新
魏丹
马剑涛
徐钏
张勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN201911117365.1A priority Critical patent/CN111179181B/zh
Publication of CN111179181A publication Critical patent/CN111179181A/zh
Application granted granted Critical
Publication of CN111179181B publication Critical patent/CN111179181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • G06T5/94Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于拉盖尔高斯模式的图像边缘增强和复制装置,包括:拉盖尔高斯模式获取模块,用于计算待处理图像的拉盖尔高斯模式;图像边缘增强模块,用于对待处理图像的拉盖尔高斯模式分别进行角向求导和径向求导再进行相干叠加,得到角向边缘加强和径向边缘加强后的图像;角向复制模块,用于获取所有角向指数为m的整数倍的拉盖尔高斯模式,并进行相干叠加,得到角向被复制m次后的图像,m为预设复制次数。本发明可以实现极坐标系下的图像边缘增强,还可以实现极坐标系下的图像的角向复制。

Description

一种基于拉盖尔高斯模式的图像边缘增强和复制装置
技术领域
本发明涉及图像处理,尤其涉及一种基于拉盖尔高斯模式的图像边缘增强和复制装置。
背景技术
随着成像技术和计算机技术的不断发展,数字图像己经成为人们口常生活中必不可少的组成部分,各种成像手段和设备大量用于数字娱乐、身份识别、智能交通、医疗病症检测、军事监管等。由于夜间光照不足、大雾、沙尘等影响,捕获图像中突发事件如相机运动、或是场景中目标运动等,都会使采集的图像或是图像序列遭受损失,存在成像模糊、噪声污染及曝光不均等问题,为此,边缘增强显得尤为重要。
边缘增强属于图像处理的一种。它是将图像(或影像)相邻像元(或区域)的亮度值(或色调)相差较大的边缘(即影像色调突变或地物类型的边界线)处加以突出强调的技术方法。经边缘增强后的图像能更清晰地显示出不同的物类型或现象的边界,或线形影像的行迹,以便于不同的物类型的识别及其分布范围的圈定。
现有的边缘增强技术可归为空域方法和频域方法。频域方法中,图像首先被转换到频率域,也就是说第一步先要进行傅立叶变换,所有的增强算子都是在进行傅立叶变换之后进行的,然后再进行傅立叶逆变换以得到增强后的图像,但是傅里叶变换这种处理技术只适合在笛卡尔坐标系上操作,在极坐标系下围绕图像中心的对称操作则不适合,因此,导致现有的频域方法边缘增强技术无法直接对极坐标系下的图像进行处理。
发明内容
发明目的:本发明针对现有技术存在的问题,提供一种基于拉盖尔高斯(Laguerre-Gaussian,LG)模式的图像边缘增强和复制装置,本发明可以实现极坐标系下的图像边缘增强,还可以实现坐标系下的图像的角向复制。
技术方案:本发明所述的基于拉盖尔高斯模式的图像边缘增强和复制装置包括:
拉盖尔高斯模式获取模块,用于计算待处理图像的拉盖尔高斯模式;
图像边缘增强模块,用于对待处理图像的拉盖尔高斯模式分别进行角向求导和径向求导再相干叠加,得到角向边缘增强和径向边缘增强后的图像;
角向复制模块,用于获取所有角向指数为m的整数倍的拉盖尔高斯模式,并进行相干叠加,得到角向被复制m次后的图像,m为预设复制次数。
进一步的,所述拉盖尔高斯模式获取模块具体用于:
按照下式计算,得到待处理图像的拉盖尔高斯模式:
Figure BDA0002274435370000021
式中,Ap,l表示角向指数为l、径向指数为p时的拉盖尔高斯模式系数,LGp,l(r,φ)表示角向指数为l、径向指数为p时的拉盖尔高斯模式,E(r,φ)表示极坐标系下的待处理图像,r为极坐标系下的半径,φ为极坐标系下的方位角,
Figure BDA0002274435370000022
是LGp,l(r,φ)的共轭转置,ω0为拉盖尔高斯模式的束腰,
Figure BDA0002274435370000023
为拉盖尔多项式。
进一步的,所述图像边缘增强模块实现角向边缘增强方法具体为:
按照下式对待处理图像的拉盖尔高斯模式进行角向求导再相干叠加,得到角向边缘增强后的图像:
Figure BDA0002274435370000024
式中,Eφ为角向边缘增强后的图像。
进一步的,所述图像边缘增强模块实现径向边缘增强方法具体为:
按照下式对待处理图像的拉盖尔高斯模式进行径向求导再相干叠加,得到径向边缘增强后的图像:
Figure BDA0002274435370000025
式中,Er为径向边缘增强后的图像,
Figure BDA0002274435370000026
为角向指数为|l|+1、径向指数为p-1时的拉盖尔多项式。
进一步的,所述图像边缘增强模块进行相干叠加的方法具体为:
Er,φ=Er+Eφ
式中,Eφ为角向边缘增强后的图像,Er为径向边缘增强后的图像,Er,φ为角向和径向边缘增强后的图像。
进一步的,所述角向复制模块具体用于:
按照下式计算,得到角向被复制m次后的图像:
Figure BDA0002274435370000031
式中,Em为角向被复制m次后的图像。
有益效果:本发明通过对拉盖尔高斯模式分别进行角向和径向求导再相干叠加,实现了极坐标系下图像的角向和径向边缘加强,结合这两种求导方式再进行相干叠加实现了极坐标系下整体图像的边缘加强,还可以通过只取角向指数为m的整数倍的拉盖尔高斯模式进行相干叠加,实现极坐标系下图像在角向复制m次。
附图说明
图1是本发明的一个实施例的结构框图;
图2为本发明的边缘增强结果示意图,其中(a)是一个涡轮,(b)-(d)分别是涡轮的角向、径向及图像整体的边缘加强结果;
图3本发明的角向复制结果示意图,其中,(a)是一个花瓣,(b)-(d)分别是花瓣在角向复制2、3、4次的结果。
具体实施方式
本实施例提供了一种基于拉盖尔高斯模式的图像边缘增强和复制装置,如图1所示,包括拉盖尔高斯模式获取模块、图像边缘增强模块和角向复制模块。下面对每个模块进行详细介绍。
拉盖尔高斯模式获取模块主要用于计算待处理图像的拉盖尔高斯模式,计算公式为:
Figure BDA0002274435370000032
式中,Ap,l表示角向指数为l、径向指数为p时的拉盖尔高斯模式系数,LGp,l(r,φ)表示角向指数为l、径向指数为p时的拉盖尔高斯模式,E(r,φ)表示极坐标系下的待处理图像,r为极坐标系下的半径,φ为极坐标系下的方位角,
Figure BDA0002274435370000033
是LGp,l(r,φ)的共轭转置,ω0为拉盖尔高斯模式的束腰,
Figure BDA0002274435370000041
为拉盖尔多项式。其中l是整数,p是自然数[1],角向指数l与角动量(OAM)有关,径向指数p表示光强的径向变化特征。
图像边缘增强模块主要用于实现角向和径向边缘增强,其中实现角向边缘增强方法具体为:按照下式对待处理图像的拉盖尔高斯模式进行角向求导再相干叠加,得到角向边缘增强后的图像:
Figure BDA0002274435370000042
式中,Eφ为角向边缘增强后的图像。
实现径向边缘增强方法具体为:按照下式对待处理图像的拉盖尔高斯模式进行径向求导再相干叠加,得到径向边缘增强后的图像:
Figure BDA0002274435370000043
式中,Er为径向边缘增强后的图像,
Figure BDA0002274435370000044
为角向指数为|l|+1、径向指数为p-1时的拉盖尔多项式。
相干叠加的方法具体为:
Er,φ=Er+Eφ
式中,El为角向边缘增强后的图像,Ep为径向边缘增强后的图像,Ep,l为角向和径向边缘增强后的图像。
角向复制模块用于获取所有角向指数为m的整数倍的拉盖尔高斯模式,并进行相干叠加,得到角向被复制m次后的图像,m为预设复制次数。具体复制公式为:
Figure BDA0002274435370000045
式中,Em为角向被复制m次后的图像。
下面,对本实施例进行仿真验证。待处理图像的半径为300个像素,每个像素的大小为25μm。对于图2(a),选择束腰ω0=320μm的LG模式作为分解图像的基底,l的范围为-300到300,p的范围为0到189。对获取的LG谱进行角向求导再相干叠加,图像实现角向边缘加强,如图2(b)所示。对LG模式进行径向求导再相干叠加,图像实现径向边缘加强,如图2(c)所示。对LG模式结合角向求导和径向求导再相干叠加,实现整体图像的边缘加强,如图2(d)所示。对于图3(a),选择束腰ω0=400μm的LG模式作为分解图像的基底,l的范围为-300到300,p的范围为0到95。令m=2,3,4分别实现角向2、3、4次重复,结果如图3(b)-图3(d)所示。可以看出,本实施例都达到了很好的增强和复制效果。
以上所揭露的仅为本发明一种较佳实施例而已,不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
参考文献:
1.L.Allen,M.W.Beijersbergen,R.J.C.Spreeuw,and J.P.Woerdman,"Orbitalangular momentum of light and the transformation of Laguerre-Gaussian lasermodes,"Phys Rev A 45,8185-8189(1992).

Claims (6)

1.一种基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于包括:
拉盖尔高斯模式获取模块,用于计算待处理图像的拉盖尔高斯模式;
图像边缘增强模块,用于对待处理图像的拉盖尔高斯模式分别进行角向求导和径向求导再进行相干叠加,得到角向边缘增强及径向边缘增强后的图像;
角向复制模块,用于获取所有角向指数为m的整数倍的拉盖尔高斯模式,并进行相干叠加,得到角向被复制m次后的图像,m为预设复制次数。
2.根据权利要求1所述的基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于:所述拉盖尔高斯模式获取模块具体用于:
按照下式计算,得到待处理图像的拉盖尔高斯模式:
Figure FDA0002274435360000011
Figure FDA0002274435360000012
式中,Ap,l表示角向指数为l、径向指数为p时的拉盖尔高斯模式系数,LGp,l(r,φ)表示角向指数为l、径向指数为p时的拉盖尔高斯模式,E(r,φ)表示极坐标系下的待处理图像,r为极坐标系下的半径,φ为极坐标系下的方位角,
Figure FDA0002274435360000013
是LGp,l(r,φ)的共轭转置,ω0为拉盖尔高斯模式的束腰,
Figure FDA0002274435360000014
为角向指数为l、径向指数为p时的拉盖尔多项式。
3.根据权利要求2所述的基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于:所述图像边缘增强模块实现角向边缘增强的方法具体为:
按照下式对待处理图像的拉盖尔高斯模式进行角向求导再相干叠加,得到角向边缘增强后的图像:
Figure FDA0002274435360000015
式中,Eφ为角向边缘增强后的图像。
4.根据权利要求2所述的基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于:所述图像边缘增强模块实现径向边缘增强的方法具体为:
按照下式对待处理图像的拉盖尔高斯模式进行径向求导再相干叠加,得到径向边缘增强后的图像:
Figure FDA0002274435360000021
式中,Er为径向边缘增强后的图像,
Figure FDA0002274435360000022
为角向指数为|l|+1、径向指数为p-1时的拉盖尔多项式。
5.根据权利要求1所述的基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于:所述图像边缘增强模块进行相干叠加的方法具体为:
Er,φ=Er+Eφ
式中,Eφ为角向边缘增强后的图像,Er为径向边缘增强后的图像,Er,φ为角向和径向边缘增强后的图像。
6.根据权利要求1所述的基于拉盖尔高斯模式的图像边缘增强和复制装置,其特征在于:所述角向复制模块具体用于:
按照下式计算,得到角向被复制m次后的图像:
Figure FDA0002274435360000023
式中,Em为角向被复制m次后的图像。
CN201911117365.1A 2019-11-15 2019-11-15 一种基于拉盖尔高斯模式的图像边缘增强和复制装置 Active CN111179181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911117365.1A CN111179181B (zh) 2019-11-15 2019-11-15 一种基于拉盖尔高斯模式的图像边缘增强和复制装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911117365.1A CN111179181B (zh) 2019-11-15 2019-11-15 一种基于拉盖尔高斯模式的图像边缘增强和复制装置

Publications (2)

Publication Number Publication Date
CN111179181A true CN111179181A (zh) 2020-05-19
CN111179181B CN111179181B (zh) 2023-05-09

Family

ID=70657168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911117365.1A Active CN111179181B (zh) 2019-11-15 2019-11-15 一种基于拉盖尔高斯模式的图像边缘增强和复制装置

Country Status (1)

Country Link
CN (1) CN111179181B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801917A (zh) * 2021-03-03 2021-05-14 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106896498A (zh) * 2017-03-08 2017-06-27 华南师范大学 拉盖尔高斯涡旋光束的产生/三维重建装置及方法
CN108873323A (zh) * 2018-07-09 2018-11-23 苏州大学 一种实现边缘增强成像的方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106896498A (zh) * 2017-03-08 2017-06-27 华南师范大学 拉盖尔高斯涡旋光束的产生/三维重建装置及方法
CN108873323A (zh) * 2018-07-09 2018-11-23 苏州大学 一种实现边缘增强成像的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陈君;崔祥霞;肖静;杨兆华;刘婷婷;: "基于径向希尔伯特变换的图像边缘增强特性研究" *
顾忠政等: "《基于涡旋滤波的图像边缘增强研究进展》" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801917A (zh) * 2021-03-03 2021-05-14 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法
CN112801917B (zh) * 2021-03-03 2023-11-17 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法

Also Published As

Publication number Publication date
CN111179181B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN106960414B (zh) 一种多视角ldr图像生成高分辨率hdr图像的方法
Pautov et al. On adversarial patches: real-world attack on arcface-100 face recognition system
Wang et al. Detection and localization of image forgeries using improved mask regional convolutional neural network
Xiang-yang et al. Invariant quaternion radial harmonic Fourier moments for color image retrieval
Cozzolino et al. SpoC: Spoofing camera fingerprints
Feng et al. Camouflage texture evaluation using saliency map
US4838644A (en) Position, rotation, and intensity invariant recognizing method
Corvi et al. Intriguing properties of synthetic images: from generative adversarial networks to diffusion models
CN102930296A (zh) 一种图像识别方法及装置
CN109035155B (zh) 一种光晕去除的多曝光图像融合方法
CN111402395A (zh) 一种基于cnn校正的被动偏振三维重建方法
CN115880177A (zh) 聚合上下文和增强细节的全分辨率低照度图像增强方法
CN111179181A (zh) 一种基于拉盖尔高斯模式的图像边缘增强和复制装置
CN109300098B (zh) 一种基于小波变换的多聚焦显微图像融合方法
Sekhar et al. Recent block-based methods of copy-move forgery detection in digital images
Javidi et al. Composite Fourier-plane nonlinear filter for distortion-invariant pattern recognition
CN106375675A (zh) 一种航空相机多曝光图像融合方法
Lv et al. An improved image blind identification based on inconsistency in light source direction
Li et al. Image mosaic and hybrid fusion algorithm based on pyramid decomposition
Yao et al. A multi-expose fusion image dehazing based on scene depth information
Voronin et al. Block-based multi-scale haze image enhancement method for surveillance application
Gao et al. CP-Net: Channel attention and pixel attention network for single image dehazing
Yu et al. Image desaturation for SDO/AIA using mixed convolution network
Liu et al. An improved image denoising method based on contourlet transform and NeighShrink algorithm
Furukawa et al. High-speed min-max bilateral filter-based image dehazing by using GPGPU

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant