CN113837975A - 基于双三次插值和奇异值分解的图像增强方法 - Google Patents

基于双三次插值和奇异值分解的图像增强方法 Download PDF

Info

Publication number
CN113837975A
CN113837975A CN202111035199.8A CN202111035199A CN113837975A CN 113837975 A CN113837975 A CN 113837975A CN 202111035199 A CN202111035199 A CN 202111035199A CN 113837975 A CN113837975 A CN 113837975A
Authority
CN
China
Prior art keywords
image
singular value
bicubic interpolation
value decomposition
sub
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.)
Pending
Application number
CN202111035199.8A
Other languages
English (en)
Inventor
叶汉民
苏可琴
刘英志
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.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202111035199.8A priority Critical patent/CN113837975A/zh
Publication of CN113837975A publication Critical patent/CN113837975A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

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双三次插值和奇异值分解的图像增强方法。算法首先对原图像分别进行直方图均衡化和双三次插值，能更好的保留图像的细节信息,然后将处理后的图像分别进行离散小波变换,每个输入图像分解为各种分辨率的子带,再对低频子带进行奇异值分解,然后通过离散小波重构对图像进行重建,最后,将重构后的图像与原图像进行直方图匹配，得到增强图像。该方法能够很好的增强图像。

Description

基于双三次插值和奇异值分解的图像增强方法
技术领域
本发明属于信息增强的数字图像处理领域，主题内容是一种基于双三次插值和奇异值分解的图像增强方法，具有较好的图像增强效果的方法。
背景技术
图像是人们获取信息的最直观的方式，图像增强是图像处理中的一个重要领域，在医学图像处理及纹理分析、模式识别等预处理步骤中广泛使用。图像增强是指按照一定的需求，去除或者削弱对决策无用的信息。图像增强的目的让处理后的图像更加易于被机器识别或者更加符合人眼的视觉效果。这样更有益于人们获得的更准确的信息，从而做出更科学的决策。，图像增强是图像模式识别中非常重要的图像预处理过程，是数字图像处理中最简单也是最吸引人的技术，以显示模糊图像的细节。图像增强可以有目的地强调图像的局部和整体特征,在图像增强过程中,处理后的图像不一定逼近原图像，而是根据需求抑制不重要的信息,丰富有用信息,以此来提高图像的质量,提高图像识别的效果，满足某些特殊分析的需要。
图像增强是图像模式识别中一个非常重要的图像预处理过程，是数字图像处理中最简单、最吸引人的技术，以显示模糊图像的细节。图像增强可以有目的地强调图像的局部和整体特征，可以使原始模糊图像更加清晰，有效地扩大图像中某些不同对象的特征差异，抑制信息，从而丰富信息量，提高图像质量，增强图像识别效果。为了满足某些特殊分析的需要，通过对图像中的信息进行处理，可以显示出模糊图像中有用的细节，使有用的信息得到增强，扩大图像中不同物体特征之间的差异，更好地识别和提取图像。那个图像的关键特征是分辨率，它能有效地反映图像的细节，因此图像的分辨率增强显得尤为重要。图像的分辨率越高，显示的细节越多，图像越好，从图像中获得的有用信息也越多。因此，研究一种良好的图像增强方法具有重要意义。
发明内容
图像增强不仅要提高图像的对比度，还要使图像的细节信息增强，增强后的图像可以更加符合人眼的视觉效果。为了达到这一目的，本文提出了一种基于双三次插值和奇异值分解的图像质量增强方法。
主要技术方案包括：首先将原图像分别进行双三次插值和直方图均衡化，直方图均衡算法对灰度级相对集中的图像处理效果最好，处理后的图片能较好的保留细节信息。后将处理后的图像分别进行离散小波变换,每个输入图像分解为各种分辨率的子带,再对低频子带进行奇异值分解,然后通过离散小波重构对图像进行重建,最后,将重构后的图像与原图像进行直方图匹配，得到增强图像。
实验仿真表明,该方法能够很好的增强图像，增强后图像效果较明显。
附图说明
图1是对原图进行双三次插值和直方图均衡化。
图2是对M1进行离散小波变换。
图3是对M2进行离散小波变换。
图4是低频子带的奇异值分解。
图5是小波重构过程。
图6是直方图匹配过程。
图7是Barbara进行不同操作前后对比图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
本发明的流程图如图1所示，一种基于双三次插值和奇异值分解的图像增强方法，该方法具体包括以下流程：
步骤一：输入原始图像M，分别对M进行双三次插值和直方图均衡化，分别生成图像M1和M2。
步骤二：对M1和M2进行小波变换分解。将图像M1分解为HH1、HL1、LH1、LL1四个子带，将图像M2分解为HH2、HL2、LH2、LL2四个子带。
步骤三：低频子带奇异值分解，首先得到奇异值分解的校正系数，它的表达式如下：
n＝maxLL2/maxLL1
其中maxLL1表示原图像后输出的LL奇异值矩阵，maxLL2表示直方图均衡化后输出的LL奇异值矩阵。
新形成的LL是:
LL1＝n.LL1
这样，图像奇异值可以用一个矩阵表示:
I＝ULL1.LL1.VLL1
步骤四:利用小波重构对SVD插值得到的增强子带LL1和双三次插值后的HH1、HL1、LH1进行重构，得到新的图像M3。
步骤五：通过直方图匹配，将新图像M3与原图M进行匹配。
步骤六：最后输出分辨率增强的图像M4。
方法测试
仿真实验选用512×512Barbara灰度图像作为处理图像。
为了验证本次实验提出算法的性能，利用图像的峰值信噪比(PSNR)进行评估，是目前图像增强比较权威的客观评价标准。
峰值信噪比来定量的评价图像分辨率增强后的效果，PSNR的单位为dB。所以PSNR值越大，就代表失真越少。
图7展示了进行不同操作前后对比图。
表1为不同算法获得图像的PSNR的值。
表1不同方法得出的PSNR结果
图像 直方图均衡化 小波变换 本文
Lena 28.0163 30.9838 34.9191
Barbara 30.0676 31.4456 32.2690
Cameraman 29.6452 34.178 36.0103

Claims (2)

1.一种基于双三次插值和奇异值分解的图像增强方法，其特征在于，该算法首先对原图像分别进行直方图均衡化和双三次插值，能更好的保留图像的细节信息,然后将处理后的图像分别进行离散小波变换,每个输入图像分解为各种分辨率的子带,再对低频子带进行奇异值分解,然后通过离散小波重构对图像进行重建,最后,将重构后的图像与原图像进行直方图匹配；实验结果表明得到增强图像。
2.根据权利要求1所述的一种基于双三次插值和奇异值分解的图像增强方法，其特征在于，该方法具体包括以下步骤：
步骤一：:输入原始图像M，分别对M进行双三次插值和直方图均衡化，分别生成图像M1和M2；
步骤二：对M1和M2进行小波变换分解；将图像M1分解为HH1、HL1、LH1、LL1四个子带，将图像M2分解为HH2、HL2、LH2、LL2四个子带；
步骤三：低频子带奇异值分解，首先得到奇异值分解的校正系数：
n＝maxLL2/maxLL1，
其中，maxLL1表示双三次插值后输出的奇异值矩阵，maxLL2表示直方图均衡化后输出的奇异值矩阵；
新形成的LL是:
LL1＝n.LL1，
这样，图像奇异值可以用一个矩阵表示:
I＝ULL1.LL1.VLL1
步骤四:利用小波重构对SVD插值得到的增强子带LL1和双三次插值后的HH1、HL1、LH1进行重构，得到新的图像M3；
步骤五：通过直方图匹配，将新图像M3与原图M进行匹配，最终得到分辨率增强图像M4；
步骤六：最后输出分辨率增强的图像M4。
CN202111035199.8A 2021-09-05 2021-09-05 基于双三次插值和奇异值分解的图像增强方法 Pending CN113837975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111035199.8A CN113837975A (zh) 2021-09-05 2021-09-05 基于双三次插值和奇异值分解的图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111035199.8A CN113837975A (zh) 2021-09-05 2021-09-05 基于双三次插值和奇异值分解的图像增强方法

Publications (1)

Publication Number Publication Date
CN113837975A true CN113837975A (zh) 2021-12-24

Family

ID=78962331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111035199.8A Pending CN113837975A (zh) 2021-09-05 2021-09-05 基于双三次插值和奇异值分解的图像增强方法

Country Status (1)

Country Link
CN (1) CN113837975A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332155A (zh) * 2011-10-19 2012-01-25 江苏技术师范学院 一种图像增强方法
KR101514152B1 (ko) * 2013-11-28 2015-04-21 한양대학교 산학협력단 특이값 분해를 이용한 화질 개선 방법 및 장치
CN110322404A (zh) * 2019-07-04 2019-10-11 上海融军科技有限公司 一种图像增强方法及系统
CN113066035A (zh) * 2021-03-19 2021-07-02 桂林理工大学 一种基于双线性插值和小波变换的图像质量增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332155A (zh) * 2011-10-19 2012-01-25 江苏技术师范学院 一种图像增强方法
KR101514152B1 (ko) * 2013-11-28 2015-04-21 한양대학교 산학협력단 특이값 분해를 이용한 화질 개선 방법 및 장치
CN110322404A (zh) * 2019-07-04 2019-10-11 上海融军科技有限公司 一种图像增强方法及系统
CN113066035A (zh) * 2021-03-19 2021-07-02 桂林理工大学 一种基于双线性插值和小波变换的图像质量增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑良仁;代文征;靳宗信;杨勇;: "基于DWT和奇异值分解的图像增强算法", 现代电子技术, no. 15, pages 21 - 24 *

Similar Documents

Publication Publication Date Title
US20040008904A1 (en) Method and apparatus for noise reduction using discrete wavelet transform
CN103093433A (zh) 基于区域划分和字典学习的自然图像去噪方法
CN111612695B (zh) 一种低分辨率人脸图像超分辨重建方法
Kumar et al. Triple clipped histogram-based medical image enhancement using spatial frequency
CN109003232B (zh) 基于频域尺度平滑Shearlet的医学MRI图像去噪方法
CN104182939B (zh) 一种医疗影像图像细节增强方法
CN111311508B (zh) 一种带噪路面裂缝图像的降噪方法
Rasti et al. Colour image watermarking based on wavelet and QR decomposition
CN105741844A (zh) 一种基于dwt-svd-ica的数字音频水印算法
CN113409216A (zh) 一种基于频带自适应修复模型的图像修复方法
CN112073593A (zh) 基于小波、阈值滤波及压缩感知的信息增强与传输方法
CN117726540A (zh) 一种增强门控Transformer的图像去噪方法
CN103903228A (zh) 一种基于hwd变换的非局部图像去噪方法
CN108090914B (zh) 基于统计建模与像素分类的彩色图像分割方法
AlAsadi Contourlet transform based method for medical image denoising
CN113066035A (zh) 一种基于双线性插值和小波变换的图像质量增强方法
CN113837975A (zh) 基于双三次插值和奇异值分解的图像增强方法
CN115082296B (zh) 一种基于小波域图像生成框架的图像生成方法
CN116563111A (zh) 基于深度递归残差通道注意力的图像放大方法
Aswathy Mohan Image enhancement using dwt dct and svd
CN114283086A (zh) 一种基于信号域与图像域联合滤波的磁共振影像降噪方法
CN114743225A (zh) 基于Retinex-ResNet网络模型的指纹图像增强方法
Hamsathvani Image hiding in video sequence based on MSE
CN107871311A (zh) 一种应用于cmos图像传感器的图像增强和融合方法
CN111325720B (zh) 一种多视觉特征集成的无参考超分辨图像质量评价方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211224