| 主权项 |
一种基于热核金字塔的各向异性小波图像处理方法，其特征在于包括以下步骤：步骤(1)、各向异性小波的理论推导：通过对墨西哥草帽小波为高斯函数的负二阶导的推导分析，以及在欧拉空间内高斯函数为热扩散偏微分方程的分析解的特性，给出了墨西哥草帽小波关于热核的表示形式，其为热核关于时间的负一阶导，并定义了该墨西哥草帽小波的离散表示形式，以及各向异性小波变换及其逆变换；步骤(2)、基于图拉普拉斯的各向异性热扩散：利用边权重映射方法，通过像素灰度值及梯度幅值来计算相似性程度，将图像像素晶格映射为权重无向图，从而构建具有结构意识和数据相关的图拉普拉斯矩阵，该图拉普拉斯矩阵计算方法固有的潜入了图像的结构信息，因此热扩散为各向异性，所形成的小波是各向异性的；步骤(3)、图像热核计算的分治策略：通过步骤(2)中计算得到的图拉普拉斯矩阵，由于图像维数较大时，所对应的图拉普拉斯矩阵的维数将快速增加，从而造成了对大型矩阵的存储及特征分解极其困难，因此基于热核的高斯衰减特征，提出了使用图像分块计算策略，且各块间存在重叠，实现各图像子块热核的并行计算，提高了所提出的小波算法的实际可行性；为了进一步加速算法，使用Krylov子空间技术来实现小波变换的快速计算；步骤(4)、各向异性小波图像处理：基于步骤(1)的理论推导和步骤(2)、步骤(3)中快速实现方法，所提出的各向异性小波可被应用于多种具有结构保护要求的图像处理中，所述图像处理为图像平滑、图像增强、高清图像色调操作和/或图像风格化；其中，步骤(1)中所述的小波变换是各向异性的，不仅具有墨西哥草帽小波的各种特性，而且还内建了数据相关和结构意识的特性；步骤(2)中所述的图拉普拉斯矩阵的计算方法，将像素点灰度值及梯度幅值映射为边权重，具有良好的边终止和结构保护特性；步骤(3)中通过将图像分为具有重叠部分的图像块以及Krylov子空间方法的使用，避免了高时耗的全局特征分解，增强了所提出的局部小波算法的实际可行性。 |
