主权项 |
一种结构自适应和结构保持的图像局部扭曲方法,其特征在于,包括以下处理步骤:a分析图像局部结构构建图像金字塔并分析各层局部结构;b平滑偏移场构建偏移场金字塔并自顶向下对偏移场做方向平滑;c扭曲图像使用平滑后的偏移场扭曲图像;所述步骤a具体包括以下处理步骤:a1构造图像的高斯金字塔;a2对每层图像分析其局部边缘方向并计算出一个一致性度量;所述步骤a2具体包括以下处理步骤:a21首先计算图像的梯度<img file="FDA0000992962960000011.GIF" wi="562" he="63" />并在一个小邻域内计算结构张量J:<maths num="0001"><math><![CDATA[<mrow><mi>J</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><mrow><munder><mo>Σ</mo><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo><mo>∈</mo><mi>N</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></munder><msub><mi>I</mi><mi>x</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>·</mo><msub><mi>I</mi><mi>x</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow></mrow></mtd><mtd><mrow><munder><mo>Σ</mo><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo><mo>∈</mo><mi>N</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></munder><msub><mi>I</mi><mi>x</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>·</mo><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><munder><mo>Σ</mo><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo><mo>∈</mo><mi>N</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></munder><msub><mi>I</mi><mi>x</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>·</mo><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow></mrow></mtd><mtd><mrow><munder><mo>Σ</mo><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo><mo>∈</mo><mi>N</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></munder><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow><mo>·</mo><msub><mi>I</mi><mi>y</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>,</mo><mi>l</mi><mo>)</mo></mrow></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000992962960000012.GIF" wi="1046" he="223" /></maths>其中,(i,j)表示像素位置,I(i,j)表示灰度值,I<sub>x</sub>(i,j)和I<sub>y</sub>(i,j)分别是沿着水平和垂直方向的方向导数,N(i,j)表示以像素(i,j)为中心的一个小邻域;对结构张量J做特征值分解,即:<maths num="0002"><math><![CDATA[<mrow><mi>J</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><mi>e</mi></mtd><mtd><mi>f</mi></mtd></mtr></mtable></mfenced><mfenced open = "[" close = "]"><mtable><mtr><mtd><msub><mi>λ</mi><mi>e</mi></msub></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><msub><mi>λ</mi><mi>f</mi></msub></mtd></mtr></mtable></mfenced><mfenced open = "[" close = "]"><mtable><mtr><mtd><msup><mi>e</mi><mi>T</mi></msup></mtd></mtr><mtr><mtd><msup><mi>f</mi><mi>T</mi></msup></mtd></mtr></mtable></mfenced><mo>,</mo><msub><mi>λ</mi><mi>e</mi></msub><mo>></mo><msub><mi>λ</mi><mi>f</mi></msub><mo>,</mo></mrow>]]></math><img file="FDA0000992962960000013.GIF" wi="710" he="150" /></maths>得到边缘方向向量e;其中,单位向量e称为边缘方向,而单位向量f称为流向,这两个方向正交,λ<sub>e</sub>表示对应e的特征值,而λ<sub>f</sub>表示对应f的特征值;a22如下计算局部结构的一致性度量κ:<maths num="0003"><math><![CDATA[<mrow><mi>κ</mi><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><mi>τ</mi><mrow><msub><mi>λ</mi><mi>e</mi></msub><mo>-</mo><msub><mi>λ</mi><mi>f</mi></msub></mrow></mfrac><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000992962960000014.GIF" wi="422" he="159" /></maths>其中,τ是阈值参数;最终获得局部结构,即每个像素位置的边缘方向e(i,j)和一致性度量κ(i,j)。 |