基于双边伽马校正和多尺度图像融合的图像增强方法

摘要

本发明属于图像增强技术领域，具体公开了一种基于双边伽马校正和多尺度图像融合的图像增强方法，该方法采用图像空频域结合处理模式，在空间域设计了双边伽马校正模块，利用上边和下边两条伽马校正曲线的特征改善灰度图像中过暗区域和过亮区域的视觉效果；在频率域设计了多尺度图像融合模块，对双边伽马校正后的两幅图像进行多尺度分解、融合和重构，其中，在低频子带图像中采用加权平均融合规则保持原始图像亮度，在高频子带图像中采用平均选择融合规则突出原始图像细节。本发明方法能够在保持图像真实感的前提下提高图像的视觉质量，使得图像更容易被人或机器所理解，避免了基于直方图均衡化的方法容易出现的图像“过增强”现象。

主权项

基于双边伽马校正和多尺度图像融合的图像增强方法，其特征在于，包括如下步骤：s1、双边伽马校正根据伽马校正算法设计两条校正曲线，分别是伽马取值范围为(0,1)的上边伽马校正曲线和伽马取值范围为(1,+∞)的下边伽马校正曲线；两条伽马校正曲线中都包含斜率大于1和斜率小于1的两段曲线段；利用上边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过暗区域视觉效果的图像；利用下边伽马校正曲线中斜率大于1的曲线段校正原始图像，生成一幅改善了过亮区域视觉效果的图像；s2、多尺度图像融合利用拉普拉斯金字塔分解算法分别对双边伽马校正后的两幅图像进行多尺度拉普拉斯金子塔图像分解，分解成两个N层的多尺度图像序列，每层包含低频子带图像和高频子带图像；将两个图像序列中每层的低频子带图像采用加权平均融合规则进行图像融合，生成一个N层的多尺度图像序列；将两个图像序列中每层的高频子带图像采用平均选择融合规则进行图像融合，生成一个N层的多尺度图像序列；将生成的两个N层的多尺度图像序列采用拉普拉斯逆金子塔变换重构成一幅输出图像。