一种基于双边核回归的相对约减纹理分解方法及其装置制造方法及图纸

本发明专利技术实施例公开了一种基于双边核回归的相对约减纹理分解方法及其装置，其中，该方法包括：输入所要处理的输入图像；对所述输入图像的每一个像素计算相对约减率；根据软阈值构造结构核描述子；将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果。在本发明专利技术实施例中，采用基于局部全变分的结构核描述子并结合核回归模型来进行构建，采用相对减少的纹理分解来构造结构核描述子，将该描述子与双边核回归融合来获得期望的结构感知滤波输出，能够弥补当前边缘感知滤波在提取图像结构时所出现的结构和纹理分解不完全的缺陷。

Relative reduced texture decomposition method and device based on bilateral kernel regression

The embodiment of the invention discloses a bilateral nuclear regression based on the relative reduction of texture decomposition method and device, wherein, the method comprises: input the input image processing; computed for each pixel of the input image according to the relative reduction rate; soft threshold structure of the nuclear structure descriptor; nuclear descriptors as joint bilateral filtering and image guided regression bilateral nuclear fusion, obtain the filtering result. In the embodiment of the invention, the local structure of nuclear descriptors based on total variation and kernel regression model to construct, the relative reduction of the texture decomposition to construct the structure of nuclear structure descriptors, the perception filter output descriptors and bilateral nuclear fusion regression to obtain the desired texture and structure, can make up for the current perceptual edge filter which appears in the image structure when the defect of incomplete decomposition.

【技术实现步骤摘要】
一种基于双边核回归的相对约减纹理分解方法及其装置
本专利技术涉及图像处理
，尤其涉及一种基于双边核回归的相对约减纹理分解方法及其装置。
技术介绍
随着信息科学技术的进步，丰富多彩的可视媒体设备日益普及，促进了计算机视觉、图形与图像处理领域的应用快速发展。同时，诸多可视媒体内容的高质量显示问题对图像处理技术提出了新的挑战。边缘感知滤波方法作为图像处理与显示问题的预处理技术，在可视媒体应用中发挥着重要的作用，得到了学术界和工业界的共同关注。边缘感知滤波方法已经成为计算机视觉、图形与图像处理领域的关键研究课题，被广泛应用于计算机动画、数码摄影、电影和游戏等产业。然而，主流的边缘感知滤波方法还存在很大的进步空间。在现代图像滤波中，边缘感知滤波理论涉及到计算机图形学、计算机视觉、机器学习、信号处理、应用数学、统计学等学术领域。边缘感知滤波的研究起源于SUSAN框架，根据不同的算法思想，可以归纳为5类主要的边缘感知滤波理论模型，分别为基于双边滤波模型的方法、基于偏微分方程的方法、基于概率统计模型的方法、和基于尺度空间分解的方法、基于回归理论模型的方法。基于双边滤波模型的方法会在主要边缘附近产生光晕伪影或梯度反转等不好的现象，而且效率不高。而基于偏微分方程的方法虽然在结构纹理分解上有不错的效果，但是无法处理纹理比较复杂的情况。还有一种效率不高的方法是基于概率统计模型的方法。虽然基于尺度空间分解的方法对尺度的把握比较精确，但是在处理结构纹理分解的效果不是很好。随着边缘感知滤波的深入研究，如何实现图像结构纹理完美分解对边缘感知滤波方法提出了新的挑战。特别是对于纹理丰富的图像，现在技术中存在主流的边缘感知滤波在区分纹理边缘与结构边缘的局限性。
技术实现思路
本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于双边核回归的相对约减纹理分解方法及其装置，能够弥补当前边缘感知滤波在提取图像结构时所出现的结构和纹理分解不完全的缺陷。，该方法采用基于局部全变分的结构核描述子并结合核回归模型来进行构建。首先，采用相对减少的纹理分解来构造结构核描述子，然后将该描述子与双边核回归融合来获得期望的结构感知滤波输出。为了解决上述问题，本专利技术提出了一种基于双边核回归的相对约减纹理分解方法，所述方法包括：输入所要处理的输入图像；对所述输入图像的每一个像素计算相对约减率；根据软阈值构造结构核描述子；将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果。优选地，在所述根据软阈值构造结构核描述子的步骤之前，还包括：根据所述相对约减率计算获得所述软阈值。优选地，所述根据所述相对约减率计算获得所述软阈值的步骤，包括：根据下述公式计算获得软阈值：其中，α和β是经验阈值，k为相对约减率。优选地，所述根据软阈值构造结构核描述子的步骤包括：根据下述公式计算获得结构核描述子：其中，表示空间卷积运算，I表示输入图像，Gσ是方差为σ的高斯核。优选地，所述将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果的步骤包括：根据下述公式将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果：其中,为滤波结果，xi、xj是采样点，yi是在xi的一个噪声采样，yj是在xj的一个噪声采样，z(·)是回归函数，F(·)是结构核描述子。优选地，所述获得滤波结果的步骤，包括：根据下述公式获得滤波结果：其中，表示最终的滤波输出结果，1n是单位矩阵；xi和xj是采样点，yi是在xi的一个噪声采样,yj是在xj的一个噪声采样，Kj为采样点xj上定义的双边核函数；F(yi)为噪声采样yj上的结构描述子输出，Wij为xi和xj的权重矩阵，由双边核函数Kij求得；为噪声采样yj上的权重向量转置。优选地，在所述将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合获得滤波结果的步骤之后，还包括：将所述滤波结果作为输入进行迭代计算。相应地，本专利技术还提供一种基于双边核回归的相对约减纹理分解装置，所述装置包括：输入模块，用于输入所要处理的输入图像；计算模块，用于对所述输入图像的每一个像素计算相对约减率；构造模块，用于根据软阈值构造结构核描述子；融合模块，用于将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果。优选地，所述计算模块还用于根据所述相对约减率计算获得所述软阈值。优选地，所述计算模块还用于根据下述公式计算获得软阈值：其中，α和β是经验阈值，k为相对约减率。优选地，所述计算模块还用于根据下述公式计算获得结构核描述子：其中，表示空间卷积运算，I表示输入图像，Gσ是方差为σ的高斯核。优选地，所述融合模块还用于根据下述公式将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果：其中,为滤波结果，xi、xj是采样点，yi是在xi的一个噪声采样，yj是在xj的一个噪声采样，z(·)是回归函数，F(·)是结构核描述子。优选地，所述融合模块还用于根据下述公式获得滤波结果：其中，表示最终的滤波输出结果，1n是单位矩阵；xi和xj是采样点，yi是在xi的一个噪声采样,yj是在xj的一个噪声采样，Kj为采样点xj上定义的双边核函数；F(yi)为噪声采样yj上的结构描述子输出，Wij为xi和xj的权重矩阵，由双边核函数Kij求得；为噪声采样yj上的权重向量转置。优选地，所述计算模块还用于将所述滤波结果作为输入进行迭代计算。在本专利技术实施例中，采用基于局部全变分的结构核描述子并结合核回归模型来进行构建，采用相对减少的纹理分解来构造结构核描述子，将该描述子与双边核回归融合来获得期望的结构感知滤波输出，能够弥补当前边缘感知滤波在提取图像结构时所出现的结构和纹理分解不完全的缺陷。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例的基于双边核回归的相对约减纹理分解方法的流程示意图；图2是本专利技术实施例中去除残留纹理的效果示意图；图3是本专利技术实施例中变分结构核描述子构造过程的效果示意图；图4是本专利技术实施例中带有丰富纹理的图像的结构纹理分解效果示意图；图5是本专利技术实施例中高动态色调映射的效果示意图；图6是本专利技术实施例中超像素分割的效果示意图；图7是本专利技术实施例中结构保持平滑的滤波效果示意图；图8是本专利技术实施例的基于双边核回归的相对约减纹理分解装置的结构组成示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例的基于双边核回归的相对约减纹理分解方法的流程示意图，如图1所示，该方法包括：S1，输入所要处理的输入图像；S2，对输入图像的每一个像素计算相对约减率；S3，根据软阈值构造结构核描述子；S4，将结构核描述子作为联合双边滤本文档来自技高网...

【技术保护点】
一种基于双边核回归的相对约减纹理分解方法，其特征在于，所述方法包括：输入所要处理的输入图像；对所述输入图像的每一个像素计算相对约减率；根据软阈值构造结构核描述子；将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果。

【技术特征摘要】
1.一种基于双边核回归的相对约减纹理分解方法，其特征在于，所述方法包括：输入所要处理的输入图像；对所述输入图像的每一个像素计算相对约减率；根据软阈值构造结构核描述子；将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果。2.如权利要求1所述的基于双边核回归的相对约减纹理分解方法，其特征在于，在所述根据软阈值构造结构核描述子的步骤之前，还包括：根据所述相对约减率计算获得所述软阈值。3.如权利要求2所述的基于双边核回归的相对约减纹理分解方法，其特征在于，所述根据所述相对约减率计算获得所述软阈值的步骤，包括：根据下述公式计算获得软阈值：其中，α和β是经验阈值，k为相对约减率。4.如权利要求1或3所述的基于双边核回归的相对约减纹理分解方法，其特征在于，所述根据软阈值构造结构核描述子的步骤包括：根据下述公式计算获得结构核描述子：其中，表示空间卷积运算，I表示输入图像，Gσ是方差为σ的高斯核。5.如权利要求1所述的基于双边核回归的相对约减纹理分解方法，其特征在于，所述将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果的步骤包括：根据下述公式将所述结构核描述子作为联合双边滤波的引导图像与双边核进行回归融合，获得滤波结果：其中,为滤波结果，xi、xj是采样点，yi是在xi的一个噪声采样，yj是在xj的一个噪声采样，z(·)是回归函数，F(·)是结构核描述子。6.如权利要求5所述的基于双边核回归的相对约减纹理分解方法，其特征在于，所述获得滤波结果的步骤，包括：根据下述公式获得滤波结果：其中，表示最终的滤波输出结果，1n是单位矩阵；xi和xj是采样点，yi是在xi的一个噪声采样,yj是在xj的一个噪声采样，Kj为采样点xj上定义的双边核函数；F(yi)为噪声采样yj上的结构描述子输出，Wij为xi和xj的权重矩阵，由双边核函数Kij求得；为噪声采样yj上的权重向量转置。7.如权利要求1所述的基于双边核回归的相对约减纹理分解方法，其特征在于，在所述将所述结构核描述子作为联合双边滤...

【专利技术属性】
技术研发人员：苏卓，曾碧怡，李波，冷成财，颜吉超，
申请(专利权)人：中山大学，南昌航空大学，
类型：发明
国别省市：广东,44