一种联合超像素的边缘感知纹理滤波方法技术

本发明专利技术提供一种联合超像素的边缘感知纹理滤波方法，包括步骤S1、采用SCAC算法对输入图像进行超像素分割得到超像素区域并使用窗口大小进行均值滤波得到均值图像；S2、针对输入图像中的每个像素计算mRTV值，找到最小mRTV值对应的局部窗口，计算局部窗口与超像素区域的重叠部分得到局部滤波区域；S3、在局部滤波区域内计算每个像素的SPRTV生成边缘感知引导图，并对每个像素计算权重，利用均值图像和边缘感知引导图以及权重构造纹理滤波引导图G'；S4、使用G'作为引导图与输入图像进行联合双边滤波得到滤波图像；S5、提出参考滤波图像与输入图像异同比较以及滤波图像自身特征的评价指标。本申请通过将像素信息和超像素信息有机结合来提高现有纹理滤波方法的滤波质量。结合来提高现有纹理滤波方法的滤波质量。结合来提高现有纹理滤波方法的滤波质量。

An edge aware texture filtering method combined with super pixels

【技术实现步骤摘要】
一种联合超像素的边缘感知纹理滤波方法


[0001]本专利技术涉及图像处理
，具体涉及一种联合超像素的边缘感知纹理滤波方法。

技术介绍

[0002]图像平滑是计算机视觉和图形学领域中最为重要的一种预处理技术，其目的是保留图像显著边缘结构的同时去除不重要的如噪声、纹理等细节。因其涉及到图像语义和人类感知的边缘结构与纹理细节的识别，纹理滤波是一个极具挑战性的研究难题。纹理滤波有着十分广泛的应用，比如结构信息提取、色调映射、视觉抽象、细节增强和接缝雕刻等，并已逐渐成为计算机视觉领域的一个研究热点。
[0003]传统的边缘保留平滑方法主要通过像素颜色或亮度等差异来实现，因此这类方法在去除图像中高对比度纹理细节时并不十分有效。而由Xu等提出的基于相对总变分的全局优化方法可以有效改善图像平滑质量，但是该方法会出现过平滑的现象。另一种解决办法就是空间滤波，通过有效利用局部窗口(局部滤波)或全局图像中相似像素(非局部滤波)达到边缘保留的效果。与局部滤波方法相比，非局部滤波方法通过充分考虑全局的相似像素来进一步改善纹理平滑质量。然而，这些方法大都是使用规则的局部窗口进行纹理细节的测量，因此不可避免地存在模糊现象。
[0004]2014年，Cho等提出了双边纹理滤波，通过对纹理特征进行局部规则窗口的分析，以窗口偏移的思想从最具代表性的局部窗口中获取突出结构边缘的纹理信息，实现纹理细节平滑的同时较好的保留结构边缘。在此基础上，2018年，Xu等提出边缘感知的双边纹理滤波，通过构造边缘感知窗口，使每个窗口尽可能在一个纹理区域内，并在纹理测量中考虑结构边缘的线性特征。此外，该方法使用大尺度窗口的纹理滤镜和狭长的边缘感知小窗口结构测量过滤掉大规模的纹理，同时保留细小的结构。而本申请的专利技术人经过研究发现，实质上以上两种方法都是基于规则的局部滤波窗口进行改进，对于细小的结构边缘不能有效地避免模糊现象，边缘保留能力不佳。

技术实现思路

[0005]针对现有纹理滤波方法都是基于规则的局部滤波窗口进行改进，对于细小的结构边缘不能有效地避免模糊现象，边缘保留能力不佳的技术问题，本专利技术提供一种联合超像素的边缘感知纹理滤波方法，通过将像素信息和超像素信息有机结合，来提高现有纹理滤波方法的滤波质量，边缘保留能力更佳。
[0006]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0007]一种联合超像素的边缘感知纹理滤波方法，包括以下步骤：
[0008]S1、采用SCAC算法对输入图像I进行超像素分割得到超像素区域，并对输入图像I使用窗口大小r
×
r进行均值滤波得到均值图像B；
[0009]S2、针对输入图像I中的每个像素p计算mRTV值，然后找到最小的mRTV值对应的局
部窗口Ω
p
，计算局部窗口Ω
p
与超像素区域的重叠部分得到具有边缘感知的局部滤波区域SP
p
；
[0010]S3、在局部滤波区域SP
p
内计算每个像素p的SPRTV生成边缘感知引导图G
p
，并对每个像素p计算权重α，利用步骤S1的均值图像B和本步骤生成的边缘感知引导图G
p
以及权重α构造最终的纹理滤波引导图G'；
[0011]S4、使用G'作为引导图与输入图像I进行联合双边滤波，得到滤波图像J；
[0012]S5、针对纹理图像的滤波结果，提出参考滤波图像与输入图像异同比较以及滤波图像自身特征的评价指标，用于更好反映图像滤波输出的优劣。
[0013]进一步，所述步骤S2具体包括：
[0014]S21、针对输入图像I中的每个像素p，使用下式计算mRTV值：
[0015][0016]其中，Δ(Ω
p
)表示局部窗口Ω
p
内的色度范围，表示输入图像I在像素点j的梯度，ε表示一个很小的正数；
[0017]S22、根据步骤S21计算得到的每个像素p的r
×
r领域内mRTV值，找到最小mRTV值对应的局部窗口Ω
p
；
[0018]S23、结合步骤S1分割得到的超像素区域和步骤S22找到的局部窗口Ω
p
，对每个像素p计算这两个区域的重叠部分，得到具有边缘感知的局部滤波区域SP
p
。
[0019]进一步，所述步骤S3具体包括：
[0020]S31、在局部滤波区域SP
p
内通过下式计算每个像素p的SPRTV：
[0021][0022]其中，表示输入图像I在像素点j的梯度，r是偏移窗口的尺度大小；
[0023]S32、对每个像素p采用下式计算权重α：
[0024][0025]其中，SPRTV(Ω
p
)表示局部窗口Ω
p
的SPRTV值，SPRTV(SP
p
)表示局部滤波区域SP
p
的SPRTV值，σ表示从边缘到纹理区域的转换权重；
[0026]S33、对具有边缘感知的局部滤波区域SP
p
中的像素计算均值生成新的引导图G
p
，并利用步骤S1的均值图像B和步骤S32计算的权重α通过公式G
p
'＝α
p
G
p
+(1
‑
α
p
)B
p
构造最终的纹理滤波引导图G'。
[0027]进一步，所述步骤S5具体包括：
[0028]S51、针对已公开的现有纹理图像数据集中的多幅图像，通过Canny算子使用极小
的阈值进行边缘检测，得到结构与细节的所有边缘信息；
[0029]S52、通过现有纹理图像数据集中提供的结构边缘，与步骤S51得到的边缘信息做差，分离得到图像结构边缘与细节信息边缘；
[0030]S53、对输入图像I与滤波图像J分别计算每个像素点处x与y方向上的梯度，分别衡量滤波图像与输入图像在结构边缘与细节边缘处的梯度异同，最后整合成一个统一的评价指标E
F
：
[0031][0032][0033][0034]其中，S和T分别表示结构边缘与细节信息像素集，I
x
(i)和I
y
(i)是原始输入图像像素点i的梯度，J
x
(j)和J
y
(j)是滤波图像像素点j的梯度，J
x
(i)和J
y
(i)是滤波图像像素点i的梯度，且滤波图像像素点j是i的邻域，N(i)表示以像素点i为中心的3
×
3邻域。
[0035]与现有技术相比，本专利技术提供的联合超像素的边缘感知纹理滤波方法具有以下优点：
[0036]1、本专利技术采用SCAC算法对输入图像进行超像素区域分割，由此构造具有边缘感知的局部滤波区域，改进已有纹理滤波方法大都使用规则矩形窗口造成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合超像素的边缘感知纹理滤波方法，其特征在于，包括以下步骤：S1、采用SCAC算法对输入图像I进行超像素分割得到超像素区域，并对输入图像I使用窗口大小r
×
r进行均值滤波得到均值图像B；S2、针对输入图像I中的每个像素p计算mRTV值，然后找到最小的mRTV值对应的局部窗口Ω
p
，计算局部窗口Ω
p
与超像素区域的重叠部分得到具有边缘感知的局部滤波区域SP
p
；S3、在局部滤波区域SP
p
内计算每个像素p的SPRTV生成边缘感知引导图G
p
，并对每个像素p计算权重α，利用步骤S1的均值图像B和本步骤生成的边缘感知引导图G
p
以及权重α构造最终的纹理滤波引导图G'；S4、使用G'作为引导图与输入图像I进行联合双边滤波，得到滤波图像J；S5、针对纹理图像的滤波结果，提出参考滤波图像与输入图像异同比较以及滤波图像自身特征的评价指标，用于更好反映图像滤波输出的优劣。2.根据权利要求1所述的联合超像素的边缘感知纹理滤波方法，其特征在于，所述步骤S2具体包括：S21、针对输入图像I中的每个像素p，使用下式计算mRTV值：其中，Δ(Ω
p
)表示局部窗口Ω
p
内的色度范围，表示输入图像I在像素点j的梯度，ε表示一个很小的正数；S22、根据步骤S21计算得到的每个像素p的r
×
r领域内mRTV值，找到最小mRTV值对应的局部窗口Ω
p
；S23、结合步骤S1分割得到的超像素区域和步骤S22找到的局部窗口Ω
p
，对每个像素p计算这两个区域的重叠部分，得到具有边缘感知的局部滤波区域SP
p
。3.根据权利要求1所述的联合超像素的边缘感知纹理滤波方法，其特征在于，所述步骤S3具体包括：S31、在局部滤波区域SP
p
内通过下式计算每个像素p的SPRT...

【专利技术属性】
技术研发人员：龙建武，朱江洲，王雪梅，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：