[发明专利]基于方向波域的隐马尔可夫树模型的图像增强方法

摘要

本发明公开了一种基于方向波域的隐马尔可夫树模型的图像增强方法，主要解决传统图像增强算法会引起边缘处失真，细节增强不明显的问题。其实现步骤为：(1)对图像进行方向波变换，获得三组高低频系数；(2)对高频系数建立HMT模型，得到模型参数集；(3)利用EM算法对参数集进行训练得到它的估计值，并计算高频系数的后验概率；(4)对三组高频系数进行非线性匹配的增强处理；(5)对三组低频系数和增强后高频系数进行方向波逆变换，获得三个增强后的图像；(6)将三个增强图像进行加权平均，获得最终的增强图像。本发明具有方向选择性好，细节增强效果明显，对比度高的优点，可用于遥感图像、低对比度的图像增强处理。

主权项

1.一种基于方向波域的隐马尔可夫树模型的图像增强方法，包括如下步骤：(1)输入一幅图像，对它分别进行45度、90度及135度三个方向的方向波变换，得到高频子带系数H和低频子带系数L；(2)对高频子带系数H建立HMT模型，得到HMT模型的参数集θ={PSj(m),μj,m,σj,m2,ϵj,ρ(j)mn},]]>其中，表示节点j的状态S_j取值为m时的概率，μ_j,m表示节点j的状态值为m时高斯模型的均值，表示节点j的状态值为m时高斯模型的方差，表示节点j的状态S_j取值为m时，它的父节点ρ(j)的状态S_ρ(j)取值为n的转移概率，m为节点j的状态值，取值为1，2或3，n为节点j的父节点ρ(j)的状态值，取值为1，2或3；(3)利用期望最大算法即EM算法对参数集θ进行训练得到它的估计值根据估计值计算高频子带系数H状态值为m的后验概率：p(m|H,θ^l)，其中，H表示高频子带系数，l表示迭代次数，θ^l表示对参数集θ迭代l次所得的参数集；(4)对高频子带系数H进行非线性匹配的增强处理，得到增强后的高频子带H'；(5)将(1)中获得的低频子带系数L和(4)中获得的高频子带系数H'进行方向波逆变换，分别得到45度、90度及135度增强的图像；(6)将三个增强图像进行加权平均，获得最终的增强图像。