1.一种基于方向总变差最小化和导向滤波的图像摩尔纹去除方法,其特征在于,该方法包括以下步骤:
步骤1、将屏摄图像投影在yuv色彩空间,实现色彩空间映射;通过映射变换矩阵a,表达式如下:
将rgb色彩空间的r、g、b通道,转换为yuv色彩空间的y、u、v三个通道,转换公式如下:
[y,u,v]′=a[r,g,b]′
并依次对三个通道进行处理;
步骤2、将亮度通道y进行分解,对分解产生的多变量进行不同约束和交替迭代求解,去除摩尔纹,具体包括以下处理:
2-1、将亮度通道图像进行分解,表达式如下:
i=b+m+n
其中,i为屏摄图像的亮度y通道,m为摩尔纹层内容,b为图像层内容,n为白噪声内容;
2-2、确立能量方程,表达式如下;
其中,loss为对i分解过程的最小化约束目标变量,pi为对图像的取块操作,pim为对m取块的结果,ρ为针对摩尔纹取块进行训练得到的高斯混合模型先验器,∑ilogρ(pim)为在该先验器中m的得分情况;α为梯度约束项的系数,
x为该函数的输入,ω为预设的摩尔纹的预期方向集合,l为预期方向集合中的某个方向,i为输入图像x中的某个像素点,
2-3、对上述能量方程进行拉格朗日增广,结果表达式如下:
其中,d为对图像层b的摩尔纹系数的相似逼近,β为增广项d与摩尔纹系数的保真度约束系数;ni为对摩尔纹层m的块匹配相似逼近;
2-4、用软阈值法求解变量d,表达式如下:
其中,d(k+1)为增广项变量d在第k+1次迭代求解中的结果,b(k)为图像层b在第k次迭代时的结果,k为求解迭代次数;
2-5、用共轭梯度下降法求解变量b,表达式如下:
其中,m(k)为第k次迭代时摩尔纹层m的结果;pcg()是共轭梯度下降法抽象成的函数,e为与m同尺寸的单位矩阵,
2-6、用直接求逆的方法求解变量m,表达式如下:
其中,n(k)是摩尔纹层的增广项n在第k次迭代中的结果;
2-7、代入先验模型ρ,求解变量n,表达式如下:
n(k+1)=ρ(n(k))
其中,ρ为针对摩尔纹取块进行训练得到的高斯混合模型先验器;
2-8、重复步骤2-1~2-7,直到变量b和m收敛,即得到亮度通道的分层结果;
步骤3、使用导向滤波器,以步骤2中的结果即图像层b为引导图,对另外两个色度通道按如下公式进行导向滤波,实现通道u和v的去摩尔纹;
其中,f为待处理的u通道或v通道图像,b为步骤2中得到的y通道的无摩尔纹图像,
其中,
步骤4、将去除摩尔纹后的y、u、v通道图像按如下公式进行合并,转换到rgb空间,即得到了最终的无摩尔纹图像,转换公式如下:
r=y+1.140u
g=y-0.395u-0.581v
b=y+2.032u。