专利名称:一种结合数据融合技术的铁路线阵彩色图像修复算法的制作方法
技术领域:
本发明涉及图像修复技术,属于图像处理技术领域,尤其是涉及一种结合数据融合技术的铁路线阵彩色图像修复算法。
背景技术:
受限制于线阵CCD相机的安装局限性和铁路建设施工的安全要求,铁路货运列车的图像中经常出现非正常前景,这对人眼观察和其他基于图像的智能识别都有一定影响。一般的方法都是将这些非正常前景进行去除,这就使得图像不再完整,不宜与观察,而简单的修复方法又无法保证图像质量,降低了图像内容的整体性。
发明内容
本发明要解决的问题是提供一种结合数据融合技术的铁路线阵彩色图像修复算法,能够准确的对图像进行修复。为解决上述技术问题,本发明采用的技术方案是一种结合数据融合技术的铁路线阵彩色图像修复算法,其特征在于,包括以下步骤步骤一将待修复的彩色图像进行RGB到HSI的空间变换,获得H色相、S饱和度、L照度三个分量子图;步骤二 分别针对H,S,和I分量子像的待修复区域的每一个像素,进行区域特征判断,将其分为平坦区域和边缘区域;步骤三对于平坦区域的像素点,利用插值算法,计算出该像素点的估计像素值,并用估计像素值替换该像素点的原像素值;步骤四对于边缘区域的像素点,利用插值算法结合数据融合方法,计算出该像素点的估计灰度值,并用估计灰度值替换该像素点的原灰度值,得到修复后的H,S,和I分量子图;步骤五将三个修复后的分量子像进行HSI到RGB的转换,获得最终的图像结
果O对于所述步骤三、步骤四中的插值算法,当针对I分量子图进行运算时,所述插值算法为Cubic三次样条插值算法;当针对H,S分量子图进行运算时,所述插值算法为双线性插值法。所述步骤一中的RGB到HSI的变换方法包括以下步骤(I)获取图像中的待修复区域参数图像中待修复区域起始位置的X,Y轴的坐标,以及区域的长度和宽度。(2)将通过待修复区域的三个分量子图R,G,B的值,计算H、S、I值,计算公式如下1=1/3(R+G+B)S=1-(3/(R+G+B) )*a
H=Cos~ (-1) ((O. 5*((R-G) + (R-B)))/((R-G) ~2+(R-B)*(G-B)) ~ (O. 5))其中,a是R,G,B中的最小值;所述步骤二中对像素进行区域特征判断的方法,包括如下步骤(I)首先计算每个像素点S,在垂直方向以及两条对角线45度和135度方向上,梯度变化的平均值avg45、avg90、avgl35 ;(2)设置阈值T ;(3)对梯度变化的平均值avg45、avg90、avgl35以及阈值T进行比较,判断该像素的区域特征;所述判断规则为如果avg45〈T,同时avg90〈T,同时avgl35〈T,贝U认为该像素点所处位置是平坦区域;否则就认为该像素点所处位置为边缘区域。所述步骤(I)中梯度变化平均值的计算方法如下a.对每个像素点S,取其两条对角线45度和135度、垂直方向三个方向上下对称的5-10个邻域像素值,得到三组像素集合,即C(P45,P90, P135);b.对于一组集合Fk(Pn),其中,k=L··· 3,分别代表三个方向,η=Ρ··5 10,代表取了上下对称的η个邻域像素;那么Fk的梯度值计算如下
权利要求
1.一种结合数据融合技术的铁路线阵彩色图像修复算法,其特征在于,包括以下步骤步骤一将待修复的彩色图像进行RGB到HSI的空间变换,获得H色相、S饱和度、L照度三个分量子图;步骤二 分别针对H,S,和I分量子像的待修复区域的每一个像素,进行区域特征判断,将其分为平坦区域和边缘区域;步骤三对于平坦区域的像素点,利用插值算法,计算出该像素点的估计像素值,并用估计像素值替换该像素点的原像素值;步骤四对于边缘区域的像素点,利用插值算法结合数据融合方法,计算出该像素点的估计灰度值,并用估计灰度值替换该像素点的原灰度值,得到修复后的H,S,和I分量子图;步骤五将三个修复后的分量子像进行HSI到RGB的转换,获得最终的图像结果。
2.根据权利要求1所述的算法,其特征在于对于所述步骤三、步骤四中的插值算法, 当针对I分量子图进行运算时,所述插值算法为Cubic三次样条插值算法;当针对H,S分量子图进行运算时,所述插值算法为双线性插值法。
3.根据权利要求1所述的算法,其特征在于所述步骤一中的RGB到HSI的变换方法包括以下步骤(1)获取图像中的待修复区域参数图像中待修复区域起始位置的χ,γ轴的坐标,以及区域的长度和宽度;(2)将通过待修复区域的三个分量子图R,G,B的值,计算H、S、I值,计算公式如下1=1/3(R+G+B)S=l-(3/(R+G+B))*aH=Cos~ (-1) ((O. 5*((R-G) + (R-B)))/((R-G) ~2+ (R-B)*(G-B)) ~ (O. 5))其中,a是R,G,B中的最小值。
4.根据权利要求1所述的算法,其特征在于所述步骤二中对像素进行区域特征判断的方法,包括如下步骤(1)首先计算每个像素点s,在垂直方向以及两条对角线45度和135度方向上,梯度变化的平均值avg45、avg90、avgl35 ;(2)设置阈值T;(3)对梯度变化的平均值avg45、avg90、avgl35以及阈值T进行比较,判断该像素的区域特征;所述判断规则为如果avg45 < T,同时avg90 < T,同时avgl35 < T,则认为该像素点所处位置是平坦区域;否则就认为该像素点所处位置为边缘区域。
5.根据权利要求4所述的算法,其特征在于所述步骤(I)中梯度变化平均值的计算方法如下a.对每个像素点S,取其两条对角线45度和135度、垂直方向三个方向上下对称的 5-10个邻域像素值,得到三组像素集合,即C(P45,P90, P135);b.对于一组集合Fk(Pn),其中Λ=Ρ··3,分别代表三个方向,n= q 10,q=l 5,代表取了上下对称的η个邻域像素;那么Fk的梯度值计算如下
6.根据权利要求4所述的算法,其特征在于所述步骤(2)中阈值T为10-15,所述步骤⑶中权重w为O. 3。
7.根据权利要求1所述的算法,其特征在于所述步骤三中利用插值算法,计算该像素点的估计像素值的方法为对于像素点s,取其两条对角线45度、135度和垂直方向的上下对称的5-10个邻域像素值,计算每个方向上的梯度绝对值之和Sum(Fk) (k =1. . . 3),取 Sum(F1)、Sum(F2)、Sum(F3)中最小的一组象素集合的每一个像素值,利用插值算法算出该象素集合的中点一像素点s的估计像素值。
8.根据权利要求1所述的算法,其特征在于所述步骤四中利用插值算法结合数据融合方法,计算该像素点的估计灰度值的方法为(1)在45度、135度和垂直方向,分别取上下对称的5-10个邻域像素值,对待估计像素点s进行插值算法运算,得到待估计点s的三个方向上算出的估计值Isl、Is2、Is3 ;(2)对估计值Isl、Is2、Is3进行数据融合,得到像素点s的估计灰度值,所述数据融合的方法如下先计算出像素点s在三个方向上的梯度变化平均值Vii=l,2,3然后计算出每个方向上的权值系数Ctpa^a3:
9.根据权利要求8所述的算法,其特征在于所述步骤(2)中的可调参数δ为5-15。
10.根据权利要求1所述的算法,其特征在于所述步骤五中HSI到RGB的转换方法为 根据修复后的H,S,和I分量子图的H、S、I值进行如下计算,如果 0〈H〈=120 B=l/3(1-S)R=1/3(1+[(S cos H)/(cos(60-H))])G=1-(B+R)如果 120〈H〈=240 H=H-120 R=l/3 (1-S)G=1/3(1+[(S cos H)/(cos(60-H))])B=1-(R+G)如果 240〈H〈=360 H=H-240 G=l/3(1-S)B=1/3(1+[(S cos H)/(cos(60-H))])R=1-(G+B)得到最终图像的B、R、G值。
全文摘要
本发明提供一种结合数据融合技术的铁路线阵彩色图像修复算法,包括以下步骤将待修复的彩色图像进行RGB到HSI的空间变换;分别针对H,S,和I分量子像的待修复区域的每一个像素,进行区域特征判断,将其分为平坦区域和边缘区域;对于平坦区域的像素点,利用插值算法,计算出该像素点的估计像素值,并用估计像素值替换该像素点的原像素值;对于边缘区域的像素点,利用插值算法结合数据融合方法,计算出该像素点的估计灰度值,并用估计灰度值替换该像素点的原灰度值,得到修复后的H,S,和I分量子图;将修复后的分量子像进行HSI到RGB的转换,获得最终的图像。本发明的有益效果是能够准确的对图像进行修复。
文档编号G06T5/50GK103020943SQ20131000660
公开日2013年4月3日 申请日期2013年1月8日 优先权日2013年1月8日
发明者俞大海, 金星, 单玉堂, 王冠, 岳明, 曲洋, 李震, 杨勇 申请人:天津光电高斯通信工程技术股份有限公司