【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其涉及一種基于相對全變分和拉普拉斯濾波的圖像平滑方法及裝置。
技術介紹
1、隨著近年來科學技術的蓬勃發展，工業生產制造過程中多步驟應用到圖像處理等技術，即在對產品圖像中的產品進行檢測之前，對產品圖像進行各項預處理。其中，就涉及對產品圖像的平滑處理操作。
2、經典的平滑方法大多利用范數特性或是高斯濾波來達到平滑目的，但是依然難以避免存在各項干擾，例如圖像采集過程中產生的噪聲或者產品本身所具有的紋理，這將對產品圖像中的產品的檢測過程產生干擾，進而導致檢測準確性不高的問題出現。
技術實現思路
1、本專利技術提供一種基于相對全變分和拉普拉斯濾波的圖像平滑方法及裝置，用以解決現有技術中存在的缺陷。
2、本專利技術提供一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，包括：
3、獲取待平滑圖像；
4、將所述待平滑圖像輸入至第一圖像平滑模型，并對所述第一圖像平滑模型進行求解，得到所述待平滑圖像對應的初始平滑結果；
5、將所述初始平滑結果輸入至第二圖像平滑模型，并對所述第二圖像平滑模型進行迭代求解，得到所述待平滑圖像對應的目標平滑結果；
6、其中，所述第一圖像平滑模型包括第一數據保真項和正則化項，所述第一數據保真項基于所述待平滑圖像以及所述初始平滑結果確定，所述正則化項基于加窗全變分參數以及加窗固有變分參數確定；
7、所述第二圖像平滑模型包括第二數據保真項和所述正則化項，所述第二數據保真項基
8、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，所述前一平滑結果的殘差圖像基于如下步驟確定：
9、對所述前一平滑結果進行拉普拉斯濾波，得到濾波結果；
10、將所述濾波結果與目標系數進行相乘，得到所述前一平滑結果的殘差圖像；
11、其中，所述目標系數在拉普拉斯濾波時采用的卷積核的中心點像素值大于0時取值為1，在所述中心點像素值小于等于0時取值為-1。
12、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，所述加窗全變分參數包括x方向加窗全變分參數和y方向加窗全變分參數，所述加窗固有變分參數包括x方向加窗固有變分參數和y方向加窗固有變分參數；
13、所述正則化項基于所述x方向加窗全變分參數與第一參數的第一比值以及所述y方向加窗全變分參數與第二參數的第二比值確定；
14、所述第一參數為所述x方向加窗固有變分參數與目標數值之和；
15、所述第二參數為所述y方向加窗固有變分參數與所述目標數值之和。
16、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，對于所述第一圖像平滑模型和所述第二圖像平滑模型中的任一圖像平滑模型，所述任一圖像平滑模型基于如下步驟進行求解：
17、對于所述任一圖像平滑模型中的第一比值和第二比值中的任一比值，將所述任一比值分解為非線性項和二次項；
18、將所述非線性項和所述二次項代入至所述任一圖像平滑模型，得到備選平滑模型；
19、將所述備選平滑模型轉換為矩陣形式，并對矩陣形式的備選平滑模型進行求解，得到所述任一圖像平滑模型對應的平滑結果。
20、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，所述對矩陣形式的備選平滑模型進行求解，得到所述任一圖像平滑模型對應的平滑結果，包括：
21、令矩陣形式的備選平滑模型的取值為0，得到線性模型；
22、對所述線性模型進行最小化迭代求解，得到所述任一圖像平滑模型對應的平滑結果。
23、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，所述第二圖像平滑模型基于如下公式進行表示：
24、；
25、其中，為所述當前平滑結果，p為中的第p個像素，為所述加權求和結果，為所述正則化項的權重系數，a為所述正則化項，為所述第二數據保真項；為所述前一平滑結果，為的權重系數，為的殘差圖像，表示第i次迭代。
26、本專利技術還提供一種基于相對全變分和拉普拉斯濾波的圖像平滑裝置，包括：
27、圖像獲取模塊，用于獲取待平滑圖像；
28、第一求解模塊，用于將所述待平滑圖像輸入至第一圖像平滑模型，并對所述第一圖像平滑模型進行求解，得到所述待平滑圖像對應的初始平滑結果；
29、第二求解模塊，用于將所述初始平滑結果輸入至第二圖像平滑模型，并對所述第二圖像平滑模型進行迭代求解，得到所述待平滑圖像對應的目標平滑結果；
30、其中，所述第一圖像平滑模型包括第一數據保真項和正則化項，所述第一數據保真項基于所述待平滑圖像以及所述初始平滑結果確定，所述正則化項基于加窗全變分參數以及加窗固有變分參數確定；
31、所述第二圖像平滑模型包括第二數據保真項和所述正則化項，所述第二數據保真項基于前次迭代得到的前一平滑結果與所述前一平滑結果的殘差圖像的加權求和結果，以及當前次迭代得到的當前平滑結果確定，所述前一平滑結果的殘差圖像基于對所述前一平滑結果進行拉普拉斯濾波得到。
32、根據本專利技術提供的一種基于相對全變分和拉普拉斯濾波的圖像平滑裝置，還包括殘差圖像確定模塊，用于：
33、對所述前一平滑結果進行拉普拉斯濾波，得到濾波結果；
34、將所述濾波結果與目標系數進行相乘，得到所述前一平滑結果的殘差圖像；
35、其中，所述目標系數在拉普拉斯濾波時采用的卷積核的中心點像素值大于0時取值為1，在所述中心點像素值小于等于0時取值為-1。
36、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一種所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法。
37、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法。
38、本專利技術還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現如上述任一種所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法。
39、與現有技術相比，本專利技術具有如下有益效果：
40、本專利技術提供的基于相對全變分和拉普拉斯濾波的圖像平滑方法及裝置，通過應用第一圖像平滑模型以及第二圖像平滑模型，將相對全變分模型與拉普拉斯濾波進行結合，充分利用相對全變分模型區分結構和紋理的優勢，以及通過拉普拉斯濾波不斷彌補相對全變分模型帶來的邊緣結構損失，可以極好的在保留檢測目標結構邊緣和提高背景平滑度之間達到平衡，實現了更顯著的平滑效果，提高本文檔來自技高網...
【技術保護點】
1.一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，包括：
2.根據權利要求1所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述前一平滑結果的殘差圖像基于如下步驟確定：
3.根據權利要求1所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述加窗全變分參數包括x方向加窗全變分參數和y方向加窗全變分參數，所述加窗固有變分參數包括x方向加窗固有變分參數和y方向加窗固有變分參數；
4.根據權利要求3所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，對于所述第一圖像平滑模型和所述第二圖像平滑模型中的任一圖像平滑模型，所述任一圖像平滑模型基于如下步驟進行求解：
5.根據權利要求4所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述對矩陣形式的備選平滑模型進行求解，得到所述任一圖像平滑模型對應的平滑結果，包括：
6.根據權利要求1-5中任一項所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述第二圖像平滑模型基于如下公式進行表示：
7.一種基
8.根據權利要求7所述的基于相對全變分和拉普拉斯濾波的圖像平滑裝置，其特征在于，還包括殘差圖像確定模塊，用于：
9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-6中任一項所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法。
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-6中任一項所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法。
...【技術特征摘要】
1.一種基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，包括：
2.根據權利要求1所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述前一平滑結果的殘差圖像基于如下步驟確定：
3.根據權利要求1所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述加窗全變分參數包括x方向加窗全變分參數和y方向加窗全變分參數，所述加窗固有變分參數包括x方向加窗固有變分參數和y方向加窗固有變分參數；
4.根據權利要求3所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，對于所述第一圖像平滑模型和所述第二圖像平滑模型中的任一圖像平滑模型，所述任一圖像平滑模型基于如下步驟進行求解：
5.根據權利要求4所述的基于相對全變分和拉普拉斯濾波的圖像平滑方法，其特征在于，所述對矩陣形式的備選平滑模型進行求解，得到所述任一圖像平...
【專利技術屬性】
技術研發人員：李紅云，辛文斐，陳嘉鵬，白偉鋒，林立，鄭昊文，李燕平，陳瀅，
申請(專利權)人：泉州職業技術大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。