1.一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,包括如下步骤:
输入图像步骤,检测输入图像的格式,将彩色RGB格式的图像转换为YUV格式,然后提取YUV格式图像中Y通道的图像得到提取图像;
图像变换步骤,对所述提取图像进行变换,得到变换后的图像;
图像经验模式分解步骤,对所述变换后的图像进行基于经验模式的分解,得到一系列表征图像局部频率和尺度特性的本质模式函数以及一个余量函数,即其中,s[m,n]代表变换后的图像,Hk(m,n)代表k个本质模式函数组成的经验模集合,D代表分解出的余量函数;
选择特定分量步骤,选择余量函数以及经验模集合中k>2的本质模式函数进行光照不均匀程度的检测;
平滑光照图像步骤;以及
反射图像变换步骤,对所述平滑光照图像步骤得到的图像进行反射图像变换,得到最终的校正图像。
2.根据权利要求1所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述图像变换步骤中所述对提取图像进行变换指的是依据视网膜大脑皮层算法,将提取图像分解成反射部分和亮度部分,即S=R×L,其中S代表提取的Y通道图像,R代表反射部分,L代表亮度部分,
然后将S、R、L分别转换到对数域,即计算s=logS,r=logR,l=logL,其中s代表对数域的提取图像,r代表对数域的反射部分,l代表对数域的亮度部分。
3.根据权利要求1所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述图像经验模式分解步骤中所述基于经验模式的分解包括如下子步骤:
将对数域的提取图像按行进行经验模式分解;
采用与所述将对数域的提取图像按行进行经验模式分解中相同的分解方法,对对数域的提取图像按列进行经验模式分解;以及
将对数域的提取图像行和列的分解结果进行集成,得到最终二维的本质模式函数以及一个余量函数。
4.根据权利要求3所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述将对数域的提取图像按行进行经验模式分解包括如下步骤:
在大小为M×N的对数域的提取图像s中取每一行sk[n]作为一维的输入信号,设分解出的本质模式函数用hi[n]表示,余量函数用di[n]表示,初始化i=0,j=0,k=1;
进行筛选直至候选特征信号满足本质模式函数的两个条件,并计算di=di-1-hi[n];
重复上一步骤,并设i=i+1,直至满足下列条件后停止,
其中a1和a2是给定的参数;
重复上述3个步骤,分解其余各行。
5.根据权利要求4所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述筛选过程如下:
找出所述sk[n]中所有的局部极大值点Pmax和局部极小值点Pmin,使用双线性插值的方法根据局部极大值点Pmax产生上包络线信号emax[n],使用同样的插值方法根据局部极小值点Pmin产生下包络线信号emin[n];
计算平均趋势信号
计算候选特征信号以及
设置j=j+1,重复上述3个步骤,直到所得到的候选特征信号满足本质模式函数的两个条件。
6.根据权利要求1所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述选择特定分量步骤中所述检测光照不均匀程度的操作具体如下:
计算判断准则IR,依据如下公式:
其中,σ是图像分量Hk的方差,λ是它的均值,θ1为阈值;
如果满足所述公式,则判断为存在光照不均匀。
7.根据权利要求6所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述阈值为0.15。
8.根据权利要求1所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述平滑光照图像步骤的具体做法是:
对提取存在光照不均匀的本质模式函数以及余量函数进行平滑处理,对整幅图像使用模板大小为N×N的均值滤波器进行平滑处理;以及
使用平滑后的本质模式函数替换掉平滑前的本质模式函数,然后将所有的本质模式函数及余量函数相加得到对数域的校正图像。
9.根据权利要求1所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述反射图像变换步骤中所述的反射图像变换是将对数域的校正图像变换为非对数域的校正图像。
10.根据权利要求9所述的一种基于经验模式分解的大幅面图像不均匀光照校正方法,其特征在于,所述反射图像变换还包括对于彩色图像,将其从YUV域变换到RGB域。