一种基于前景背景分离的背光图像增强去噪方法
【技术领域】
[0001] 本发明涉及图像处理领域，特别是涉及一种基于前景背景分离的背光图像增强去 噪方法。
【背景技术】
[0002] 名词解释：
[0003] Retinex算法：Retinex是"Retina"（视网膜）和"Cortex"（大脑皮层）的缩写。 Retine算法是一种建立在科学实验和科学分析基础上的基于人类视觉系统的图像增强算 法，可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，对各种不同类型的图像进 行自适应性的增强；
[0004] CLAHE算法:Contrast-limited Adaptive Histogram Equalization algorithm， 限制对比度自适应直方图均衡化算法；
[0005] NLM算法:Non-Local Means algorithm，非局部平均图像去噪算法，通过对自相似 结构块做加权平均来估计参考块的中心点，从而降低噪声。
[0006]随着科技的发展，数字产品的应用越来越广泛，图像传感器作为一典型例子在各 个领域都得到了广泛应用。但是，图像传感器在采集图像时，有时候会拍摄到主体很暗但是 背景很亮的图像，本申请中将这种图像称为背光图像。当采集的图像为背光图像时，需要对 背光图像进行图像增强、去噪从而提取获得图像内容。但是，目前背光图像的处理仍然没有 成熟解决方案的难题。复杂的光线条件极大地增加了背光图像处理的难度。传统的图像增 强方法往往会造成背光图像的前景区域细节增强不明显，而背景区域过度被增强的现象， 同时，背光图像在前景区域和背景区域中，噪声大小不同，传统的单尺度图像降噪也无法很 好地对背光图像进行去噪。传统方法处理后的背光图像无法准确地对背光图像进行增强去 噪，不仅影响视觉感官，而且对以后一系列后续的图像处理工作例如图像分割、特征提取、 超分辨率重建都会造成一定的障碍。
【发明内容】
[0007] 为了解决上述的技术问题，本发明的目的是提供一种基于前景背景分离的背光图 像增强去噪方法。
[0008] 本发明解决其技术问题所采用的技术方案是：
[0009] -种基于前景背景分离的背光图像增强去噪方法，包括：
[0010] S1、采用交互式抠图算法将背光图像划分成前景区域和背景区域；
[0011] S2、采用改进型Retinex算法对前景区域中的像素点进行增强；
[0012] S3、采用CLAHE算法对背景区域的像素点进行均衡处理；
[0013] S4、采用多尺度的NLM算法对增强后的前景区域和均衡处理后的背景区域进行降 噪；
[0014] S5、将降噪后的前景区域和背景区域进行加权融合后获得增强降噪后的背光图 像。
[0015] 进一步，所述步骤SI，包括：
[0016] S11、将背光图像转换为灰度图像；
[0017] S12、提取灰度图像的粗略的前景轮廓和背景轮廓后，将灰度图像划分为前景区 域、背景区域和未知区域；
[0018] S13、针对未知区域的每个像素点，通过求解像素点梯度场的泊松方程，依次将该 像素点划分到前景区域或背景区域；
[0019] S14、根据灰度图像的前景区域和背景区域的划分结果，划分背光图像的前景区域 和背景区域。
[0020] 进一步，所述步骤S13,包括：
[0021] S131、针对未知区域的每个像素点，采用G-S迭代法对下式进行求解，获得该像素 点的合成比例值：
[0022]
[0023] 上式中，F表示该像素点的前景色，B表示该像素点的背景色，I表示该像素点的灰 度值，α表示该像素点的合成比例值，div表示散度算子
表示拉普拉斯算 子，
_不偏导符号；
[0024] S132、判断合成比例值是否大于第一预设阈值，若是，则将该像素点划分到前景区 域，否则，判断合成比例值是否小于第二预设阈值，若是，则将该像素点划分到背景区域，反 之将该像素点划分到未知区域；
[0025] S133、更新灰度图像的前景区域、背景区域和未知区域，并判断未知区域中是否存 在像素点，若是，则返回执行步骤S131，否则结束。
[0026] 进一步，所述步骤S2,包括：
[0027] S21、分别采用不同的权重因子，将前景区域分解成反射光部分和环境照度部分；
[0028] S22、采用Retinex算法对反射光部分进行细节提取处理；
[0029] S23、对环境照度部分进行拉伸处理后，采用CLAHE算法进行均衡处理；
[0030] S24、针对不同的权重因子，将其对应的处理后的反射光部分和环境照度部分进行 合成，从而获得多个增强图像；
[0031] S25、对获得的多个增强图像进行盲图像质量评估，进而获得最优的权重因子后， 将该最优的权重因子对应的增强图像作为前景区域的增强图像。
[0032] 进一步，所述步骤S21，包括：
[0033] S211、分别采用不同的权重因子，根据下式计算前景区域的每个像素点的每个色 彩通道的反射光值和环境照度值；
[0034]
[0035] 上式中，（x，y)表示像素点的位置，U(x，y)表示第i个色彩通道的像素值，RU(x，y) 表示第i个色彩通道的反射光值，AIKxj)表示第i个色彩通道的环境照度值，β表示权重因 子；
[0036] S212、根据前景区域的每个像素点的每个色彩通道的反射光值和环境照度值，将 前景区域分解成反射光部分和环境照度部分。
[0037] 进一步，所述步骤S22,包括：
[0038] S221、根据下式获得反射光部分的每个像素点的每个色彩通道的入射分量：
[0039]
[0040] 上瓦甲，U，y)衣不傢累总的怔置，Ki (X，y)表示第i个色彩通道的入射分量，Li (X， y)表示该像素点的R、G、B三个色彩通道的反射光值的最大值，GF (X，y)表示高斯函数，RLi (x，y)表示第i个色彩通道的反射光值；
[0041] S222、根据下式计算获得该像素点的每个色彩通道的反射分量：
[0042]
[0043]上式中，Ri(x，y)表不第i个色彩通道的反射分量。
[0044] 进一步，所述步骤S23,包括：
[0045] S231、根据下式对环境照度部分的每个像素点进行拉伸处理：
[0046] AIadjusted(x,y) = 2arctan( γ AI(x,y))/π
[0047] 上式中，（x，y)表示像素点的位置，AI(x，y)表示环境照度值，AIadjUsted(X，y)表示拉 伸处理后的环境照度值，γ表示控制拉伸函数形状的缩放因子；
[0048] S232、根据下式，采用CLAHE算法对拉伸处理后的环境照度部分进行均衡处理：
[0049] AIfinai(x,y) = CLAHE(AIadjusted(x,y))
[0050] 上式中，AIfinai(x，y)表示经过CLAHE均衡处理后的结果。
[0051 ] 进一步，所述步骤S25,包括：
[0052] S251、根据下式对获得的多个增强图像进行盲图像质量评估，进而获得最优的权 重因子：
[0053] argmaxp(F(P)+CEF(P)), s. t. | PQM(P)-10 | <0.1,0 < β < 1
[0054] 上式中，β表示权重因子，F(i3)表示该权重因子对应的增强图像的相对增强因子， CEF(i3)表示该权重因子对应的增强图像的相对色彩增强因子，PQM(i3)表示该权重因子对应 的增强图像的感知质量评价值；
[0055] S252、将该最优的权重因子对应的增强图像作为前景区域的增强图像。
[0056] 进一步，所述步骤S4,包括：
[0057] S41、针对背光图像的每个像素点，分别统计以该像素点为中心的第一预设窗口 中，属于前景区域的第一像素数量和属于背景区域的第二像素数量；
[0058] S42、根据第一像素数量和第二像素数量的大小关系，在第一滤波参数值和第二滤 波参数值中，选择该像素点的滤波参数值；
[0059] S43、基于每个像素点对应的滤波参数值，根据下式，采用NLM算法分别对增强后的 前景区域和均衡处理后的背景区域的每个像素点进行降噪：
[0060]
[0061]上式中，/^/)表示该像素点降噪后的像素值，Ie(j)表示第一预设窗口，h表示该像 素点对应的滤波参数，Ni、Nj表不相似窗口，a表不相似窗口的大小。
[0062] 进一步，所述步骤S5,包括：
[0063] S51、针对背光图像的每个像素点，分别统计以该像素点为中心的第二预设窗口 中，属于前景区域的像素所占的第一比例和属于背景区域的像素所占的第二比例；
[0064] S52、根据下式将降噪后的前景区域和背景区域进行加权融合后获得增强降噪后 的背光图像：
[0065]
[0066] 上式中，Ir(x，y)表示增强降噪后的背光图像，如表示第一比例，仍表示第二比例， 今表示降噪后的前景区域，及表示降噪后的背景区域。
[0067] 本发明的有益效果是：本发明的一种基于前景背景分离的背光图像增强去噪方 法，包括：采用交互式抠图算法将背光图像划分成前景区域和背景区域；采用改进型 Retinex算法对前景区域中的像素点进行增强;采用CLAHE算法对背景区域的像素点进行均 衡处理;采用多尺度的NLM算法对增强后的前景区域和均衡处理后的背景区域进行降噪;将 降噪后的前景区域和背景区域进行加权融合后获得增强降噪后的背光图像。本方法针对背 光图像的前景区域和背景区域分别采用不同的增强和去噪方法，能够对背光图像的前景区 域