实现细节增强，同时保护背景区域不被过度增强，避免了传统方法处理背光图像的缺陷。 此外，本发明针对增强后的背光图像中前景背景区域噪声水平不同，采用多尺度的NLM算法 处理，可以实现对图像良好的去噪，去噪准确度高。
【附图说明】
[0068] 下面结合附图和实施例对本发明作进一步说明。
[0069] 图1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的流程图；
[0070] 图2是本发明的一具体实施例中所进行处理的背光图像；
[0071] 图3是本发明的一具体实施例中对背光图像转换获得的灰度图像；
[0072] 图4是本发明的一具体实施例中对灰度图像进行粗略划分的结果示意图；
[0073]图5是本发明的一具体实施例中对图2所示的背光图像进行划分后所获得的前景 区域；
[0074]图6是本发明的一具体实施例中对图2所示的背光图像进行划分后所获得的背景 区域；
[0075]图7是本发明的一具体实施例中对图2的背光图像进行增强去噪后获得的结果。
【具体实施方式】
[0076]参照图1，本发明提供了一种基于前景背景分离的背光图像增强去噪方法，包括： [0077] 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；
[0078] S2、采用改进型Retinex算法对前景区域中的像素点进行增强；
[0079] S3、采用CLAHE算法对背景区域的像素点进行均衡处理；
[0080] 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；
[0081] 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。
[0082] 进一步作为优选的实施方式，所述步骤S1，包括：
[0083] S11、将背光图像转换为灰度图像；
[0084] 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；
[0085] 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；
[0086] 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。
[0087] 进一步作为优选的实施方式，所述步骤SI 1，其具体为：
[0088] 按照以下公式，将背光图像转换为灰度图像：
[0089] I = 0.299R+0.587G+0.114B
[0090] 上式中，I表示转换后的灰度图像的像素点的灰度值，R、G、B分别表示背光图像的 对应像素点的R、G、B三个通道的像素值。
[0091] 进一步作为优选的实施方式，所述步骤S13,包括：
[0092] 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：
[0093]
[0094] 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
I不偏导符号；
[0095] 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；
[0096] 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。
[0097] 进一步作为优选的实施方式，所述步骤S2,包括：
[0098] 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；
[0099] S22、采用Retinex算法对反射光部分进行细节提取处理；
[0100] 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；
[0101] 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；
[0102] 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。
[0103] 进一步作为优选的实施方式，所述步骤S21，包括：
[0104] 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；
[0105]
[0106] 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；
[0107] 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。
[0108] 进一步作为优选的实施方式，所述步骤S22,包括：
[0109] 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：
[0110]
[0111] 上式中，（X，y)表示像素点的位置，Fd^y)表示第i个色彩通道的入射分量，Ldx， 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；
[0112] 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：
[0113]
[0114] 上式中，Ri(x，y)表不第i个色彩通道的反射分量。
[0115] 进一步作为优选的实施方式，所述步骤S23,包括：
[0116] S231、根据下式对环境照度部分的每个像素点进行拉伸处理：
[0117] AIadjusted(x,y) = 2arctan( γ AI(x,y))/π
[0118] 上式中，（x，y)表示像素点的位置，AI(x，y)表示环境照度值，AI响usted(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；
[0119] 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：
[0120] AIfinai(x,y) = CLAHE(AIadjusted(x,y))
[0121] 上式中，AIfinai(x，y)表示经过CLAHE均衡处理后的结果。
[0122] 进一步作为优选的实施方式，所述步骤S24，其具体为：
[0123] 针对不同的权重因子，按照下式，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：
[0124] EIi(x，y)=Ri(x，y) XAIfinai(x，y)
[0125] 上式中，（x，y)表示像素点的位置，EMX，y)表示增强图像的第i个色彩通道的像 素值，RKxj)表示第i个色彩通道的反射分量，AI final(x，y)表示经过CLAHE均衡处理后的结 果。
[0126] 进一步作为优选的实施方式，所述步骤S25，包括：
[0127] 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：
[0128] argmaxP(F(e)+CEF(0)),s.t. | PQM(0)-1O | <0.1,0 < β < 1
[0129] 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；
[0130] 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。
[0131 ]进一步作为优选的实施方式，所述步骤S4，包括：
[0132] 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；
[0133] 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；
[0134] 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 前景区域和询衡朴理后的背景冈域的毎个像素点进行降噪：
[0135]
[0136] 上式中，/(⑴表示该像素点降噪后的像素值，Uj)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。
[0137] 进一步作为优选的实施方式，所述步骤S5,包括：
[0138] 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；
[0139] 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：
[0140]
[0141] 上式中，Ir(x，y)表示增强降噪后的背光图像，？1表示第一比例，？2表示第二比例， 表示降噪后的前景区域，4表示降噪后的背景区域。、
[0142] 以下结合具体实施例对本发明做详细说明。
[0143] 参照图1，一种基于前景背景分离的背光图像增强去噪方法，包括：
[0144] 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；
[0145] S2、采用改进型Retinex算法对前景区域中的像素点进行增强；
[0146] S3、采用CLAHE算法对背景区域的像素点进行均衡处理；