[0147] 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；
[0148] 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。
[0149] 具体的，步骤S1包括S11~S14:
[0150] S11、按照以下公式，将背光图像转换为灰度图像：
[0151] I = 0.299R+0.587G+0.114B
[0152] 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；
[0153] 本步骤对图2所示的背光图像进行灰度转换后获得的灰度图像如图3所示；
[0154] S12、参照图4,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，图4中，1表示前景区域，2表示背景区域，3表示未知区域； 提取灰度图像的粗略的前景轮廓和背景轮廓的方法可以有多样，可以是基于现有技术的提 取方法进行粗略提取，或者响应于用户输入的粗略的前景轮廓和背景轮廓来提取获得粗略 的轮廓；
[0155] 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；
[0156] 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，最后划分得到的前景区域如图5所示，背景区域如图6所示。
[0157] 本实施例中，步骤S13包括S131和S132:
[0158] 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：
[0159]
[0160] 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
表不偏导符号；
[0161] 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;本实施例中，第一预设阈值为0.95,第二预设阈值为0.05;
[0162] 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。
[0163] 步骤S131中公式的来源如下：
[0164] 在数字抠图模型中，图像中的每个像素点可由下式表示：
[0165] I=aF+(l-a)B
[0166] 其中，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，a表示该像素点的合成比例值，也称该像素点的alpha因子，取值范围为ae[0，l];
[0167] 对该表达式两边求偏导，可获得下式：
[0168]
[0169] 其中
表不偏导符号；
[0170] 假定图像中的前景色与背景色均是平滑的，则上式中的VF和VB:约等于0，上式变 形得到：
[0171]
[0172] 进而可以得到：
[0173]
[0174] 其中，div表示散度算子
，表示拉普拉斯算子。采用G-S迭代法对 该式进行求解，可以获得合成比例值α。
[0175] 最后，进行判断，如果α大于0.95,则将该像素点判定为前景区域像素点，如果α小 于0.05,则将该像素点判定为背景区域像素点。若α处于第一预设阈值和第二预设阈值之 间，即这里的0.05~0.95之间，则将该像素点判定为未知区域的像素点，将该像素点划分到 未知区域；
[0176] 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。
[0177] 本步骤中，通过求解泊松方程，将未知区域的部分像素点划分到前景区域中，另外 一部分划分到背景区域中，然后对剩余的未知区域的像素点，重复执行本步骤，直到所有未 知区域的像素点都被划分到前景区域或背景区域中。
[0178] 本实施例中，步骤S2包括S21~S25:
[0179] 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；
[0180] S22、采用Retinex算法对反射光部分进行细节提取处理；
[0181] 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；
[0182] 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；
[0183] 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。
[0184] 本实施例中，步骤S21，包括S211和S212:
[0185] 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；
[0186]
[0187]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；
[0188] 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。
[0189] 具体的，步骤S22,包括S221和S222:
[0190] 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：
[0191]
[0192] 上式中，（x，y)表示像素点的位置，Fdxj)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；
[0193] 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：
[0194]
[0195]上式中，Ri(x，y)表不第i个色彩通道的反射分量。
[0196] 具体的，步骤S23,包括S231和S232:
[0197] S231、根据下式对环境照度部分的每个像素点进行拉伸处理：
[0198] AIadjusted(x,y) = 2arctan( γ AI(x,y))/π
[0199] 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；
[0200] 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：
[0201 ] AIfinai(x,y) = CLAHE(AIadjusted(x,y))
[0202] 上式中，AIfinai(x，y)表示经过CLAHE均衡处理后的结果。
[0203] 具体的，步骤S24,其具体为：
[0204] 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：
[0205] EIi(x，y)=Ri(x，y) XAIfinai(x，y)
[0206] 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。
[0207] 具体的，步骤S25包括S251和S252:
[0208] 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：
[0209] argmaxP(F(e)+CEF(0)),s.t. | PQM(0)-1O | <0.1,0 < β < 1
[0210] 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;F(i3)、CEF(i3)和PQM(i3)满足以下公式：
[0211]
[0212] 且Q和CM的公式为：
[0213]
[0214] 其中，〇和以分别表示增强图像的标准值和均值，Q表示图像的对比度质量指标，Qb (β)表示该权重因子对应的增强后图像的对比度质量指标，QA(i3)表示该权重因子对应的增 强前图像的对比度质量指标，σ Φ和％分别表示φ和φ的标准差，μφ和μψ分别表示φ和φ的 均值，Φ =R-G，φ = (R：+G) /2-Β，其中，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，CM(I)表示图像的色彩因子，CM B(i3)表示该权重因子对应的增强后图像的色 彩因子，CMA(i3)表示该权重因子对应的增强前图像的色彩因子，分别表示模型相关参数，B (β)表示平均块，A (β)表示块之间绝对差值的均值，Z (β)表示过零率。当PQM (β)的值越接近 于10，表示图像质量越好，因此，取PQM( β)的最接近于10的值所对应的权重因子β作为最优 的权重因子；
[0215] 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。
[0216] 具体的，步骤S4,包括S41~S43:
[0217] 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;优选的，本实施例中第 一预设窗口的大小设