根据影像亮度特征的补偿因子均衡模型的制作方法

本发明涉及影像亮度均衡领域，特别涉及使用系数法实现影像亮度均衡领域，应用于遥感影像亮度均衡化处理。

技术背景

随着影像处理技术的发展，亮度均衡方法已经趋于成熟和完善，其中通过系数对影像亮度差异进行处理的方法发展迅速，成为当前亮度均衡化处理的主要研究方向。当影像存在亮度差异时，在系数的作用下改变影像的原始灰度值，实现影像亮度均衡，具备操作简便，不受图幅大小与影像数量限制等优点，在遥感影像处理等领域得到广泛应用。

目前使用系数实现亮度均衡的方法，包括添加修正系数方法和传统的增加亮度系数方法。添加修正系数方法通过计算目标区域与参考区域间的灰度差值并加以处理，以加法的形式对影像原始灰度值进行处理，如：专利号为cn201510704720.0的发明公开了一种计算影像两侧对应的亮度修正系数，对影像各像素点的亮度值进行修正的方法，其缺陷在于无法保证计算精度，易造成灰度阶突变，当图幅较大时，计算量随之增大。传统的增加亮度系数方法，根据一定的参数建立特定的模型，以乘法的形式对影像原始灰度值进行处理，如：专利号为cn201710431459.0的发明公开了一种以解算特定公式，组成亮度系数，对滤波后的影像进行亮度均衡化处理的方法，其缺陷在于虽不受计算误差的影响，但是固定的模型无法满足影像多样性与自特殊性。为了满足影像的亮度特征，提高处理精度，有必要对系数法进行改进和完善。

技术实现要素：

本发明的目的是提供一种根据影像亮度特征的补偿因子均衡模型，能够有效适应影像的自特殊性，减小计算量，保证影像精度，避免产生灰度阶突变，实现影像色彩均衡最优化。

本发明的内容为：一种根据影像亮度特征的补偿因子均衡模型，包括影像亮度趋势预测模型、亮度补偿模型、补偿因子均衡模型。影像亮度趋势预测模型中，根据影像亮度特征对影像进行按行(或列)差分处理，设置阈值，提取出影像灰度变化较小的行灰度数据，将所得的行灰度数据再次进行差分，剔除灰度差别较大的数据，所剩余的灰度数据称为有效行灰度数据，计算有效行灰度数据各列的平均灰度值，实现对影像亮度变化趋势预测，得到影像亮度趋势预测模型；亮度补偿模型中，根据预测模型的灰度活动区间选择适当的期望值，将期望值与各列平均灰度值做商，得到补偿量并使用拟合方法对补偿量数据进行拟合，得到影像亮度补偿模型；补偿因子均衡模型中，根据影像的图幅宽度，在亮度补偿模型中提取相应宽度的补偿因子，得到补偿因子均衡模型，与影像原始灰度值做积，得到处理后的影像，实现亮度均衡。

本发明的有益效果是：采用一种根据影像亮度特征的补偿因子均衡模型，包括影像亮度趋势预测模型、亮度补偿模型、补偿因子均衡模型。影像亮度趋势预测模型包括对影像亮度特征的数学描述，有效预测出影像亮度变化的趋势；亮度补偿模型包括根据影像的亮度特征建立函数模型，摆脱计算精度对影像的影响与固定模型对满足影像亮度特征的束缚；补偿因子均衡模型包含添加修正系数方法对影像的适应性与传统亮度系数方法的稳定性的优点，本发明根据不同亮度特征的影像，建立补偿因子均衡模型，有效降低影像的均方根误差，缩短影像有效灰度活动区间。

附图说明

图1是本发明实施例影像亮度差异示意图。

图2是本发明流程图。

图3是本发明亮度趋势预测流程图。

图4是本发明实施例亮度预测模型示意图。

图5是本发明实施例补偿模型示意图。

图6是本发明实施例处理结果示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步说明。显然本发明所描述的实施例仅是本发明的一部分实施例，而不是全部实施例。基于本发明实施例，该领域研究人员在没有做出创造性劳动的前提下，其他所有实施例都属于本发明保护范围。

实施例：

本实施例中选取格陵兰岛区域部分影像进行均衡化处理，该影像由argon卫星拍摄所得。影像由于拍摄环境与人工机械原因，亮度极不均衡。如图1所示，影像右下角处存在明显的亮度带。

本发明所提供的亮度均衡的具体步骤可以参考流程图(图2)：

步骤1：在matlab中读取影像的灰度数据，并将灰度数据转化为double格式。

步骤2：将影像按公式δgray＝gray(mi+1,n)-gray(mi,n)逐行进行差分处理，式中m代表影像的行数，n代表影像的列数，统计所有差分后的灰度数据。

步骤3：根据实际情况设定阈值t，提取δgray＜t的行数，作为有效行灰度数据。

步骤4：结合图3建立影像亮度预测模型，首先统计有效行亮度数据中相同列上的灰度值，再次进行差分处理，剔除偏差较大的灰度数据，为保证建模精度可进行有限次重复实验；接下来根据加权均值公式计算出剩余的灰度数据，式中x代表该列的灰度加权平均值，p代表该列像素分别代表的权重，g(m)代表像素灰度大小，m代表有效行数，将各列平均灰度值数据按所处位置进行排列组成一行数列，最终得到影像亮度预测模型，如图4所示。

步骤5：根据影像亮度预测模型的灰度活动区间，设置期望值p，将期望值与影像亮度预测模型中的灰度数据做商，求出影像亮度预测模型的补偿值。

步骤6：使用拟合法将各补偿值进行拟合，得到拟合曲线f(x)，f(x)即为影像的亮度补偿模型，所得结果如图5所示。

步骤7：根据影像图幅宽度n，在亮度补偿模型的表达式f(x)中提取出相应宽度n的补偿因子个数，将补偿因子以乘法形式与影像原始灰度数据做积。若使用补偿因子对影像处理后，其效果过明或过暗，适当延长补偿因子个数，根据影像亮度特征的实际情况，截选与影像图幅宽度相同的补偿因子对影像原始灰度值进行处理。

步骤8：输出处理结果，将数据转化为所需要的类型，所得影像均衡后的结果如图6所示，由处理后的影像可以清晰的发现亮度带已经消除。

技术特征：

技术总结
本发明公开了一种根据影像亮度特征的补偿因子均衡模型，包括影像亮度趋势预测、建立亮度补偿模型、提取补偿因子。影像亮度趋势预测中，提取影像灰度变化较小的行灰度数据，计算有效行灰度数据中各列平均灰度值；建立亮度补偿模型中，设置相应的亮度期望值，与所得平均灰度数据做商，得到相应的补偿值，使用拟合方法对补偿量数据拟合得到补偿模型；提取补偿因子中，根据影像的图幅宽度，在亮度补偿模型中提取相应宽度的补偿因子，实现亮度均衡。本发明可以根据影像特征有效实现亮度均衡，降低影像均方根误差，缩短影像有效灰度活动区间，降低影像辐射差峰值。

技术研发人员：周国清;刘小帆;黄煜
受保护的技术使用者：桂林理工大学
技术研发日：2018.12.18
技术公布日：2019.04.23