[发明专利]一种基于高斯混合模型的图像增强算法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于高斯混合模型的图像增强算法。

背景技术

图像信息越来越多的被人们用来识别和判断事物，解决实际的问题。但由于天气亮度、曝光条件等因素，导致图像亮度较暗甚至模糊，往往不能满足应用的需求，这会严重影响到对目标的识别。这一类图像一般呈现出灰度级比较集中，图像的对比度低的特性，因此，提高图像的对比度对图像进行后期处理是非常重要的。直方图修正技术因为其简单易实现而受到关注。其中，直方图均衡在提高图像对比度方面得到广泛应用，但目前基于直方图均衡的增强算法容易出现亮度饱和，细节丢失或者放大噪声的现象。

发明内容

为了提高图像的清晰度，本发明提供了一种图像增强技术，可以有效地提高图像的对比度，同时能保持图像细节并防止灰度级的过度拉伸。

本发明解决技术问题所采取的技术方案如下：

一种基于高斯混合模型的图像增强算法包括：

第一步、将彩色图像的亮度分量统计成直方图，对直方图进行混合高斯建模；

假设X为输入图像，数据为直方图数据h(x)＝{h(x₁),h(x₂),...,h(x_N)}，其灰度级的概率分布为p(x)，则图像的直方图利用GMM构建出M个高斯聚类线性混合的形式，即

p(x)=Σn=1MP(wn)p(x|wn)---(1)]]>

式(1)中，p(x|w_n)是第n个聚类的概率密度函数，P(w_n)是第n个聚类的加权系数；

第二步、利用改进的EM算法对直方图进行高斯混合模型估计，找到似然函数期望最大化的参数，同时自适应确定最佳的聚类数量；

上述改进的EM算法如下：

1)E步，由数据X和当前估计计算似然估计的期望值，由式(2)通过条件期望p(x|w_n)求出p(w_n|x)，再由式(3)得到最终的期望函数：