[发明专利]一种基于梯度辨识的点目标和暗斑图像背景均衡方法

说明书

本发明公开了一种基于梯度辨识的点目标和暗斑图像背景均衡方法，针对现有图像背景均衡方法对含点目标和暗斑图像均衡不彻底、背景估计易受目标和暗斑影响的问题，根据图像的梯度幅值，将图像分割为弱起伏区域和强起伏区域，进而完成背景估计和图像均衡。其有益效果在于：可克服点目标拉高和暗斑拉低其邻域背景的问题，达到更好的背景均衡效果，提升点目标的信噪比，并能同时对目标和暗斑进行辨识。

技术领域

本发明属于图像处理领域，具体涉及一种图像背景均衡方法。

背景技术

许多情况需要对图像进行背景均衡处理，即将整幅图像调整为一个近似的平面，并且平面灰度为0左右。比如，天空中有飞行物体的图像，为了将飞行物体提取出来，天空本身的起伏就必须要进行均衡处理，从而利于飞行物体的进一步分割。

目前，人们提出了许多背景均衡方法，比如：二维移动窗口平均平滑滤波法，即用各像素周围像素的均值来估计背景；高通滤波法，即将图像通过一个高通滤波器，去除其低频成分，从而得到均衡图像；二维中值滤波法，即用各像素周围像素的中值来估计背景；曲面拟合法，即用多项式或高斯曲面拟合整幅图像作为背景；小波分解法，即将图像进行小波分解，将其低频部分作为背景，等等。

然而，上述方法都存在一定的缺陷，尤其是对含点目标和暗斑的图像而言，可能因为点目标和暗斑的影响，使背景均衡不够精确和彻底。比如前两种滤波方法，虽然可以均衡起伏背景，且整体均衡效果较好，但都可能在均衡后的点目标周围形成一个暗环或在暗斑周围形成一个亮环，从而影响后续提取；二维中值滤波法虽然可以克服暗环和亮环问题，但必须采用很大的移动窗口，导致计算量爆炸式增长，难以实时应用；曲面拟合法虽然不会造成暗环和亮环，但也有可能因点目标影响拉高附近背景的灰度或因暗斑影响拉低附近背景的灰度，造成其邻域均衡不彻底，并且无法适应较复杂的起伏背景；小波分解法虽然能更好的应对复杂起伏背景，但对点目标和暗斑也有同样的问题，并且算法复杂，计算量大，不便于实际应用，等等。另外，上述方法在背景均衡时不能区分点目标和暗斑，不利于后续进一步的处理。因此，亟待一种能在背景均衡同时对目标和暗斑进行辨识的图像背景均衡方法。

发明内容

本发明要解决的技术问题：针对现有图像背景均衡方法对含点目标和暗斑图像均衡不彻底、背景估计易受目标和暗斑影响的问题，提供一种基于梯度辨识的点目标和暗斑图像背景均衡方法，可以用较小的计算代价达到更好的背景均衡效果，并能同时对目标和暗斑进行辨识。

本发明的技术方案为：一种基于梯度辨识的点目标和暗斑图像背景均衡方法，首先根据图像的梯度幅值，将图像分割为弱起伏区域和强起伏区域，并提供一种自动最优分割方法；再用弱起伏区域对强起伏区域进行预测填充，进而完成背景估计和图像均衡；最后用均衡图像和强起伏区域，对目标或暗斑进行辨识。具体实现步骤如下：

步骤(1)、计算原始图像的梯度幅值；

步骤(2)、利将原始图像的梯度幅值进行阈值分割，计算弱起伏区域二值图和强起伏区域二值图；

步骤(3)、用弱起伏区域像素对强起伏区域进行预测填充，得到一幅弱起伏图像；

步骤(4)、对弱起伏图像进行平滑滤波，得到估计背景图像，再用原始图像减去估计背景图像，得到均衡图像；

步骤(5)、若有需要，则用均衡图像和强起伏区域二值图，计算目标二值图或暗斑二值图。

本发明与现有技术相比的有益效果在于：

利用本发明方法，可以在对图像进行背景均衡处理时，克服点目标拉高和暗斑拉低其邻域背景的问题，达到更好的背景均衡效果，提升点目标的信噪比，并能同时对目标和暗斑进行辨识，进而提取目标和屏蔽暗斑。

附图说明

图1是本发明方法的流程图；

图2是实施例中的原始图像；