[发明专利]基于局部奇异性量化分析的灰度图像增强方法

说明书

本发明公开了一种基于局部奇异性量化分析的灰度图像增强方法，包括如下步骤：检测原始图像中的局部极值点；联合SIFT特征向量和局部灰度共生矩阵来量化表示各局部极值点的局部纹理和灰度特性；量化计算各局部极值点与其邻域内其他局部极值点间的特征距离；将特征距离进行加权叠加，得到各局部极值点的局部奇异性指标；将所得各局部极值点的局部奇异性指标进行归一化，利用归一化的局部奇异性指标进行所述原始图像范围内的曲面拟合，得到原始图像中各像素点的归一化局部奇异性指标；得到原始图像中各像素点的归一化局部奇异性指标；将各点像素值乘以对应的归一化局部奇异性指标，然后将所得图像的灰度范围线性调整至图像的最大灰度动态范围，完成原始图像的灰度增强。

技术领域

本发明提供一种基于局部奇异性量化分析的灰度图像增强方法，该方法可作为目标检测等技术领域中的预处理方法。涉及专利分类号G06计算；推算；计数G06T一般的图像数据处理或产生G06T5/00图像的增强或复原，如从位像到位像地建立一个类似的图形。

背景技术

在基于红外海面图像的目标检测中，图像增强技术往往被用作一种预处理手段来强调原始灰度图像的全局或局部特性，以扩大不同物体间的特征差别，增强前景像素和背景像素间的可分离度，从而为后续的目标检测提供特征更为清晰的灰度图像，以便得到更低的检测漏警率。因此，研究具有良好增强效果的灰度图像增强方法具有极其重要的理论意义和应用价值。

目前，常用的灰度图像增强方法包括频域滤波法(如低通滤波、高通滤波等)和空域变换法(如线性/非线性灰度校正、直方图均衡化、直方图规范化等)两大类。然而，在某些特殊应用场合中(如强海浪背景下的海面弱小目标检测)，以上灰度图像增强方法难以取得良好的图像增强效果，主要因为存在以下两个缺陷：

1.特征依据单一。常规图像增强方法往往仅依靠单一特征对原始灰度图像进行特性分析(如频域滤波法仅考虑原始图像灰度信息变化得快慢，而空域变换法仅考虑原始图像灰度信息的强弱)，因而缺少对图像特性的综合分析，无法在全面衡量各像素点特征的基础上，给出处理方案。如当图像中存在明显的亮度不均匀现象时，常规图像增强方法难以同时实现对亮区域和暗区域内前景像素的增强。

2.缺少对局部特性的分析。常规图像增强方法缺少对像素点局部特性的衡量，仅从图像全局角度来衡量不同像素点的特性，并依此判断该像素点应被增强还是抑制。该分析方法容易造成弱前景像素的丢失，如在检测复杂背景下的弱小目标时，从全局来看，弱小目标往往不具有明显的灰度或纹理信息，因此，常规图像增强方法会将弱小目标当作背景信息而将其抑制。

上述问题的存在，导致现有灰度图像增强方法难以在复杂环境背景下实现对不同强弱的前景像素的有效增强，导致后续的目标检测算法难以得到较低的检测漏警率。

发明内容

本发明提供一种基于局部奇异性量化分析的灰度图像增强方法，包括如下步骤：

—检测原始图像中的局部极值点，记录局部极值点在图像中的位置；

—联合SIFT特征向量和局部灰度共生矩阵来量化表示各局部极值点的局部纹理和灰度特性；

—量化计算各局部极值点与其邻域内其他局部极值点间的特征距离；将各局部极值点与其邻域内其他局部极值点间的特征距离进行加权叠加，得到各局部极值点的局部奇异性指标；

—将所得各局部极值点的局部奇异性指标进行归一化，利用归一化的局部奇异性指标进行所述原始图像范围内的曲面拟合，得到原始图像中各像素点的归一化局部奇异性指标；

—将所得各局部极值点的局部奇异性指标进行归一化，然后利用归一化的局部奇异性指标进行曲面拟合，拟合范围为原始图像的尺寸，得到原始图像中各像素点的归一化局部奇异性指标；

—将原始图像中各点像素值乘以对应的归一化局部奇异性指标，然后将所得图像的灰度范围线性调整至图像的最大灰度动态范围，完成原始图像的灰度增强。