[發明專利]一種背景抑制的圖像處理方法

有效

• 申請號: 201810987133.0
• 申請日: 2018-08-28
• 公開（公告）號: CN109118453B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 邵珺;方波浪;張振榮;葉景峰;李國華;王晟
• 申請（專利權）人: 西北核技術研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T7/136
• 代理公司: 西安智邦專利商標代理有限公司 61211
• 代理人: 陳廣民

1.一種背景抑制的圖像處理方法，其特征在于，包括以下步驟：

1)調用空間變換模塊，通過自適應差分法對當前采樣時刻所采集的數字圖像進行OH熒光背景干擾去除；

1.1)獲取自適應差分圖像L_adaptive，計算圖像梯度向量場G；

1.1.1)對灰度圖像L進行空間變換：圖像L大小為M×N個像素點，50≤M≤1920，50≤N≤1920，采用二元函數f_L(x,y)表示灰度圖像L，0≤x≤M，0≤y≤N，將圖像L做空間變換后得到由二維函數f_L1(x,y)表示的圖像L₁，

其中：f_L(x₁,y₁)＝f_L(x+Δx,y+Δy)，x₁＝x+Δx，y₁＝y+Δy，|Δx|≤M，|Δy|≤N；

1.1.2)對圖像L₁與灰度圖像L做差分運算，獲得差分圖像L₂：將圖像L₁中所有像素點與灰度圖像L中對應的像素點相減，得到由表示的差分圖像，將差分圖像整體移動(Δx/2，Δy/2)像素，移動后的圖像

1.1.3)自適應差分圖像確定：以移動后的圖像L₂和L的像素差均方SD來判定自適應差分圖像，|Δx|≤M，|Δy|≤N，像素差均方最小值SD_min對應的差分圖像L₂為自適應差分圖像L_adaptive，即

1.1.4)計算自適應差分圖像L_adaptive的梯度：通過dL/dx＝(f_Ladaptive(x+1)-f_Ladaptive(x-1))/2計算f_Ladaptive(x,y)的梯度，獲取圖像梯度向量場G；

1.2)計算閾值T_F，分割圖像梯度向量場G，獲得圖像L_D，完成背景抑制：

1.2.1)設定一個最小閾值T_MIN和初始估計閾值T_O，用二維函數f_G(x,y)表示圖像梯度向量場G，定義像素最大值為f_GMAX，像素最小值為f_GMIN，初始閾值T_MIN＝0.001；

1.2.2)采用初始閾值T_O將圖像梯度向量場G分割為兩部分，其中灰度值T_O的部分為圖像L₃，灰度值≤T_O的部分為圖像L₄，分別計算圖像L₃和圖像L₄的平均灰度值T₃和T₄；

1.2.3)根據步驟1.2.2)得到的T₃、T₄計算閾值T_F，當|T_F-T_O|＜T_MIN，則獲得閾值T_F，否則，將T_F賦予T_O進行迭代計算，直到得到閾值T_F；

1.2.4)以T_F分割圖像梯度向量場G，當T_F≤f_G(x,y)，f_G(x,y)＝f_G(x,y)；當T_Ff_G(x,y)，f_G(x,y)＝0，得到圖像L_D，完成自適應差分法背景抑制；

2)調用空域變換模塊，通過自適應空間濾波法對當前數字圖像L_D進行背景噪聲去除；

2.1)對圖像L_D進行y方向的灰度統計：將圖像L_D表示為M×N的二維數據f_D(x,y)，背景干擾L_interfere所在區域為可表示為f_in(x,y)，y方向灰度統計結果表示為信號L_signal所在區域為可表示為f_s(x,y)，y方向灰度統計結果表示為判斷是否存在T滿足max f_in(x,y)＜T≤min f_s(x,y)；

2.2)判斷結果為是，存在滿足此判據的T，則采用閾值T進行全局窗口空間濾波；

當T≤f_D(x,y)，f_D(x,y)＝f_D(x,y)；當T＞f_D(x,y)，f_D(x,y)＝0，完成信號和干擾的分割，背景噪聲的去除，進入步驟3)；

2.3)判斷結果為否，不存在T滿足max f_in(x,y)＜T≤min f_s(x,y)，進行自適應空間濾波，逐步分區窗口濾波；

2.3.1)空間濾波：

計算找出最大值max g₁(j)所在的列h，設定為特征窗口的中心位置，選擇合適的窗口尺寸w_o(0wM/2)進行空間濾波，確定圖像處理ROI區域L_R；

2.3.2)逐步分區窗口濾波：

2.3.2.1)卷積去噪：對步驟2.3.1)中的L_R包含的所有像素點f_R(x,y)與高斯函數進行卷積，獲得去噪后圖像L_G，L_G(x,y)＝G(x,y)*f_R(x,y)；

2.3.2.2)梯度計算：計算出L_G(x,y)每一點的局部梯度幅值和梯度方向θ＝arctan(L_y/L_x)，假定一個像素p₁，將像素p₁與沿著梯度方向的像素p₂進行比較，當p₁的梯度幅值L_p1≤L_p2，p₁＝0，當L_p1L_p2，保持p₁不變，獲得梯度幅度圖像中的邊緣信息L_I；

2.3.2.3)邊緣提取：在L_I中設置歸一化后的分割閾值thresh，其中thresh包含2個元素的向量，分別是低閾值T_l和高閾值T_h，(0T_l＝0.4×T_h1)，采用canny算子提取到圖像的邊緣L_C；

2.3.2.4)對步驟2.3.2.3)中提取到圖像的邊緣L_C進行二值化變換，得到圖像L_B；

2.3.2.5)對圖像L_B執行Hough變換，得到Hough矩陣L_H，在矩陣中尋找峰值點L_P，根據L_H和L_P，在圖像L_B中提取多個直線段；

2.3.2.6)在圖像L_B中提取的任意一個線段I(I_k,l,I_k+t,l+t′)，計算找出最大值max g₂(j)所在的列r，即可獲得分區窗口中心位置設置分區窗口大小為w_p(0＜w_p＜t)，進行濾波去噪得計算得到min h(x,y)時的相對應的w_p為確定的分區窗口尺寸，分區進行濾波去噪；

2.3.2.7)重復步驟2.3.2.6)，直至完成所有直線段的分區濾波，使得在垂直方向上有突變的信號圖像逐步被劃分，逼近可檢測的直線圖像，完成自適應空間濾波背景去噪，處理后的圖像得到圖像L_S；

步驟3)調用頻域變換模塊，通過小波濾波法對當前數字圖像L_S進行背景噪聲去除。

2.根據權利要求1所述的背景抑制的圖像處理方法，其特征在于，還包括：

步驟3)具體為：3.1)選擇小波函數和小波分解層數，層數取值為正整數，運用分解算法將含噪聲的圖像L_S進行分層小波分解，得到相應的小波分解系數；

3.2)將分解的低頻系數置0，高頻系數進行軟閾值函數處理；

3.3)根據步驟3.2)中經過閾值量化處理的系數，運用重構算法對處理后的新的小波分解結構進行小波重構，獲取去噪后的圖像L_W。