[发明专利]一种基于可扩展分段直方图自适应均衡化方法

说明书

技术领域

本发明涉及一种基于可扩展分段直方图自适应均衡化方法。 

背景技术

直方图均衡化(histogram equalization，HE)由于原理简单，计算速度快等特点在交通监控，医学图像处理等领域得到广泛的应用。HE通过将高动态范围灰度级分布到均匀分布来增加提高相邻灰度级的差异，进而实现对比度增强。然而，如果直方图中有多个峰值时，会产生过度增强、欠增强以及不自然的光晕现象；为避免上述问题，自适应局部直方图均衡化(adaptive local histogram equalization，ALHE)、对比度受限自适应直方图均衡(contrast-limited adaptive histogram equalization，CLAHE)等方法首先将图像分割成多个小窗口，分别在小窗口中进行直方图均衡化；但由于缺乏全局信息，这些方法经常过度或棋盘格现象。而直方图修订框架方法(histogram modification framework，HMF)将图像对比度增强看成一个由直方图均匀重分布、原始直方图保持与直方图平滑组合的优化问题，从而实现图像对比度可调节增强；二维直方图均衡化(two-dimensional histogram equalization，2DHE)同步考虑每个像素以及邻域像素的灰度级分布来构建二维直方图，进而将二维直方图进行均匀重分布来实现图像对比度增强；AMHE则直接修改原始图像的直方图，并采用直方图规定化方法实现图像增强；然而，这些方法都是针对整个直方图进行处理，过度增强、欠增强很难避免，而且在图像平坦区域，会产生光晕现象。为此，研究学者提出了许多改进方法，如亮度保持直方均衡(BBHE)、相同区域子图直方图均衡化(DSIHE)，最小的平均亮度误差双直方图均衡(MMBEBHE)、递归均值分隔直方图均衡化(RMSHE)以及亮度保持动态模糊直方图均衡化(BPDFHE)等等。此外，高斯混合模型被引入拟合灰度分布，然后用混合模型间的交叉点来分隔原始直方图，并分别进行直方图均衡化。这些多直方图均衡化方法能够有效的保持亮度，但当用于暗图像增强时，则会导致欠增强；此外，由于多个子直方图均采用相同的均衡化策略，当图像明暗反差较大时，这些方法很容易导致过度增强。 

发明内容

本发明提供了一种基于可扩展分段直方图自适应均衡化方法，其目的在于解决现有方法在增强暗图像过程中，极易导致图像暗区域欠增强，而亮区域出现过度增强或严重的退化现象等问题。 

一种基于可扩展分段自适应直方图均衡化方法，包括以下步骤： 

步骤1：采用可扩展直方图分段方法对输入的原直方图进行扩展；