大气湍流在时域内对图像的影响加大了从图像中提取目标的难度。目前的大多数目标提取算法都不能适用[3]，而使用当前在图像分割领域中适应性最强的类别方差自动门限法(Otsu)同样也不能取得很好的效果。这是因为受湍流影响图像的每个部分亮暗不均，不能靠全图统一的阈值来有效的提取目标，一个能够把图中相对较亮区域的目标和背景很好分割的阈值，用在图中相对较暗的区域就可能把该区域部分或者全部目标判为背景。这种严重的误判使得从图像中提取出来的目标与真实目标有较大偏差，严重的影响最终监测结果的准确性。
为了克服大气湍流的这种影响，本文借鉴文献[4]针对光照不均匀文本图像提出的局部阈值化设想以及文献[5]提出的自适应阈值确定方法，为受湍流影响图像的目标提取设计了一种新的算法。
考虑到一般用做远距离监控用途的图像都有一个经过实验确定的标准先验值，在进行目标提取时可以根据先验值把图像先分成几个区域，每个区域都含有部分目标和背景，再分别对每一个区域进行阈值分割。由于小区域内部可以近似看作亮度均匀，而每个区域的阈值都是由本区域的特征确定，因此可以保证每个区域内部的分割结果基本准确。最后把每个区域分割出来的目标拼合在一起就得到了整幅图像的分割结果。下面讨论每个区域内部的阈值确定方法。
设图像共有L个灰度级，灰度为i的像素共有ni个，图像共有N个像素，归一化直方图，灰度为i的像素数占总像素数目的比例为
用数理统计的观点来分析，如果阈值t选择得当，分割得到的两类C0和C1，应该具有最小的类内方差和最大的类间方差，把t从0～L−1，分别计算出类间方差Db，在这些Db中最大值所对应的t就是图像分割所需要的最佳阈值。 BDBD
为了验证上述算法的效果，本文以远距离拍摄四只激光器所获得的图像为样本，如图1所示，分别用Otsu法和本文设计的算法对其进行了图像分割处理，图2、3给出了处理之后的效果图。由图2可以看出，用Otsu法对受大气湍流影响后的图像进行分割效果非常不理想，难以满足图像后续处理的需要。而图3的结果说明本文设计的算法更有效的克服大气湍流对图像带来的影响，可从受大气湍流影响后的低质量图像中相当准确的提取出目标，为后续的图像处理奠定良好的基础。
图1 目标原图 图2 用Otsu法对图1二值化 图3 本文方法对图1二值化
从图像的比较可以看出用本文设计的算法来克服大气湍流在时域内对图像带来的影响是可行的，并且具有相当的应用价值。
图像在空域内受大气湍流影响的克服方法
空域的影响主要表现为由湍流引起的光束随机漂移，光束漂移会导致目标像点在图像上位置发生随机抖动。这种影响对于远距离目标形变与微小位移监测系统危害极大。因为像点的随机漂移会被误认为真实目标的移动，造成虚警现象。对于这种误差可以采取数字平均的办法来克服。
