（应用数学专业论文）图像增强模型及算法研究.pdf

国随型控太堂班究生院堂位论塞 摘要 图像增强技术是数字图像处理中的一项基本技术，是图像处理系统中预处理 部分的重要一环。数字图像增强的结果直接影响到图像的高级处理和解译。 本文在分析、总结现有图像增强技术的基础上，提出了两种新的图像增强算 法：一是基于人类视觉的图像增强方法，它将人类视觉特性与j s l e e 的局部统 计性图像增强方法相结合，是对局部统计性图像增强方法的改进；二是基于遗传 算法的图像增强方法，利用遗传算法的寻优特性，结合已有的图像参数模型，找 出控制图像质量的参数，采用遗传算法进行参数优化，最终达到信噪l e ( s n r ) 或 其他评价准则意义下的最优。优化的准则选取图像的s n r 或其他客观评价函数， s n r 越高，认为图像质量越好。 两种方法的共同之处在于：利用图像局部信息，克服了对每个像素采用相同 尺度变换处理带来的缺点，最终得到了良好的增强图像。 不同之处在于：前者结合人类视觉特性，对于处理后的图像主要从主观视觉 角度评价：而后者则采用在与传统方法处理结果比较的基础上，进一步比较它们 的边缘图像，在达到客观评价准则意义下最优的同时尽可能多的保持图像边缘位 置和细节信息。前者是改进，后者则有所创新。 无论从主观分析还是从客观判断来说，实验结果都表明了本文方法对于图像 的增强是有效且可行的。 关键词：图像增强，人类视觉，局部统计性，最小可视对比度，遗传算法，选择， 交叉，突变 a b s t r a c t i m a g ee n h a n c e m e n ti s o n ee s s e n t i a lt e c h n i q u eo ft h ed i g i t a li m a g ep r o c e s s i n g t e c h n i q u e s i ti sa ni m p o r t a n t l i n ki nt h ei m a g e p r o c e s s i n gs y s t e m ；m o r e o v e r , i t s r e s u l t h a sd i r e c tr e l a t i o n sw i t ht h eh i 曲一l e v e lp r o c e s sa n dr e l a t i o n sw i t hu n d e r s t a n do ft h e i m a g e t h i sp a p e rp r e s e n t st w on e wm e t h o d so f i m a g ee n h a n c e m e n tb a s e do na n a l y z e a n ds u m m a r i z em o d e la n d t e c h n i q u e si ne x i s t e n c e ：o n ei st h em e t h o db a s e d o nh u m a n v i s i o n i tc o m b i n e sh u m a nv i s i o nw i t ht h em e t h o db a s e do nl o c a ls t a t i s t i c s ；t h el o c a l s t a t i s t i c sm e t h o dh a sb e e nm a d e i m p r o v e m e n tb yt h i sw o r k t h eo t h e ri st h em e t h o d b a s e do ng e n e t i ca l g o r i t h m ( g a ) t h eg ai sas t o c h a s t i cg l o b a ls e a r c hm e t h o dt h a t m i m i c st h em e t a p h o ro fn a t u r a lb i o l o g i c a le v o l u t i o n t h e r eu s et h em o d e lp r e s e n t e d b yj sl e e ，f i n do u tt h eo p t i m i z a t i o np a r a m e t e r sb yg a ，a n de n h a n c et h ei m a g e s q u a l i t ya t t h es a m et i m e b yt h i sm e t h o d ，w ec a ng e tt h eb e s ti m a g ei nt h es e n s eo f s n ro ro t h e rs t a n d a r d t h eb o t ht w om e t h o d su s et h el o c a li n f o r m a t i o no f i m a g e ，a n do v e r c o m et h e s h o r t c o m i n g st h a tp r o c e s sa l lo f p i x e l sb y t h es a m es c a l e t h et w om e t h o d sh a v es o m ed i f f e r e n c e t h ef o r m e ri st h ec o m b i n a t i o no fh u m a n v i s i o nc h a r a c t e r sa n d i m a g e s l o c a l s t a t i s t i c s ，a n dj u d g e t h e q u a l i t y o fi m a g e s u b j e c t i v e l y b u t t h el a t t e r j u d g e t h e q u a l i t y o f i m a g e b o t h s u b j e c t i v e l y a n d o b j e c t i v e l y m o r e o v e gt h el a t t e rc o m p a r e r e s u l te d g e ，t h i sw o r ki sa ni n n o v a t i o n w h e t h e rb ys u b j e c t i v ea n a l y s i so rb yo b j e c t i v ej u d g m e n t ，t h er e s u l ts h o w st h e v a l i d i t yo f t h et w om e t h o d s k e y w o r d s ：i m a g ee n h a n c e m e n t ，h u m a nv i s i o n ，l o c a ls t a t i s t i c s ，j n c ，g a ，s e l e c t i o n ， c r o s s o v e r , m u t a t i o n i l 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示谢意 学位论文题目： 图像缝堡搓型丛篡洼丛壅 学位论文作者签名：圣函扭日期：z , , - 0 2 年，月哆日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阋：可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文 ( 保密学位论文在解密后适用本授权书) 学位论文题目： 圈錾增堡搓型区笠洼盟窒 学位论文作者签名 作者指导教师签名 日期：h r u 2 年，月，r 日 日期：翻砂年月日 国随抖撞左堂班究生隧堂位：淦室 第一章绪论 在网络发展迅速的今天，g o o g l e 可以搜索到与“i m a g e ”一词有关的内容有 五千多万条，然而，“i m a g e ”至今还没有一个精确的定义。甚至在w e b s t e r 词典 中，“图像( i m a g e ) ”被等同于“图形( p i c t u r e ) ”，被模糊的定义为“一种对绘 画或摄影的简单表示”。人类对于图像的认识和利用还停留在一个较低的层次， 对于图像处理技术甚至图像定义本身还需要更多更深入的研究。本文的内容主要 就是围绕图像处理软件系统中图像增强部分的一些基本理论和算法而展开的。 i 1 概述 数字图像处理亦称为计算机图像处理，指将图像信号转换成数字格式并利用 计算机对其进行处理的过程。这项技术最早出现于2 0 世纪5 0 年代，当时的数字 计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字 图像处理成为一门独立的学科可追溯到2 0 世纪6 0 年代初期。1 9 6 4 年，美国喷 气推进实验室( j e tp r o p u l s i o i ll a b o r a t o r y ) 利用计算机对太空船发回的月球 图像信息进行处理，收到明显的效果，不久，- - i 7 称为数字图像处理的新学科便 诞生了，而且很快便对通讯、电视传输、医学、印染工业、工业检测及科学研究 领域产生了重大影响“3 。 数字图像处理系统主要由图像采集系统、数字计算机及输出设备组成。如图 1 1 所示： 叫图像采集系统卜_ 叫计算机卜_ 叫图像输j 、世备l 图i i 图像处理系统框图 图1 i 仅仅是图像处理的硬件设备构成，图中并没有显示出软件系统，在图 像处理系统中软件系统同样是非常重要的。 在图像获耿的过程中，由于设备的不完善及光照等条件的影响，不可避免地 会产生图像降质现象。影响图像质量的几个主要因素是：1 ) 随机噪声，主要是 高斯噪声和椒盐噪声，可以是由于相机或数字化设备产生，也可以是在图像传输 第1 页 国随拱拉厶堂妊究生陆堂位论塞 过程中产生：2 ) 系统噪声，由系统产生，具有可预测性质；3 ) 畸变，主要是由 于相机与物体相对位置、光学透镜曲率等原因造成的，可以看作是真实图像的几 何变换。 图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某 些不需要的信息的处理方法”3 ，也是提高图像质量的过程。图像增强的目的是使 图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机 器分析，以便于实现对图像的更高级的处理和分析。尽管图像增强与图像恢复的 处理宗旨相同，但是这两种处理方法的判断依据完全不同。”。在图像恢复过程中 大都采用以信号模型为基础的用数学定义的质量判据，以度量经恢复处理的图像 与原图像之问的相似程度并加以改进，即图像恢复的主旨在于恢复原图像信号的 本色。与此相反，判断图像增强的好坏则采用随问题而异的主观判据。例如，把 图像经过高通滤波，虽使图像较原信号完全改变，但可以用来突出图像中的结构 细节，有时这种做法有利于视觉辨识。在这种情况下，处理后的图像是否保持原 状已是无关紧要的了。 通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图 片处理成清楚、明晰的富含大量有用信息的可使用图像，因此图像增强技术在许 多领域得到广泛应用。在图像处理系统中，图像增强技术作为预处理部分的基本 技术，是系统中十分重要的一环。迄今为止，图像增强技术已经广泛用于军事、 地质、海洋、森林、医学、遥感、微生物以及刑侦等方面“1 。 1 2 国内外研究现状 数字图像处理的发展历史不长，但已经引起了各方面人士的注意。数字图像 预处理是数字图像处理的基本内容，而图像增强是图像预处理部分的主要内容。 j 竺竺竺竺卜_ 叫翌竺竺卜- 叫竺竺竺卜_ _ 叫苎竺竺l 图12 ：圈像处理流程图 数字图像处理流程图如上所示，从一幅或是一批图像的最简单的处理，如特 征增强、去噪、平滑等基本的图像处理技术，到图像的特征分析和提取，进而产 生对图像的正确理解或者遥感图像的解译，最后的步骤可以是通过专家的视觉解 译，也可以是在图像处理系统中通过一些知识库而产生的对图像的理解。 第2 页 国防强挂太堂互荭生隧堂位i 佥塞 数字图像处理技术起源比较早，但真正发展是在八十年代后，随着计算机技 术的高速发展而迅猛发展起来。到目前为止，图像处理在图像通讯、办公自动 化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应 用越来越多。但就国内的情况而言，应用还是很不普遍，人们主要忙于从事于理 论研究，诸如探索图像压缩编码等，而对于将成熟技术转化为生产力方面认识还 远远不够”1 。 c a l i f o r n i a 大学的t o n yc h e n 教授认为，目前国际上最常用的三种图像处 理框架是：基于变换的图像处理框架：基于偏微分方程( p d e ) 的图像处理框架； 基于统计学的图像处理框架。其中基于变换的图像处理框架主要在实现图像压缩 上有优势，而基于偏微分方程( p d e ) 的图像处理框架在图像的噪声去除、边缘 提取、图像分割上有优势。事实上，除了这三种工具以外，数学形态学、神经网 络等学科在图像去噪及图像分割方面也存在特有的优势。 就图像增强技术而言，目前主要分为如下几类： 变换增强技术。 传统的变换增强技术主要是以直接狄度变换技术( 如灰度翻转、对比度扩展 以及狄度切片等) 、基于直方图的增强技术( 如直方图均衡化和直方图规定化技 术) 、图像间运算技术( 如多幅图像平均) 。这些技术对于图像增强效果比较明显， 缺点是利用整幅图像信息进行操作，没有利用图像中的局部信息，以便对受噪声 影响不同的像素做不同的处理。根据w e b e r 理论，人眼对较暗区域的噪声要比亮 区域的噪声敏感的多，由于红外图像背景普遍较暗，采用变换方法，放大的噪声 会使人较敏感地感觉到，因此增强效果不明显“1 。 目前所做的工作主要有：自适应直方图均衡化方法”1 、利用局部统计性的噪 声去除方法”3 等。较好的克服了传统变换增强技术的缺点。 滤波增强技术。 传统的空域增强技术主要是卷积理论为基础的一些低通滤波技术( 如布特沃 斯低通滤波器、指数低通滤波器等) 以及与低通滤波技术相对应的高通滤波技术。 以及空域滤波增强技术。 目前所做的工作主要是将一些热门学科与图像处理相结合，如基于神经网络 的脉冲噪声滤波技术。1 、基于纹理分析的保细节平滑技术“”等。 第3 页 国陵型挂盍堂班冠生隧堂位i 金塞 偏微分方程( p d e ) 增强技术。 可以分为各向同性和各向异性p d e 增强技术，能够较好的克服图像噪声与边 缘之间的矛盾，使图象去噪的同时保持边缘位置和图像细节，而且，各向异性 p d e 增强技术效果优于各向同性p d e 。c a l i f o r n i a 大学在这方面做了大量的工作， 特别是o s h e r 和t o n y ，他们的关于全变分( t v ) 方法和水平集方法，近几年有 很多文章发表“3 1 。 数学形态学增强技术。 主要是形态学平滑去噪技术。比较其他增强方法，数学形念学方法具有明显 的优势。如：基于数学形态学的形态滤波器可借助于先验图像的几何信息，利用 数学形念学算子可有效去除噪声，又可以保留图像中的原有信息”1 。传统形态学 平滑去噪方法的缺点是在去噪的同时去除了图像中的细小特征。有人提出了一种 新的基于数学形态学的图象去噪算法( m i c ) ”，能够比较好的克服这一缺点。 除了上述方面的工作以外，针对不同类型的图像，也研究了许多不同的增强 方法。有图像序列的增强方法”、模糊图像增强方法“、微观电视系统图像增强 方法“、遥感图像增强方法“”以及医学图像增强方法“”等。 同时，由于图像增强技术还没有统一的评价准则，主要是根据人眼的主观判 断决定，基于人类视觉的图像增强技术也成为一种研究趋向。k a m e l 等人提出了 基于人类视觉模型的图像平滑方法“，在g a b o r 滤波的基础上，结合人眼的生理 特性，使平滑后的图像比原图像有更好的视觉效果。 遗传算法是一种全局搜索的最优化算法，已经在包括数字图像处理在内的很 多领域得到广泛并且成功的运用。在图像处理中，遗传算法在图像压缩和编码”“、 图像分割“、图像重建“、特征提取。”等方面已经被广泛采用，并且获得较好的 处理结果，但是，到目前为止，国内还没有遗传算法用于图像增强的文献公开发 表。 遗传算法借鉴了生物的优胜劣汰竞争进化规则，使物种在遗传中得到进化， 实际上是一个参数寻优过程，而数字图像的增强在某种意义上也可以看作是图像 质量的优化过程。从这点上看，将遗传算法用来实现图像增强是有可能的，遗传 算法用于图像增强的关键在于寻找并确定个可以控制图像质量的参数，进一步 确定一个可以借助参数评价同时评价图像好坏的适应度函数，使得数字图像的增 第4 页 国随型拄太堂班究生隧堂位i 盆塞 强处理过程转化为参数的优化过程。 1 3 论文的主要工作 本文主要做两方面的工作：一是提出了一种基于人类视觉特性的图像增强方 法。它是在j s l e e 的局部统计性图像增强方法”1 的基础上，结合人类视觉特性 提出的，是对前人工作的改进；二是提出了基于遗传算法的图像增强技术，利用 遗传算法的寻优性能，实施于单幅图像，结合已有的图像参数模型，用信噪比 ( s n r ) 或其他客观评价函数作为适应度函数来度量参数的好坏，最终达到s n r 或其他评价准则下的最优。 两种方法的共同之处在于：利用图像局部信息，克服了对每个像素采用同样 处理带来的缺点，最终得到了良好的增强图像。 不同之处在于：前者结合人类视觉特性，对于处理后的图像主要从主观角度 评价：而后者则采用在与传统方法处理结果比较的基础上，进一步比较它们的边 缘图像，在达到客观评价准则意义下最优的同时尽可能多的保持图像边缘位置和 细节信息。前者是改进，后者则有所创新。 第5 页 国随叠越厶堂虹壅生疃望堡墅望兰：一 第二章常用图像增强技术及算法分析 本章主要讨论两个方面的内容：一是介绍两种常用的图像增强技术，目的是 在后面章节中进行实验结果的比较；二是对常用的图像增强算法进行简单介绍并 加以讨论，分析算法的优势与不足，以便在新技术的研究中保持优势，克服缺陷。 2 1 直方图均衡化图像增强技术 直方图均衡化处理是以累积分布函数变换法为基础的直方图修f 法。这个方 法的基本思想是采用累积分布函数作为变换函数，把原始图像的直方图变换为均 匀分布的形式，这样就增加了像素狄度值的动态范围从而达到增强图像整体对比 度的效果。 其增强函数需要满足两个条件： a ) 函数在0 s l 一1 范围内是一个单值单增函数； b ) 对0 j l l 有变换后的值不超出这个范围。 实际上，由于直方图是近似的概率密度函数，用离散狄度级作变换时很少能 得到完全平坦的结果，而且，变换后往往会出现狄度级减少的现象，这种现象被 称为“简并”现象。这是像素狄度有限的必然结果。由于上述原因，数字图像的 直方图均衡只能是近似的。 从实验结果可以看出，直方图均衡化处理可大大改善图像灰度的动念范围。 减少简并现象通常可采用两种方法：一种简单的方法是增加像素的比特数。 比如，通常用8 比特来代表一个像素，而现在用1 2 比特来表示一个像素，这样 就可以减少简并现象发生的机会，从而减少灰度层次的损失。另外，采用狄度| 、日j 隔放大理论的直方图修正方法也可以减少简并现象。这种灰度间隔放大可以按照 眼睛的对比度灵敏特性和成像系统的动态范围进行放大。般实现方法采用如下 几步： 1 ) 统计原始图像的直方图； 2 ) 根据给定的成像系统的最大动态范围和原始图像的灰度级来确定处理后 的狄度级间隔； 3 ) 根据求得的步长来求变换后的新灰度； 第6 页 国随型蛙厶堂班究生】显堂位论室 4 ) 用处理后的新灰度代替处理前的灰度。 2 2 中值滤波图像增强技术 中值滤波是一种最常用的图像增强技术，是非线性滤波。对于一般图像，中 值滤波可以较好地起到增强作用。特别地，对于椒盐噪声降质图像，中值滤波有 很好的去噪效果。 中值滤波是基于一个移动窗口( 类似卷积) 并计算输入图像在窗口内的像素 亮度值的中值作为输出图像窗口中心的像素值而产生的。假定窗口大小为，xm 先将毋个像素值按照从小到大的顺序排列，如果毋是奇数，那么中值就是第 ( ，牢肝1 ) 2 个像素值；否则，若毋是偶数，那么中值就是第( 毋肋2 个像素值。 应该注意的是，作为输出像素值的值必须是输入图像中确实存在的像素值，以保 证在利用整数进行计算时没有舍入误差。 ( c )( d ) 幽21 ( a ) 为原图像：( b ) 为椒盐噪声污染图像；( c ) 为中值滤波结果：( d ) 为均衡化结果。 低通滤波器在消除噪声的同时会将图像中的一些细节模糊掉。如果既要消除 噪声又要保持图像的细节可以使用中值滤波器。中值滤波器的主要功能就是让与 周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而可以消除孤 第7 页 国防抖技厶堂! | 宜垡院堂位：i 金塞 立的噪声点。由于它不是简单的取均值，所以产生的模糊比较少。中值滤波器实 际上是一类更广泛的滤波器百分比( p e r c e n t i l e ) 滤波器的一个特例。 2 3 常用算法及分析 1 直方图算法 基于图像直方图的运算实际上也是点运算。常用的有对比度扩展和直方图均 衡化算法。 对比度扩展。 对比度扩展技术就是将图像的亮度范围扩展到0 2 ”一1 。通常采用如下变换： b m ，州= ( 2 8 一1 ) 峰堕竺等掣生 ( 1 ) 瑚+，j j ：霉批 第8 页 国防抖技态堂班究生院堂僮论塞 直方图均衡化。 直方图均衡化就是利用函数b = ，倒将图像的直方图转化为一种特定的直方 图对于所有的灰度值都是常数，即图像具有等概率的亮度分布。 将输入图像的概率密度函数与输出图像的概率密度函数之间的关系定义为 函数胁脯：仇( b ) d b 诅( 口) d a j d f = 锵 ( 2 ) ( 2 ) 式意味着，俐可微且d f d a = 0 。我们希望p 。( 6 ) = 常数，所以有： f ( a ) = ( 2 。一1 ) p ( a ) ( 3 ) 优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张 了像素值的动态范围，是一种常用的图像增强算法。 不足：不能有效抑制噪声。 2 平滑算法 平滑运算主要用于减少噪声，对图像进行预处理以便于更高级的图像处理技 术的实现。 线性滤波。常见的有均匀滤波、三角形滤波、高斯滤波等。 以均匀滤波为例简单介绍算法。 输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。下 面是分别平滑窗口为矩形和圆形的情况。 u 小去 。* j ，七】：石1 ( a ) 矩形邻域 ( b ) 圆形邻域 优势：实现简单，去噪效果明显。 不足：去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丢失。 非线性滤波。常见的有中值滤波、k u w a h a r a 滤波等。 由于前面已经介绍了中值滤波图像增强技术，这里主要介绍k u w a h a r a 滤波。 这里只描述大小为j = k = 4 l + 1 的正方形窗口中算法的实现情况。其中 窗口被分为如图的四个区域，其中l = i ，j = k = 5 每个区域大小为 ( 一1 ) 2 x 第9 页 国随抖拄厶堂蝤荭垒】茳望位论塞 r r e 口m i j l r e , o r l l ，- 。- 一- 一i 一一 慰量 一一i 一 、_ - _ 一 r e g i o n4 幽23k u w a h a r a 滤波中定义的窗口的四个区域。 在四个区域中( i = 1 ，2 ，3 ，4 ) ，平均亮度分别为i f , ，方差分别为s 。2 ，四个区 域中具有最小方差的区域的像素平均值作为窗口中心像素的输出值。 优势：去噪效果明显，并且能够较好的保持图像边缘位置和细节。 不足：非线性滤波算法的实现相对线性滤波比较困难。 ( c ) 幽24 ( a ) l e n a 图像；( b ) 直方图均衡化处理结果 3 形态学算法 第l o 页 ( b 1 j ： ii。lj 1 0 02 0 b ( d ) ( c ) 是( a ) 的直方图；( d ) 是( b ) 的直方图。 蚕 憎 | | l 毫 啪 。 国随抖拉叁堂虹究生瞳堂缱论塞 形念学一般指生物学中研究动物和植物结构的一个分支。人们后来用数学形 态学( 也称图像代数) 表示以形态为基础对图像进行分析的数学工具。它的基本 思想是用具有一定形态的结构元素去量度和提取图像中的对应形态以达到对图 像分析和识别的目的。数学形态学的数学基础和所用语言是集合论。 形态学平滑。形态学平滑就是将图像先进行闭运算处理然后再进行丌运算处理的 图像平滑方法。 优势：可去除或消减亮区和暗区的各类噪声。 不足：去噪的同时容易错误地消除图像中的微小细节。 ( a )( b )( c ) 幽25 ( a ) 原图像；( b ) 中值滤波结果；( c ) k u w a h a r a 滤波结果。 4 结论 噪声是图像降质的主要因素，因此图像增强技术的研究不可避免地涉及到噪 声去除问题。就常用的几种算法而言，普遍存在的问题是噪声去除的同时往往伴 随着图像边缘位置的移动和细节的模糊甚至消失，这是大多数增强算法的不足所 在。如何在去噪的同时尽可能地保持边缘位置和图像细节，是图像增强算法需要 解决的一个重要问题，是算法可行性的考虑条件之一，也是本文两种新算法提出 的依据。 另外，通过本节的算法分析可以得出以下结论： 基于直方图的图像增强技术主要适用于受噪声影响不明显的图像，可以较好 地改善图像的视觉效果，但不能起到噪声抑制或去除的效果； 其他一些技术可以明显地抑制或去除噪声，但不能解决图像去噪与保持边缘 位置和图像微小细节之间的矛盾。 第l l 页 国陵拄垃鑫堂蛆匿生医堂僮：l 金室 第三章基于视觉模型的图像增强技术 图像增强技术在图像处理系统中，可作为预处理或事后处理部分，是系统中 十分重要的一环。传统的图像增强方法基本可分为两大类：一类是频域处理方法， 一类是空域处理方法。频域处理方法的基础是卷积定理，空域处理方法则直接对 图像中的像素进行处理。无论哪种方法，其处理的目的都是使图像的某些特性方 面更加鲜明、突出，因而更加易于识别、解译。然而，目前还没有一个客观的准 则去评价图像增强效果的好坏。 考虑到图像质量好坏还没有一个统一的判断标准，而增强后的图像要靠人眼 进行主观判定，为了使处理后的图像更易于为人类视觉系统所接受、识别并解译， 本文在j s l e e 提出的利用图像局部统计性增强方法”3 的基础上，结合人类的 视觉特性模型“，提出了一种新的图像增强方法。 3 1 人眼的基本特性 图像对比度依赖于以下几个参数：目标尺寸，背景亮度，视角( 水平视线和 光源的兴角) ，以及观察模式的空间频率。由于考虑所有因素的对比度分析是一 项很难的任务，这里只研究背景亮度对对比度概念的影响。传统的w e b e r - f e c h n e r 对比度是在均匀背景中的均匀物体条件下定义的。w e b e r 常数为0 0 2 “0 1 。 图像增强处理技术应用的主要目的是产生出适合人眼观察以及机器识别和 分析的图像，因此，理解人类视觉系统的特性及局限性十分重要。首先要意识到： 1 ) 人类视觉系统还没有被很好地认知；2 ) 用来判断对应于人眼对图像质量的主 观评价的客观评价准则不存在。然而，人们在知觉心理学方面的探索为视觉系统 的理解提供了一些重要的依据。 眼睛的基本特性有：亮度敏感性；波长敏感性；刺激强度敏感性： 空间频率敏感性；颜色敏感性；错觉。 3 2 视觉信息处理及多频率通道模型 在人的视觉心理学中，多频率通道( m u l t i f r e q u e n c yc h a n n e l ) 模型在解释 第1 2 页 国陵抖撼厶堂监究生院堂位i 佥童 低级生理过程时十分成功。将一个函数展开成几个频率通道的这种方法提供了一 个介于空间和傅立叶描述之间的表示方法“”。 黝诽弘慌 臣量 第1 3 页 国陵挝垃太堂班冠生陆堂位论塞 如图3 2 所示。加博( g a b o r ) 函数是唯一能够达到时频测不准关系下界的函数， 它能够给出信号特性在时域和频域中的最佳测量。 人类对于自身大脑视觉信息处理机制还有很多未知的东西，即使己知的内 容，由于问题本身的复杂性，除了上述初级视觉的几个方面之外，其他的方面很 难上升到严格的数学高度。对于生物视觉信息处理机制的数学描述，表明了对于 工程应用的可操作性。反过来，数学建模也是证实或证伪生物假说的重要手段。 3 3 基本算法 w e b e r f e c h n e r 首先提出了最小可视对比度( j n c ) 的概念，反映了人类视 觉的种特性，即在对比度小于最小可视对比度常数0 0 2 的情况下，目标不能 被人眼所识别。 对于一幅图像g ，g 为其第m 行n 列像素点的狄度值。选取r r 的平滑窗 口。 对比度的计算公式为：c m 。= i g m ，n i l i 。 ( 1 ) 这里k 和1 均不为0 。 对于对比度小于0 0 2 的像素点进行平滑滤波，抑制其噪声。而对于对比度 大于0 0 2 的像素点，结合图像的局部统计性进行处理。图像在某点的局部均值 是指以该点为r r 的平滑窗口中心的平滑窗口中所有像素的均值，图像在某点 的局部方差是指以该点为r x r 的平滑窗口中心的平滑窗口中像素的方差。 局部均值m 和局部方差。定义如下： 一 m + ( r - 1 ) 2h + ( r 一1 ) 2 m 。= 了l鼬 ( 2 ) k = m 一( r 一”2 ，一( r - - 1 ) 2 m + ( r - i ) ，2 n + f r 1 1 2 1 _ = 了 ( g “一m 。) 2 | 一( r n 2 i * n - ( r - i ) i 2 基于视觉模型的图像增强算法为： 对每一像素点分别求对比度，并分别与0 0 2 进行对比。 第1 4 页 ( 3 ) 一 似 ：兰： 一 州 p k = i 中其 = = = = = = = = = = = = = = 塑垄堕塑笪垒壅垦燮僮i 金室 如果其对比度大于n 0 2 贝。色一2 + 、专( 厶一一肘。) “) 如果其对比度小于0 0 2 ，则进行平滑处理。 其中，和为我们希望得到的每一个像素点的理想均值和“理想， 方差，在本节中即为由图像表达式推导出的满足估计式时平滑窗口内的像素所应 具有的均值和方差。 设厶为g 。降质后的像素，五和或表示它们的局部均值，圪。和绒。分 别为二者的局部方差。 3 4 实验结果 1 加性白噪声处理 厶，。为，。降质后的像素，则厶。= 。+ g o 。，这里。是白噪声，均值为0 方差是盯2 。 ( a ) ( c ) 图3 3 ( a ) 细胞图像；( b ) 加噪声图像； ( d ) ( c ) 文 8 】方法处理结果：( d ) 本文处理结果。 国随抖拉叁堂班荭生院堂位监塞 易推导出：瓦。- - l q m 。= 吃，。一仃2 代入( 4 ) 容易推出，季。= ( 1 - 女。硫，。+ 。l 。，这罩t 。= ( 5 ) 由 于在比较均匀的区域，绒，。很小，。趋近于0 ，故此时爵，。与色。非常接近，即 在均匀区域的图像去噪近似于对原图像进行平滑窗口内的平滑。 ( a ) ( c ) ( b ) ( d ) 图3 4 ( a ) l e n a 图像；( b ) 加噪声图像：( c ) 本文方法处理结果：( d ) 文 8 处理结果。 所谓的均匀区域，就是对比度比较“小”的区域。如果限定“小”的程度， 当对比度小于0 0 2 时，对像素点进行图像平滑，就是本文算法的思想。这说明 了二者在思想上的致性。 选择不同的平滑窗口会影响图像的处理结果。本文基于人类视觉模型，选取 7x7 的平滑窗口，既不会太大而使处理结果模糊，又足够平滑掉噪声“。 在图3 4 处理结果中，( d ) 比( c ) 图像在视觉上更接近于原图像，尤其是比较 均匀的区域。在图3 5 处理结果中，( c ) 比( d ) 更适合人类视觉。可以看出，本文 方法在处理加性噪声降质的图像时具有一定的优势。 第1 6 页 雩 ：塑墅塑錾墼耋堑垂窭生目l 堂位论塞 2 乘性噪声处理 乘性噪声是一种比较难以去除的噪声。 ( a ) ( b ) ( d ) 图3 5 ( a ) 原图像：( b ) 乘性噪声降质图像；( c ) 文 8 处理结果；( d ) 本文方法处理结果。 由乘性噪声降质的图像有一个特点：受噪声影响越大的区域，看起来越亮。 这种图像的数学表示为：l 。= g 。，。“。，这里“。是期望为瓦。，方差为盯：的 噪声。 可龇= 。= 镨飞- - 2 ， 由( 3 ) 式可推导出：营。= 瓦。+ 。( 厶，。一瓦，。爵。) ( 7 ) 这里k 。- j 等。 本实验选取噪声的均值为1 ，方差为0 0 4 。乘性噪声的选取没有特定的准则， 但般来说限定为均值在1 附近，方差在0 附近，这样的噪声能够使得实验效果 比较明显。 实验结果表明，本文方法可以明显地抑制乘性噪声，改善细胞图像的视觉效 国随矜妓太堂班究生院堂僮论毫 果。其增强结果在视觉上类似于文 8 方法的增强结果。 3 加性噪声和乘性噪声的综合处理 许多情况下，图像本身都不仅仅受某一种噪声的影响，而常常是受多种噪声 综合影响的结果。我们首先用一个数学表达式来描述被加性噪声和乘性噪声同时 降质的图像。厶。表示g 。降质后的像素灰度值。首先假定加性噪声玎。和乘性 噪声“相互独立。 ( a )( b )( c ) 图3 6 ( a ) 为综合噪声降质图像；( b ) 本文方法处理结果：( c ) 文 8 处理结果。 有厶。= g m , n “。+ 0 2 m ， 易龇k = 睨，吒烂= 糌嚷。叫 由( 3 ) 式可得：曼，。= 瓦+ 七。( 厶。一瓦。爵。一瓦。) ， ( 8 ) ( 9 ) 其中k 。2 j 鼍这助阳- 1 2 ) 分别煳性噪士蚧乘性噪声的 方差，瓦一瓦。为它们的均值。 实验所用噪声分别为，加性噪声。均值为0 ，方差为0 0 1 ，乘性噪声 均值为1 ，方差为o 0 4 。 无论是从细胞图像或者l e n a 图像的处理结果来看，本文方法都能够明显地 抑制综合噪声对图像的影响。 3 5 结论 实验选择了细胞图像作为医学图像的代表，l e n a 图像作为一般照片的代表 第1 8 页 国随科技叁堂班盔生隧堂位论塞 对l e n a 图像和细胞图像分别进行了降质，并对三种情况做了相应的处理。在实 验中，我们分别计算每一点的对比度，与最小可视对比度常数进行比较，对于大 于0 0 2 的像素点，结合图像的局部统计性进行处理，使其尽可能获得“理想的” 均值和“理想的”方差。而对于对比度小于0 0 2 的像素点，进行了平滑滤波。 ( b ) ( c )( d ) 图3 7 ( a ) 原图像；( b ) 本文方法处理结果：( c ) 噪声降质图像：( d ) 文 8 处理结果。 本文进行了多次实验，对多种噪声情况下的处理结果进行比较，并分别同传 统的直方图均衡化增强方法，对比度扩展方法。1 和局部统计性方法进行对比( 由 于前两种传统方法所得到的效果无法同本文效果相比，本文未将结果列出) ，从 分别对比的结果可以看到，基于人类视觉的增强方法可以保留细节，扩大图像的 亮度范围。在三种情况下，都能够明显的改善图像的视觉效果，是一种比较好的 图像增强方法。尤其是在图像整体较暗的情况下，比传统的基于图像局部统计特 性的增强方法有一定的优势。 本文采用常数0 0 2 作为最小可视对比度，有一定的局限性。在将来的工作 中，若采取变参数作为最小可视对比度，可望取得更好的增强效果。 第1 9 页 国随抖拄厶堂班盔生院堂位i 金塞 第四章基于遗传算法的图像增强技术 遗传算法( g e n e t i ca l g o r i t h m ) 是基于达尔文生物进化论的自然选择学说 和群体遗传学原理而建立的，是近几年发展起来的一种随机全局优化算法”。迄 今为止，遗传算法在数字图像处理方面已经有许多成功的应用，如图像压缩和编 码“、图像分割“、图像重建“”等。另外，在图像增强方面，也曾经有一些学者 将遗传规划( g p ) 用于彩色图像的增强处理。，采取专家目视解译的方法评价图 像质量，但是从结果来看并不很成功。将遗传算法应用于图像增强技术的研究， 国外已经有人进行着此方面的实验，但目前在国内还未见相关文献。 总结以前的一些有关文献可以看到，对于数字图像增强技术而言，遗传算法 有以下缺陷： 利用全局观点进行图像的增强处理，忽略了图像的局部信息，导致增强结 果不能令人满意： 需要用户的干预，不能自动完成图像增强任务。 如果将图像增强过程看作是一个图像序列的优化过程，那么图像增强的过程 实际上是一个寻优过程，这与遗传算法在思想上有明显的类似。本节就是基于这 种思想而提出的。同时，本节在视觉比较的同时，还采用客观的图像评价准则， 克服了以上的不足，实现了基于遗传算法的自动图像增强。 图像处理技术可以分为基于处理时间考虑的图像处理技术和基于处理后的 效果考虑的图像处理技术。基于遗传算法的图像自动增强是可以实现的，而且还 可以得到很好的图像评价数据，比如可以提高图像的信噪比( s n r ) 、减小平均绝 对误差( m a e ) 等。但是，由于图像的数据量很大，因此算法实现所需要时间较 长。在遗传算法的实现中，3 0 个个体的群体就是小群体( 注：遗传算法中个体 的选择一般都在3 0 以上) ，也就是说，每代都关系到至少3 0 幅图像的计算， 对于较为常见的2 5 6 x 2 5 6 图像以及5 1 2 x 5 1 2 图像而言，都需要较长的时间进行 群体的进化。如果基于时间考虑，这种方法不能称为是种好的图像处理方法； 但是若基于图像增强的结果考虑，该方法可以取得明显的图像增强效果，是种 很好的图像增强方法。 第2 0 页 国随抖拉太堂珏究生院堂位j 佥塞 4 1 遗传算法 遗传算法( o e n e t i ca l g o r i t b m ) 遗传算法是借鉴生物的自然选择和遗传进 化机制而开发出的一种全局优化自适应概率搜索算法，是模拟自然淘汰和遗传 现象的工程模型。它最早由美国密执安大学的h o l l a n d 教授提出，起源于6 0 年 代对自然和人工自适应系统的研究。”。7 0 年代d ej o n g 基于遗传算法的思想在 计算机上进行了大量的纯数值函数优化计算实验“。在一系列研究工作的基础 上，8 0 年代由g o l d b e r g 进行归纳总结，形成了遗传算法的基本框架3 。 1 遗传算法的生物学基础 生物在自然界中的生存繁衍，显示出了其对自然环境的优异的适应能力。人 类受其启发，开始致力于对生物的各种生存特性的机理的研究和行为模拟，为人 工自适应系统的设计和丌发提供了广阔的前景。遗传算法( 简称g a ) 就是这种 生物行为的计算机模拟中令人瞩目的重要成果。基于对生物遗传和进化过程的计 算机模拟，g a 使得各种人工系统具有优良的自适应能力和优化能力。g a 所借 鉴的生物学基础就是生物的遗传和进化。 人们至今还未完全揭丌遗传与进化的奥秘，既没有完全掌握其机制，也不完 全清楚染色体编码和译码过程的细节，但遗传与进化的以下几个特点却为人们所 共识”： ( 1 ) 生物的所有遗传信息都包含在其染色体中，染色体决定生物的性状。 ( 2 ) 染色体是由基因及其有规律的排列所构成的，遗传和进化过程发生在 染色体上。 ( 3 ) 生物的繁殖过程是由其基因的复制过程来完成的。 ( 4 ) 通过同源染色体之间的交叉或染色体的变异会产生新的物种，使生物 呈现新的性状。 ( 5 ) 对环境适应性好的染色体经常比适应性差的基因或染色体有更多的 机会遗传到下一代。 2 基本遗传算子 。选择( s e l e c t i o n ) ：根据个体的适应度，按照一定的规则或方法，从第t 代群 体p ( t ) 中选择出一些优良的个体遗传到下一代群体p ( t + 1 ) 中。 第2 1 页 国随抖拉厶堂硒究生院堂位i 盆塞 交叉( c r o s s o v e r ) ：将群体p ( t ) 内的各个个体随机搭配成对，对每一对个体， 以某个概率( 成为交叉概率，c r o s s o v e rr a t e ) 交换它们之间的部分染色体。 变异( m u t a t i o n ) ：对群体p ( t ) 中的每一个个体，以某一概率( 成为变异概率， m u t a t i o nr a t e ) 改变某一些或某一个基因座上的基因值为其他的等位基因。 3 标准遗传算法的主要运算过程 第一步：初始化。设置进化器t o ；设鼍最大进化代数t ；随机生成m 个 个体作为初始群体p ( 0 ) 。 第二步：个体评价。计算群体p ( t ) 中各个个体的适应度。 第三步：选择运算。将选择算子作用于群体。 第四步：交叉运算。将交叉算予作用于群体。 第五步：变异运算。将变异算子作用于群体。群体p ( t ) 经过选择、交叉、 变异运算之后得到下一代群体p ( t + 1 ) 。 第六步：终止条件判断。若t t ，则：t t + 1 ，转到第二步：若t t ，则以进 化过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。