（计算机应用技术专业论文）煤矿视频监控图像增强方法的研究.pdf

ad i s s e r t a t i o nf o rt h ed e g r e eo fm e n g t h er e s e a r c ho f c o a lm i n ev e d i o m o n i t o r i n gi m a g e e n h a n c e m e n tm e t h o d s 。i c a n d i d a t e ：l ix i n f e n g s u p e r v i s o r ：p r o f w a n gg u o q u a n s p e c i a l i t y ：c o m p u t e ra p p l i e dt e c h n o l o g y h e i l o n g i i a n gi n s t i t u t eo fs c i e n c e a n d t e c h n o l o g y h a r b i n ，p r c h i n a ，15 0 0 2 7 j u n e2 0 1 0 i p 、 黑龙江科技学院学位论文独创性声明 本人声明所呈交的学位论文是我个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或撰写过的研究成果，也不包含为获得黑龙江科技学 院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了谢意。 研究生签名日期： 黑龙江科技学院学位论文使用授权声明 黑龙江科技学院、中国科学技术信息研究所、国家图书馆有权保留本人 所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段 保存论文。本人电子文档的内容和纸质论文的内容相致。除在保密期内的 保密论文外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或 部分内容。论文的公布( 包括刊登) 授权黑龙江科技学院研究生学院办理。 研究生签导师签名 璐￥ 明骖 牲朝 罩朝 yj 刍 阜鹬 氟鲷 啦霉 国瞠 辑骈 剧鲷 动固 抖 翠肇、鸳羽鞑戥业噼瓣弓形辫国群骊朝妨蒈邓圈孵士牲雾旌否号孵嘭孺 正业审融罂蝣封翠鲁身现固z 啤骣必第墨明翼掰采、雾币镍i # 坦业骈茸 勘蚤重上新髯中币弓享朝卫渐翠殇当珥珊酶碘丑新。殇当珥珊酶碘上蒜摹 蜂搬新骠雾￥晏举鏊甘殇当群靳专摹采苇以新智髯朝半辑杀性嬖到 葺q = o 骅军千 茸砚甜丢千班到嘉珊性i ； 群萧 。k j ； 白 l - 黑龙江科技学院硕士学何论文 a bs t r a c t w i t ht h e d e v e l o p m e n t o fs c i e n c ea n dt e c h n o l o g y , c o a lm i n e s a f e t y m o n i t o r i n gs y s t e mi si m p r o v i n gd a i l ya n dm o s to ft h ec o a lm i n e sa lee q u i p p e d w i t hv i d e om o n i t o r i n gs y s t e m s v i d e om o n i t o r i n gs y s t e mh a sp l a y e da ni m p o r t a n t r o l ei nc o a lm i n ep r o d u c t i o ns a f e t y h o w e v e r , t h ef i n a lm o n i t o r i n gi m a g ea l e u s u a l l yb l u r r e da n di nl o wc o n t r a s ta n db r i g h t n e s sb e c a u s eo ft o om u c hc o a ld u s t a n dp o o rl i g h ti nu n d e r g r o u n dm i n e ，s i m u l t a n e o u s l yt h ei m a g es i g n a li n t e r f e r e d i n e v i t a b l yi nt h et r a n s m i s s i o np r o c e d u r e t h i sp a p e rp r o p o s e sa ne f f e c t i v em e t h o d o fi m a g ee n h a n c e m e n tf o rc o a lm i n em o n i t o r i n gi m a g e f i r s t ，t h ep a p e rm a k e st h ec o m p r e h e n s i v ee l a b o r a t i o nt ot h ec o m m o ni m a g e e n h a n c e m e n tm e t h o d s ，t h ew a v e l e ta n dt h ea r t i f i c i a ln e u r a ln e t w o r k st h e o r y , w h i c hp r o v i d e st h et h e o r e t i c a lb a s i sf o rt h e t o p i c r e s e a r c h t h ec o m m o n e n h a n c e m e n tm e t h o d sa l es u m m a r i z e df r o ms p a t i a ld o m a i nt of r e q u e n c yd o m a i n t h i sp a p e rm a i n l yi n t r o d u c e st h ec o m m o n l yu s e dw a v e l e t sa n dt h ei m a g ew a v e l e t d e c o m p o s i t i o n i nt h ew a v e l e tt r a n s f o r m a t i o np a r t t h e no nt h eb a s i so f i n t r o d u c i n gt h ea r t i f i c i a l n e u r a ln e t w o r k se l e m e n t a r yk n o w l e d g e ，t h i s p a p e r e l a b o r a t e se m p h a t i c a l l yt h eb pn e u r a ln e t w o r kb a s i cp r i n c i p l e t h e n ，t h i sp a p e rp r o p o s e sa ni m a g ee n h a n c e m e n tm e t h o db a s e do nt h e a d a p t i v em e d i a nf i l t e ra n dt h ew a v e l e tt r a n s f o r m a t i o n ，w h i c hu n i f i e st h e i rm e r i t s f u l l ya n de f f e c t i v e l ye n h a n c e s c o a lm i n em o n i t o r i n gi m a g e t h eb pn e u r a l n e t w o r ki sa p p l i e di nt h es e e k i n go fe n h a n c e m e n tc o e f f i c i e n t s ，w h i c he f f e c t i v e l y s h o r t e nt h es e e k i n gt i m e f i n a l l y , t h ep a p e r c a r r i e so nt h es i m u l a t i o ne x p e r i m e n tu s i n gt h e m a t l a b 7 0s o f t w a r e b yq u a l i t a t i v ea n dq u a n t i t a t i v ec o n t r a s tt ot h et r a d i t i o n a l m e t h o d s ，t h es u g g e s t e dm e t h o df i l t e r st h em o n i t o r i n gi m a g en o i s ee f f e c t i v e l y , e n h a n c e st h ei m a g ec o n t r a s tg r a d i e n ta n db r i g h t n e s sa n da c h i e v e sg o o dv i s u a l e f f e c t t h e p r o c e s s e dr e s u l tm e e t s t h em o d e mc o a lm i n es a f e t yp r o d u c t i o n m o n i t o r i n gs y s t e mr e q u e s t k e y w o r d s ： c o a lm i n em o n i t o r i n gi m a g e ；i m a g ee n h a n c e m e n t ；a d a p t i v e m e d i a nf i l t e r ：w a v e l e tt r a n s f o r m ：b pn e u r a ln e t w o r k h r k 黑龙江科技学院硕士学位论文 目录 摘要i a b s t r a c t 】：i 产 第1 章绪论1 1 1 引言1 1 2 选题的背景、意义及研究现状2 1 2 1 选题背景2 1 2 2 研究目的及意义2 1 2 3 研究现状3 1 3 论文的主要研究内容与思路6 1 4 本文的章节安排，7 ，7 第2 章图像增强技术研究8 2 1 数字图像处理简介8 2 1 1 数字图像处理发展概况8 2 1 2 数字图像处理的特点9 2 1 3 数字图像处理常用基本概念9 2 1 4 数字图像处理的评价标准1 0 2 2 空域增强1 1 2 2 1 点运算增强1 1 2 2 2 空域滤波增强1 5 2 3 频域增强1 7 2 3 1 频域低通滤波1 8 2 3 2 频域高通滤波1 9 2 3 3 频域同态滤波2 0 2 4 本章小结2 1 第3 章小波及人工神经网络基本理论2 2 黑龙江科技学院硕士学位论文 3 1 小波理论的发展和应用2 2 3 1 1 小波理论的发展2 2 3 1 2 小波理论的应用2 3 3 2 小波变换及常用小波系2 3 3 2 1 小波及小波变换2 3 3 2 2 连续小波变换与正交小波2 4 3 2 3 常用小波函数2 5 3 3 数字图像的小波分解2 7 3 4 人工神经网络基础2 8 3 4 1 人工神经网络的发展：2 8 3 4 2 人工神经网络的应用3 2 3 4 3 人工神经网络的特点及分类3 2 3 4 4 人工神经网络的基本结构3 3 3 5b p 神经网络3 6 3 5 1b p 神经网络结构3 6 3 5 2b p 算法原理3 7 3 5 3 使用b p 算法需注意的问题4 l 3 6 本章小结4 1 第4 章基于自适应中值滤波和小波变换的图像增强方法4 2 4 1 基于自适应中值滤波和小波变换的图像增强方法流程图4 2 4 2 自适应中值滤波去噪算法4 3 4 3 基于小波变换的图像增强方法4 4 4 3 1 图像的小波变换4 4 4 3 2 小波系数的处理4 5 4 3 3 小波反变换4 5 4 3 4 显示增强后图像4 5 4 4 图像去噪增强的客观衡量指标4 6 4 5 增强系数的获取方法4 7 4 5 1 穷举法4 7 黑龙江科技学院硕十学位论文 4 5 2 基于b p 神经网络的增强系数获取方法4 7 4 6 本章小结4 9 第5 章仿真实验5 0 5 1 自适应中值滤波增强5 0 5 2 小波变换增强5 4 5 2 1 小波函数的选取5 4 5 2 2 增强系数a 、b 的选取5 8 5 3 实验结果分析5 9 5 4 本章小结6 0 第6 章总结和展望6 1 致谢6 2 参考文献6 3 作者简介( 包括攻读硕士期间发表的论文) 6 8 v 黑龙江科技学院硕士学位论文 1 1 引言 第1 章绪论 图像是对客观对象的一种相似性的、生动性的描述或写真，或者说，图 像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主 要的信息源。据统计，一个人获取的信息大约7 5 来自视觉。俗话说的“百 闻不如一见”、“一目了然”，都反映了图像在信息传递中的独特作用。 随着电子计算机技术的进步，数字图像处理近年来得到了飞速发展，己 经成功地应用于几乎所有与成像有关的领域。所谓数字图像处理，就是利用 计算机技术或其他数字技术，对图像信息进行某些数学运算和各种加工处理， 以改善图像的视觉效果和提高图像实用性的技术。 数字图像处理包括很多内容，比如图像变换，图像编码压缩，图像增强 和目标提取，图像分割，图像描述，图像识别等。 图像增强是图像处理中最具有吸引力的领域之一。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，是提高图像质量的过程。其主要目的是使处理后的图像对某种特定 的应用比原始图像更适合，处理的结果使图像更适合于人的视觉特性或机器 的识别系统拉1 。 目前图像增强处理的应用十分广泛，已经渗透到医学诊断、航空航天、 军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。如对x 射线图片、 c t 影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细 节区域中发现问题：对不同时间拍摄的同一地区的遥感图片进行增强处理， 侦查是否有敌人军事调动或军事装备及建筑出现：在煤矿视频监控系统中采 用增强处理来提高视频监控图像的清晰度，消除图像信号在采集和传输过程 中因不可避免地受到多种干扰而产生的噪声，克服因光线不足、灰尘等原因 带来的图像模糊、对比度及亮度低等不足，减少监控系统的维护工作量。图 像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自于不断 稳定涌现的新的应用。我们可以预料，在未来社会中图像增强技术将同益发 挥更为重要的作用。 黑龙江科技学院硕士学位论文 1 2 选题的背景、意义及研究现状 1 2 1 选题背景 随着煤炭科学技术的发展，煤矿生产安全监控系统日臻完善，视频监控 系统在各大煤矿得到了广泛的应用。自上世纪八十年代以来，随着现代光纤 通信技术的不断发展，国内外己普遍采用光纤通信技术构成光纤工业电视系 统。国内一些科研单位相继开展了煤矿井下光纤工业电视系统的研究与应用， 例如中国矿业大学和常州自动化研究所为代表研制的煤矿井下光纤工业电视 系统，已经在我国煤炭行业得到了广泛应用。据调查口1 ，潞安矿务局、兖州 矿务局、平顶山矿务局、淮北矿务局、大屯煤电公司等均采用了中国矿业大 学研制的光纤工业电视监控系统。工业电视监控系统的应用对促进我国煤炭 行业的快速发展发挥了重要作用。 在煤矿井下，生产环境比较恶劣，配备工业电视监控系统，监控人员可 以直接对井下情况进行实时监控，不仅能直观的监视和记录井下工作现场的 安全生产情况，而且能及时发现事故隐患，做到防患于未然，同时也能为事 后分析事故提供相关的第一手图像资料。因此煤矿视频监控系统是现代煤矿 安全生产监控系统的重要组成部分。 工业电视是应用电视中的一种，它是以改善劳动条件，保障人身及设备 安全，实现远程操作及生产过程自动化为目的的监控系统。它的应用使得管 理人员能够在调度室、生产人员在操作室或控制室对生产全过程进行调度和 操作。 由于煤炭行业井下环境较为恶劣，光照差，亮度低，而且井下粉尘较多， 使得摄像机的镜头常常覆盖一层粉尘。另外，工业电视图像信号在传输过程 中不可避免地会受到多种干扰，加上工业电视图像进入调度室后又不做任何 图像增强处理，直接在电视机上显示，因此最终的监控图像画面通常因含噪 声而模糊不清，图像对比度、亮度低而导致视觉效果差。 本文正是在这一背景下选题，从图像增强理论入手，针对煤矿视频监控 图像的特点展开研究，提出了一种能有效增强煤矿监控图像的方法。 1 2 2 研究目的及意义 煤矿监控图像增强方法的研究将有效提高监控图像的质量，使操作人员 2 a 产、 黑龙江科技学院硕士学位论文 能更准确地了解井下的安全及生产情况，从而更好地为煤矿的快速发展保驾 护航。 具体来讲，该课题的研究为以下应用提供了技术支持n 1 ： ( 1 ) 安全方面：通过在井口、等候室、主井车厂或皮带机口等位置安装视 频监控，对矿工的入井、工作情况进行监控，有效预防少数矿工的违规违章 操作( 如乘坐皮带运输机等) ，最大限度地保证煤矿生产工作人员的人身安全。 同时也可通过监控图像清晰观察井下环境的变化，有效预防塌方等意外事故 的发生，减少损失。 ( 2 ) 煤矿生产方面：通过图像处理的方法分析判断煤块的大小，以提高煤 矿生产的经济效益；利用图像处理和模式识别的方法，对大块煤矸石作出形 状分析判断，以迅速、有效地分出矸石，统计生产状况。 目前，国内外选煤工业对于粒度为8 0 m m 以上的块煤与矸石组成的混合原 煤块的传统分选方法有两种畸1 ：一种是人工手选方法，这需要大量人力，且 生产效率难以提高；另一种方法是先将原煤块进行破碎，然后进行洗选，但 这需要大量机器设备，消耗能源，而且容易造成环境污染，同时破碎过程会 使一部分沫精煤得不到回收。随着选煤工业自动化技术和经济效益要求的不 断提高，迫切需要一种智能机械手，正确有效地对皮带上的块煤和矸石进行 分选。在手选过程中，工人判断来料是煤块或矸石的主要依据是二者图像特 征的不同。故可利用一个计算机视觉系统，结合煤矿工业电视监控系统，对 块煤和矸石图像进行各种处理，利用模式识别技术，判断其所属类别。这同 样需要利用图像增强技术增强监控图像的质量，从而便于计算机的特征提取 和模式识别。 当今，视频监控系统己广泛应用于我们生产生活的方方面面，在这些应 用中，许多时候我们得到的监控图像和煤矿监控图像有相似特点，如大雾下 的道路监控图像、光照不足、高粉尘的建筑施工现场、工厂车间的监控图像 以及低照度的水下监控图像等。因此，对煤矿监控图像的研究也必将对这些 领域监控图像的增强处理有较强的借鉴意义。 1 2 3 研究现状 计算机图像处理的发展历史不长，但已经引起了人们的重视。为了适应 各种用途，图像增强需要采取各种技术手段综合处理，而且针对不同的用途， 处理手段也大相径庭。图像增强不考虑图像质量下降的原因，只将图像中感 黑龙江科技学院硕士学位论文 兴趣的特征有选择的突出，而衰减不需要的特征。由于还没有关于图像质量 的统一标准，所以图像增强理论目前尚无统一的权威性定义，关于各种增强 方法的评价只能根据它在实际应用中的效果来进行判断。 图像增强是图像处理的重要组成部分，传统的图像增强方法在改善图像 质量方面发挥了重要作用。随着对图像增强技术研究的不断深入，新的图像 增强方法也不断涌现。目前图像增强方法主要分为如下几类3 ： ( 1 ) 传统的图像增强方法 传统的图像增强处理方法基本可以分为空域图像增强和频域图像增强两 大类。空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰 度值进行运算处理，如灰度变换、直方图均衡化、图像的空域平滑和锐化处 理、伪彩色处理等。频域图像增强是对图像经傅立叶变换后的频谱成分进行 操作，然后逆傅立叶变换获得所需结果，如低通滤波技术盯3 、高通滤波器技 术喁1 、带通和带阻滤波、同态滤波等。为了适应图像的局部特性，基于局部 变换的图像增强方法应运而生，如局部直方图均衡化峥1 、对比度受限自适应 直方图均衡化n0 | 、利用局部统计特性的噪声去除方法n 等。 ( 2 ) 模糊增强方法 近年来不少学者致力于把模糊集理论引入图像处理和识别技术的研究领 域。由于图像本身的复杂性，多灰度分布所带来的不确定性和不精确( 即模糊 性) ，使得用模糊集合理论进行图像处理成为可能。自p a l 和k i n g 率先将模 糊集合理论n 纠应用到图像增强处理上，模糊增强技术受到了人们的高度重视。 c h e n e t a l ( 1 9 9 5 ) 把模糊集引入到经典的直方图修正中，提出了一种自动直方 图修正方法；a c t i o n ( 1 9 9 8 ) 基于模糊非线性回归给出了一种图像增强方法， 并且用于遥感图像的去噪和边缘增强；h a n e t a l ( 2 0 0 2 ) 推广了通常意义上的彩 色直方图，提出了模糊彩色直方图的概念，并且已经成功用于彩色图像的检 索；r u s s o ( 2 0 0 2 ) u 3 1 充分利用模糊集理论解决不确定性问题的优势，较好地解 决了受到冲击噪声干扰的彩色图像的边缘检测问题；另外，模糊集方法和神 经网络、遗传算法等结合用于图像增强的方法也正在研究之中。 ( 3 ) 基于多尺度分析的图像增强方法 多尺度分析又称为多分辨率分析，它是由m a l l a t 于1 9 8 9 年首先提出的。 以小波变换为代表的多尺度分析方法，被认为是分析工具及方法上的重大突 破。小波分析在时域或频域上都具有良好的局部特性，而且由于对高频信号 采取逐步精细的时域或空域步长，从而可以聚焦到分析对象的任意细节。目 前基于多尺度分析的图像处理技术已取得了许多研究成果，如s a t a t r e t a l 4 黑龙江科技学院硕士学位论文 提出了一种非线性的多尺度增强方法，杨煊提出了一种基于方向信息的多尺 度边缘检测和图像去噪的方法。有学者提出的c u r v e l e t n 钔变换也受到了极大 的关注。 ( 4 ) 数学形念学增强方法 数学形态学n 引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 形状，以达到对图像分析和识别的目的。它的数学基础是集合论，最基本的 形态学算子有腐蚀、膨胀、开和闭。数学形态学增强技术主要是形态学平滑 去噪技术，相对图像丌启然后再闭合，是一种对图像进行平滑的方法。这两 种操作的综合效果是去除或减弱亮区和暗区的各类噪声。基于数学形态学的 形态学滤波器可借助先验图像的几何信息，利用数学形态学算子有效地去除 噪声，同时又可以有效地保留图像中的原有信息。 ( 5 ) 人工神经网络增强方法u 6 馆1 随着科学技术的发展，传统的图像处理方法已无法满足同益增长的应用 需要。于是人们开始探索各种新的更有效的方法。在此过程中，将人工神经 网络应用于图像处理便脱颖而出。最初，人工神经网络只是作为模式识别分 类器和聚类技术在图像处理领域中得到应用。近年来，模糊集理论、进化计 算、人工神经网络以及它们相互结合的方法在图像处理领域得到了更为广泛 的应用。随着研究的进一步深入，人工神经网络的优势得到了更为充分的认 识，这使它在图像处理的各个领域都得到了广泛的应用，应用于图像增强的 研究正是其中重要的一部分。 另外由于没有图像增强的通用标准，增强效果的判断主要还是依据人眼 的主观感知和经验知识，因此结合人类的视觉特性模型，基于人类视觉的图 像增强技术也已成为一种研究趋向，并已取得了许多成果。如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n 钊，其在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。 目前由于还没有一种通用、公认的衡量图像质量的指标来评价图像增强 方法的优劣，图像增强理论也有待进一步地完善，因此，图像增强技术的探 索具有试验性和多样性。各种图像增强方法往往具有其各自的局限性，对某 类图像效果较好的增强方法未必一定适用于另一类图像。例如，某种增强方 法可能对x 射线图像具有很好的增强效果，但它却不是增强从空间探测器传 回的火星图像的最好方法。 在实际应用中，要找到一种有效的图像增强方法往往需要进行大量的实 验，在无法确定图像是怎样被降低质量时，要预测某种具体方法的效用是很 黑龙江科技学院硕十学位论文 困难的。要取得对一幅图像较好的改善效果，有时需要综合运用多种增强方 法，发挥各种方法的特长。这就要求我们了解各种图像增强方法的优势及不 足，从而在应用中依据图像结构的特点和图像处理的要求，选用相应的增强 方法组合。 目前各方专家学者分别针对不同领域、不同类型的图像研究了许多不同 的增强方法。这些方法主要有图像序列的增强方法啪1 、模糊图像增强方法乜、 微观电视系统图像增强方法瞳引、遥感图像增强方法瞳3 j ，以及医学图像增强方 法3 等。 然而根据文献检索表明，国内外针对煤矿视频监控图像增强的研究还很 少，所以将现有的各种图像增强技术结合煤矿视频监控系统图像的特点进行 研究还有很大的空间，也很有必要。 1 3 论文的主要研究内容与思路 本研究课题主要是在学习、研究、总结图像增强理论以及比较现有各种 增强方法的优缺点的基础上，结合对煤矿视频监控图像的特点分析，提出了 一种基于自适应中值滤波和小波变换的煤矿视频监控图像的增强方法，并通 过仿真实验验证了其效果。 本论文主要做了如下几方面的工作： ( 1 ) 对图像增强理论进行了研究学习，尤其对现有的有代表性的图像增 强方法的优缺点及其各自应用领域进行了总结； ( 2 ) 对煤矿视频监控图像的特点进行了分析，针对图像含噪声、对比度 及亮度低的特点，提出了一种基于自适应中值滤波和小波变换的煤矿视频监 控图像的增强方法； ( 3 ) 在增强图像对比度及亮度中，对增强系数的选取，引入了b p 神经 网络进行学习选择，得到最优值。这既克服了对参数选择的盲目性，又比常 用的穷举算法大大缩短了寻找时间。 ( 4 ) 通过仿真实验对本文方法与传统的方法进行了对比，验证了该方法 的优越性。 6 r 。h ， 黑龙江科技学院硕十学位论文 1 4 本文的章节安排 全文共分为六章，具体安排如下： 第一章绪论，介绍了本文研究课题的选题背景、目的意义以及图像增强 的研究现状，同时对本文所做工作及本文章节安排做了简要介绍。 第二章图像增强技术概述，在介绍数字图像处理基础知识的基础上，重 点从空域和频域概述了常用的图像增强方法。 第三章小波及神经网络基本理论，对小波变换及人工神经网络( 重点是 b p 网络) 的知识做了系统介绍，为第四章本文方法的提出奠定了基础。 第四章基于自适应中值滤波和小波变换的煤矿监控图像增强方法，是本 文的重点，详细阐述了方法的思想及步骤。 第五章仿真实验，对本文方法运用m a t l a b 7 0 软件进行了仿真实验，并 与传统方法做了对比，验证了其优越性。 第六章总结与展望，对全文进行总结，并对本课题下一步的研究工作做 了展望。 7 黑龙江科技学院硕十学位论文 第2 章图像增强技术研究 2 1 数字图像处理简介 2 1 1 数字图像处理发展概况 数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 是将图像信号转换成数字信号并 利用计算机进行处理的操作。它起源于2 0 世纪2 0 年代，目前己广泛应用于 科学研究、工农业生产、生物医学工程、航空航天、军事、工业检测、机器 人视觉、公安司法、军事制导、文化艺术等领域，已成为- - i j 引人注目、前 景远大的新型学科，对社会发展发挥着越来越重要的作用。数字图像处理作 为- i - j 学科形成于2 0 世纪6 0 年代初期，早期图像处理的目的是改善图像的 质量，满足人的视觉需求。首次获得实际应用成功的是美国喷气推进实验室 ( j p l ) 【2 5 1 ，其对航天探测器“徘徊者7 号”在1 9 6 4 年发回的几千张月球照片 使用了图像处理技术，并考虑了太阳位置对月球环境的影响，由计算机成功 地绘制出了月球表面地图。随后又对探测飞船发回的近十万张照片进行了更 为复杂的图像处理，从而获得了月球的地形图、彩色图及全景镶嵌图，为人 类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。 数字图像处理取得的另一个巨大成就是在医学上获得的成果。1 9 7 2 年英 国e m i 公司工程师h o u s f i e l d 发明了用于头颅诊断的x 射线计算机断层摄影 装置，即c t ( c o m p u t e rt o m o g r a p h ) 。1 9 7 5 年e m i 公司又成功研制出了全身 用的c t 装置，获得了人体各个部位鲜明清晰的断层图像。1 9 7 9 年这项无损 伤诊断技术获得了诺贝尔奖，这充分肯定了它对人类发展所作出的贡献【2 6 。 从7 0 年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速 发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机 系统解释图像，实现类似人类视觉系统来理解外部世界。很多国家，特别是 发达国家投入了更多的人力、物力到这项研究，取得了不少重要的研究成果。 其中具有代表性的成果是7 0 年代末m i t 的m a r r 提出的视觉计算理论【z ，这 个理论成为计算机视觉领域其后多年的主导思想。图像理解虽然在理论方法 研究上取得了不小的进展，但它本身毕竟是一个比较难的研究领域，加之人 类对自身的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探 8 黑龙江科技学院硕十学位论文 索的领域。当前图像处理面临的主要任务是研究新的处理方法，构造新的处 理系统，开拓更为广阔的应用领域。 2 i 2 数字图像处理的特点 1 由于数字图像处理的信息多为二维信息，信息量较大，因此对计算机 的计算速度、存储容量等有较高要求。 2 数字图像处理占用的频带较宽。与语音信息处理相比，占用的频带要 大几个数量级，所以在成像、传输、存储、处理、显示等环节的实现上，技 术难度较大，成本较高。 3 数字图像中各个像素是非独立的，具有较强的相关性。因此，图像处 理中信息压缩的潜力很大。 4 由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物 的全部几何信息的能力。因此，要分析和理解三维景物必须做合适的假定或 附加新的测量，在理解三维景物时需要知识导引。 5 处理后的图像易受人为因素影响。由于人的视觉系统很复杂，受环境 条件、视觉性能、人的情绪爱好以及知识状况等影响很大，图像质量的评价 还有待于进一步深入地研究，同时计算机视觉是模仿人的视觉，人的感知机 理必然影响着计算机视觉的研究。 2 1 3 数字图像处理常用基本概念 1 像素 图像被与其大小完全相等的网格分割成大小相同的小方格( g r i d ) ，每一 个方格称为像素或像元。像素是构成图像的最小单位，每个像素具有独立的 属性。一个像素最少有两个属性，即像素的位置和灰度值。位置由像素所在 的行列坐标决定，通常用坐标对( x ，y ) 表示，像素的灰度值可以理解为图像上 对应点的亮度值。 2 边缘 图像中两个具有不同灰度值的相邻区域之间存在的像素点集称为边缘。 直观上说，边缘是指图像中灰度值发生突变的区域。 3 图像细节 图像中灰度值产生突变的点、线和边缘总称为图像细节。直观上说，图 像细节指的是图像中不平滑的地方。 9 广 黑龙江科技学院硕十学位论文 4 灰度图像 在计算机中，按照颜色和灰度的多少可以将图像分为二值图形、狄度图 像、索引图像和真彩色r g b 图像四种基本类型。考虑到本文只采用了灰度图 像进行增强处理，这里仅介绍灰度图像。灰度图像矩阵元素的取值范围通常 为 0 ，2 5 5 ，因此其数据类型一般为8 位无符号整数( u i n t 8 ) ，这就是人们经 常提到的2 5 6 灰度图像。“0 表示纯黑色，“2 5 5 表示纯白色，中i 、日j 的数字 从d , n 大表示由黑到白的过渡色。在一些地方，灰度图像也可以用双精度数 据类型( d o u b l e ) 表示，像素的值域为 0 ，1 ，0 代表黑色，1 代表白色，o 到1 之间的小数表示不同的灰度等级。 5 模板卷积 模板卷积是图像在空域滤波时常用的一个概念。空域滤波是在图像空间 通过邻域操作完成的，实际中实现的方式基本都是利用模板心踟( 也有称样板和 窗口) 进行卷积( 系数数值随功能变化) 来进行。模板运算的基本思路是将赋予 某个像素的值作为它本身灰度值和其相邻像素灰度值的函数。模板可看作一 幅尺寸为n x n ( n 一般为奇数，远小于常见图像尺寸) 的小图像。最常用的尺 寸为3 x 3 ，有些时候也使用更大的，如5 5 ，7 7 的模板。 模板卷积在空域实现的主要步骤为： 将模板在图中漫游，并将模板中心与图中某个像素位置重合； 将模板上的各个系数与模板下各对应像素的灰度值相乘； 将所有乘积相加( 为保持灰度范围，常将结果再除以模板的系数个数) ； 将上述运算结果( 模板的响应输出) 赋给图中对应模板中心位置上的像 素。 2 i 4 数字图像处理的评价标准 图像质量的含义通常包括两个方面，一是图像的逼真度，二是图像的可 懂度。所谓图像的逼真度是描述被评图像与标准图像的偏离程度，而图像的 可懂度则表示图像向人或机器提供信息的能力。图像质量评价的主体是人， 因此人眼视觉特性( h v s ，如多通道结构、掩盖效应、对比度敏感度和视觉 非线性定律等) 对评价算法的研究具有重要意义。但是，对人眼视觉特性的研 究涉及生理、心理等诸多方面，迄今对其仍没有充分理解，特别是对视觉的 心理特性还难以找出定量的描述方法，所以目前还缺乏一套全面的、统一的 图像质量评价体系。但图像处理后通常需要一个标准来对其进行评价，现在 1 0 ， 黑龙江科技学院硕+ 学位论文 常用的评估标准主要有两类：客观标准和主观标准。 1 客观标准 客观评估标准能从某一方面实现对图像质量近似定量的评价，不过它仍 然没有完全消除主观不确定性的影响，其定量计算公式中的参数往往要以专 家经验确定。目前常用的标准主要有峰值信噪比、平滑指数、均方误差等。 2 主观标准 尽管客观标准能够简单方便地评估出图像的质量，但图像终究还是给入 看的，在这种情况下，用主观的方法来测量图像的质量最为合适。一种常用 方法是选择一组评价者，让他们对待评图像直接打分，将这些主观分数平均 起来得到一个统计的评价结果。表2 1 给出了对图像质量进行绝对评价的尺 度。 表2 1 图像质量主观评价标准 t a b l e 2 1t h es u b j e c t i v ee v a i u a t i o nc r i t e r i o no fi m a g eq u a l i t y 这两种图像质量评价标准都有各自的特点。由于人眼视觉特性的准确性 无法通过定量的方式来描述，因此主观的方法不能做定量描述，而且它还受 到人为因素的影响，但是它能反映人眼的视觉特性；客观的方法能从某一方 面对图像质量进行定量描述，但它却无法反映人眼的真实感觉。所以通常为 了更好地说明问题，我们更多地综合运用两种标准对处理后图像进行评价。 2 2 空域增强 2 2 1 点运算增强 2 2 1 1 灰度变换 灰度变换方法是图像增强的重要手段，它使图像的灰度动态范围加大， 黑龙江科技学院硕士学位论文 使图像的对比度扩展， 可简单表示为： g = 丁( 厂) 图像更加清晰，特征更加明显。灰度变换的基本思想 ( 2 2 ) g = 丁( 厂) = 辫( f - f 1 ) + g l ，3 、 、， ( 2 2 ) 式中，g 和f 分别为变换后和变换前的灰度值，t 代表某种映射关 系。图像变换前灰度g 的实际范围为 f 1 ，f 2 ，变换后灰度的要求范围为 9 1 ，9 2 。利用( 2 3 ) 式可将灰度比例拉伸或压缩，使之满足 9 1 ，9 2 的整个范 围，从而达到增强对比度的效果。 灰度变换处理的关键在于设计一个合适的映射函数( 曲线) 。映射函数的 设计有两类方法，一类是根据图像特点和处理工作需求，人为设计映射函数， 试探其处理效果；另一类设计方法是从改变图像整体的灰度分布出发，设计 一种映射函数，使变换后图像灰度直方图达到或接近预定的形状。映射变换 的类型取决于所需增强特性的选择。 常用的灰度变换有如下几种：线性变换，分段线性变换和非线性变换。 线性变换如图所示： 2 5 5 b - ， 黑龙江科技学院硕十学位论文 了四种典型的分段线性变换函数，其中( a ) 用于两端裁剪而中间扩展；( b ) 用于显现图像的轮廓线，把不同的灰度范围变换成相同的灰度范围输出；( c ) 用于图像的反转并裁剪高亮区部分；( d ) 用于图像的二值化。 f g o f ( a ) 两端裁剪( b ) 锯齿形变换 ( c ) 反转变换 ( d ) 裁剪变换 图2 - 2 分段线性变换 f i g 2 2s e g m e n t a ll i n e a rt r a n s f o r m a t i o n 非线性灰度变换对于要进行扩展的亮度值范围是有选择的，扩展的程度 是随亮度值的变化而连续变化的。常见的非线性灰度变换方法有三种： ( 1 ) 指数变换。输出图像g ( x ，y ) 与输入图像f ( x ，y ) 的灰度转换关系为指 数形式，即： g ( x ，y ) = 桫圳或g ( x ，y ) = e x p f ( x ，y ) 】 ( 2 5 ) 式中，b 为底。该变换用于压缩输入图像中低灰度区的对比度，而扩展高灰 度区。 ( 2 ) 对数变换。输出图像g ( x ，y ) 与输入图像f ( x ，y ) 的灰度关系为对数形 式，即： g ( x ，y ) = l g f ( x ，j ，) ( 2 6 ) 当希望对图像的低亮度区有较大的扩展而对高亮度区压缩时，可采用此 种变换。 ( 3 ) 指数、对数组合变换，输出图像g ( x ，y ) 的0 一m 灰度区与输入图像 f ( x ，y ) 的0 一n 灰度区之间的灰度关系为指数形式，而其余区域之间的灰度关 系为对数形式，即： ，、fe x p f ( x ，j ，) 】0 f ( x ，y ) 胛 g x ，y 2t l n 厂( x ，y ) 】刀厂( x ，y ) 2 5 5 ( 2 7 ) 该变换用于压缩输入图像中高、低灰度区两端的对比度，而扩展中间灰 度区。 黑龙江科技学院硕十学位论文 2 2 1 2 直方图均衡化 直方图是多种空间域数字图像处理技术的基础，直方图操作能够有效地 对图像进行增强。直方图拉伸和直方图均衡化是两种最常见的间接对比度增 强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而扩大前景和 背景灰度的差别，以达到增强对比度的目的。直方图均衡化则通过使用累积 函数对灰度值进行调整以实现对比度的增强。 灰度级范围为 0 ，l - 1 的数字图像的直方图是离散函数h ( r k ) = n 。，这里r k 是第k 级灰度，1 3 。是图像中灰度级为r 。的像素个数。p ( r 。) = n 。n 给出了灰度 级为r k 发生的概率估计。 从图形上来说，直方图是一个二维图，横坐标表示图像中各个像素点的 灰度级，纵坐标为各个灰度级上图像像素点出现的次数或概率。 在信息论中，“熵”可以用作某事件不确定度的量度。信息量越大，体系 结构越规则，功能越完善，熵就越小。整幅图像的熵公式为： 工一l h = - z e l o g p i t = o ( 2 8 ) 可以证明，当p o = p 。= p ：= = p l _ 。= i l 时，也就是具有均衡分布的图像具有 最大的信息量。将原始直方图变换成具有近似均衡分布直方图的过程就称为 直方图均衡化。直方图均衡化的算法为： ( 1 ) 求原始直方图h ( x ) 。x 为狄度值