（农业电气化与自动化专业论文）自动矢量化技术中图像处理方法研究.pdf

沈阳农业人学硕j 学位论文 摘要 随着信息产业与计算机技术和网络技术的飞速发展，越来越多的计算机 管理手段被引入到电力系统的管理部门从而取代落后的管理方式。电力管理 部门需要通过信息技术来实现信息的存储、共享和传播。管理人员的决策通 常需要根据调度自动化系统传递的信息来实现。地理信息系统( g i s ) 的应 用加强了农村配电网的信息化管理，提高了整个农电企业信息化水平。 图纸是地理信息系统的主要数据来源，为了减少存储空间，提高位覆精 确度并且有利于空间关系的描述，图纸在地理信息系统中通常以矢量图的形 式存储。但是大多数情况下扫描后的图像因受到外界干扰会产生噪声，影响 了矢量化的质量，这就需要对矢量化前的图像进行预处理。 本文主要围绕现在进行的地理信息系统的开发工作，并以此为应用背 景，着重研究栅格图像矢量化技术中图像处理方法的实现。主要研究内容与 成果如下： 1 完成了图像消蓝去噪技术的研究，在均值滤波、中值滤波、级联滤 波等滤波方法中通过实验方法，在定量与定性分析的基础上确定 3 3 结构窗口的中值滤波是适合本课题的图像去噪方法。 2 实现了图像分割，对梯度分割和闽值分割的原理进行了详细阐述， 根据不同的分割需要对图像进行了分割实验并且通过分割方法实现 了图像二值化。 3 完成了细化算法的研究，对经典的h i l d i t c h 和d e u t s c h 方法进行了说 明和比较，指出二者的缺点。采用数学形态学的方法对图像进行细 化。 4 实现了自动矢量化技术中图像处理方法研究系统的开发，完成了图 像加噪声、图像去噪声、图像分割、图像细化等功能的设计与实现。 关键词：地理信息系统；图像矢量化；图像去噪；图像分割；细化算法 沈 i 农业大学硕l 。学位论史 日u吾 一、课题背景 ( 一) g i s 概况 1 g i s 概念 地理信息系统( g e o g r a p h i ci n f o r m a t i o ns y s t e m ，简称g i s ) 是采集、存储、 管理、描述、分析地球表面及空间和地理分布有关的数据的信息系统。它是 以地理空问数据库为基础，在计算机硬、软件环境的支持下，对空f h j 十h 关数 据进行采集、管理、操作、分析、模拟和显示，并采用地理模型分析方法， 适时提供多种空间和动态的地理信息，为地理研究、综合评价、管理、定量 分析和决策服务而建立起来的一类计算机应用系统。简言之，地理信息系统 是以计算机为工具，具有地理图形和空间定位功能的空间型数据管理系统， 它是一种特殊而又很重要的信息系统( 刘理峰等，2 0 0 1 ；陈述彭等，1 9 9 9 ) 。 2 g i s 发展现状 g i s 是为了解决资源与环境等全球性问题而发展起来的技术与产业。6 0 年代中期，加拿大丌始建立世界上第一个地理信息系统( c g i s ) ，随后又出 现了美国哈佛大学的s y m a p 和g r i d 等系统。自那时起，g i s 就深入广泛 地服务于经济建设和社会生活。在北美、西欧和同本等发达国家，已经建立 了国家问、洲际间以及各种专题性的地理信息系统。我国g i s 的研究与应用 始于8 0 年代，十多年来发展也十分迅速。在计算机辅助绘制地图等方面开 展了大量基础性的实验与研究工作，在理论、技术方法和实践经验等方面都 有了长足的进步。当今，g i s 系统已经成为年增长率为3 5 的新兴技术产业， 出现了许多诸如a r c i n f o 、m a p i n f o 和g e n a m a p 等著名软件，它们在 城市建设、环境保护、社会发展和军事指挥等方面发挥了巨大的作用，并且 随着科技的发展，g i s 发展的势头越来越迅猛( 朱光等，1 9 9 7 ；张超等，1 9 9 5 ： 毛峰等，1 9 9 9 ) 。 ( 二) 电力地理信息系统的应用研究 1 应用现状 在电力系统中，输电网络、配电网络、电站及设备、用户及负荷、煤、 水等能量资源都是按照地理分布的。标明各种电力设备和线路的地理位置 图，是电力部门用柬管理和维修电力没备以及寻找和排除设备故障的有利工 具。 早先，这些图像资源系统完全是由人工建立的，即从行政部门取得一定 程度的地图后，由电力部门标上各种电力设备和线路的符号，并相应建立设 备和线路的技术档案。这样不仅要耗费大量的人力资源，而且资料更新的时 问氏，不能充分满足电力系统运行的要求。为满足不断发展的要求，目前， 电力部门_ j _ f 在，1 ：始或己经建立了一些电力地理信息系统，开始使用计算机为 介质来传递图形信息和设备信息。 但现存开发的电力图形信息系统存在以下问题： ( 1 ) 图形使用a u t o c a d 或其他绘图软件绘制，作图功能强，但数据库管理 功能弱。看设备信息在数据库系统中，看图形却要进入另外一个图形系统。 使用麻烦，直观性和可用性不高。 ( 2 ) 另外一类图形信息系统，将图形信息和属性信息结合在一起，但图形 中每个接点之间不存在拓扑关系。没有存储设备之间的数据结构，不能判断 它们之间的拓扑关系，难以进行潮流分析计算等与连通性有关的高级应用。 解决图形信息和属性信息结合问题的技术就是地理信息系统，其独有的 空间数据库技术能够生动、形象地反映电力系统的设备和运行情况，它可以 把大量的人工解脱出来，并实现资料快速、及时地更新( 王磊等，1 9 9 6 ；刘 健等，2 0 0 3 ) 。 2 电力g i s 的特点 建立电力g i s 系统，必须充分考虑配电网的特点，从实际应用出发，建 些幽查些查兰竺! 兰壁丝苎 立可用、实用、高效的电力g i s 系统。总体来说，配电网应用对g i s 平台有 以下要求：( 尚海燕，薛志宏，1 9 9 8 ；沈瑜等，1 9 9 9 ) ( 1 ) 对图形操作的性能要求高。图形操作( 显示、刷新) 效率的高低， 在系统中将直接影响应用功能的实现。当系统效率太低时，应用功能便无法 满足实际使用要求。 ( 2 ) 地物图形( 街区图、河流图、建筑物图等) 数据仅是系统中一种背 景辅助数据，没有地物图形数据时，在系统图形数据( 设备图、接线图) 的 支持下，系统应用功能仍然能照常运行，通常地物图形不经常变动，而电网 图形系统是随时变动的。 ( 3 ) 电网运行实时数据( s c a d a 数据) 和电网运行中的网络拓扑结构， 在系统运行中处于实时更新状态。 ( 4 ) 山于在配电网管理系统中，要在g i s 平台上建立许多电力专业的应 用，如故障管理、操作票工作票管理，负荷能够预报等，这些应用的专业 性很强，因此要求选用的g i s 平台必须有很强的二次刀：发的能力。 ( 5 ) 在配电网中的节点多，分布零散，数据量大，并发操作性强，这些 特点要求g i s 平台要有管理大量数据的能力，能很好的解决并发数据的一致 性、完备性，能够进行数据库故障恢复等。 ( 6 ) 配电网中的故障定位，故障的检修最佳路径，最佳巡视检修路径， 电源规划，停电管理等模块要求g i s 具有较强的空间分析能力。 ( 7 ) 电网实时数据和电网拓扑结构的修改变更可能在多个子系统中同 时发生( 如：凋度、线路、配变等部门) ，这就要求系统根据供电生产专业 规则，保证数据更新结果在整个系统中具有一致性。 ( 三) 矢量化的提出 图纸计算机数字化是计算机技术、信息科学、数字图像处理、模式识别 等学科发展的必然结果，目前它是g i s 系统的主要数据来源。据统计，现今 g i s 系统图纸输入部分占总工作量的8 0 ，因此图纸的输入预处理成为一个 前嵩 急需解决的问题。当图纸通过扫描仪扫描输入时，地图数据是以点阵形式存 储的，这种存储形式在某些场合是不适宜的。首先，当输入的地图数量比较 大时，需要的存储容量十分庞大，提高了对计算机性能的要求并且增加了计 算机系统费用。其次，空间位置精度低，难于表达线状、网络状的事物，而 且点阵数据的图纸不适合于绘图输出和图纸的数据管理。另外还有一种矢量 化存储方式，它不仅数据存储量小、空间位置精度高，而且空间关系描述全 面，有利于对线状、网状事物分析，空间和属性数据查询与更新方便等。矢 量图编辑、修改方便，较容易实现，速度快，编辑时对计算机的硬件要求低， 输出时对设备的要求低。矢量图进行放大或缩小显示时，图形信息不会发生 失真。它更适合用计算机编程判断相关的条件，进行相关的辅助设计。 因此，合理的方式应是利用光栅扫描输入地图，通过计算机处理将点阵 图像转换为矢量图像，这样既克服了数字化仪输入地图花费时问太长的缺 点，又具备了用它输入地图所存在的优点。 二、数字图像处理简介 ( 一) 图像处理分类 所谓图像，就是对客观存在的物体的一种相似的生动模仿和描述。照片， 各种类型的绘图、电视画面等是图像最直观的例子。然而除了这些人眼能够 观察到的各种平面图像外，还包括其它视觉无法观察的物理图像和空问物体 图像。例如：温度、压力、高度等物理量的平面和空间分布，就是无法用人 眼观察的图像。此外，我们所讨论的图像还包括用数学函数和离散数据所描 述的连续或离散图像。 图像处理技术基本上可以分为两大类：模拟图像处理和数字图像处理。 模拟图像处理( a n a l o gi m a g ep r o c e s s i n g ) 包括：光学处理( 利用透镜) 和电 子处理，如：照相、遥感图像处理、电视信号处理等。模拟图像处理的特点 是速度快，一般为实时处理，理论上可以达到光的速度，并可以同时并行处 沈农业大掌坝上学位诧义 理。电视图像是模拟信号处理的典型例子，它处理的是活动图像2 5 帧秒。 模拟图像处理的缺点是精度较差，灵活性差，很难具有判断能力和非线性处 理能力。 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 ) ：是指用数字计算机及其它有关 数字技术，对图像施加某种运算和处理，从而达到某种预定的目的。例如： 使褪了色的照片重新变清晰，从医学显微镜提取有意义的细胞特征等等。其 优点是处理精度高，处理内容丰富，可以进行复杂的非线性处理，有灵活的 变通能力，一般来说只要改变软件就可以改变处理内容。其缺点是处理速度 还是一个问题，特别是进行复杂的处理更是如此( 阮秋琦，2 0 0 1 ；k e r r e t h r c a s t l e m a n ，1 9 9 6 ；k e r r e t h r c a s t l e m a n ，2 0 0 2 ；李红俊等，2 0 0 2 ) 。 ( 二) 数字图像处理的主要内容 数字图像处理主要包括图像的数字化、图像增强、数据编码和传输、平 滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后， 输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计 算机对图像进行分析、处理和识别。( k e r r e t h r c a s t l e m a n ，1 9 9 6 ；k e r r e t h r c a s t l e m a n ，2 0 0 2 ) 1 图像的增强和复原 图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉 质量。图像复原是尽可能恢复图像的本来面貌。 2 图像平滑 图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过 程中，因成像设备和环境所造成的图像失真，提取有用信息。众所周知实 际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部 干扰和内部干扰，这均会使图像变质。因此，去除噪声是图像处理中的一个 重要内容。 3 图像分割 5 前百 图像分割指将图像中包含的物体，按其灰度或其它特性分割，并进行处 理分析，从中提取有效的分量、数据等有用信息，作为进一步图像处理的基 础。 4 图像数字化及编码压缩 数字化过程把连续的图像信号变成离散的数字信号，适应计算机的运算 处理。压缩技术减少描述图像的数据量，以便节省传输、处理时问和存储空 间。其中编码压缩是压缩技术中最重要的方法。 5 图像的识别 图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨 别景物中已经分割好的各个物体，给这些物体赋予特定的标记，它是机器视 觉系统必须完成的一个任务。 三、本课题的研究意义和内容 g i s 系统对图形操作的性能要求非常高，但是山于多种原因扫描后的图 像会产生噪声、光照不均匀等缺陷，这些缺陷影响了矢量化的质量。这就要 求对矢量化前的图像要进行相应的处理。 本课题的研究就是要对矢量化前的图像进行预处理和细化，为栅格图像 矢量化做好前期工作。对图像进行正确的预处理可以减少矢量化过程中产生 的错误，减少矢量化后的编辑工作的工作量。 本沦文的内容共分5 部分。 第一部分论述了本文研究的意义及内容。对本文涉及的有关地理信息系 统和数字图像处理的知识进行简要介绍。 第二部分主要对栅格图像的去噪声进行研究，针对本文所研究图纸的特 点选择适当的方法，实现原有图像中有用信息和噪声的分离。 第三部分主要对图像进行分割和二值化。图像分割就主要根据图像在各 个区域的不同特性，而对其进行边界或区域上的分割，并从中提取出所关心 的目标。二值图像是只具有两个灰度级的图像，通常有图像分割操作产生， 6 沈阳农业大学坝l j 学位论文 目的是在尽可能多的保留原图像特征的前提下舍弃冗余信息。 第四部分采用数学形态学对图形进行细化。 第五部分叙述了系统软件的实现方法、过程，简要列出了典型的界面图。 第六部分是结论部分，对本文的主要研究成果进行了归纳总结。 图像去噪声 图像去噪声 数字图像在采集、转换和传输过程中经常会受到设备、环境等因素的影 响，致使现实图像成为带噪图像，对得到的图像进行去噪是图像处理过程中 一个很重要的部分。 为此，需要研制一个有效的滤波机制从噪声背景下恢复图像目标。这就 要求考虑两个基本问题：( 1 ) 所构造的滤波器能有效地去除目标和背景中的 噪声；( 2 ) 滤波器能很好地保护图像目标形状、大小及特定的几何和拓扑结 构特征。( 姜会亮等，2 0 0 4 ) 图像平滑处理方法有空域滤波和频域滤波两大类。空域滤波是在图像空 间借助于模板进行邻域操作完成的。经典的有高斯滤波和中值滤波，高斯滤 波是一种空域低通线性滤波法，中值滤波是一种空域低通非线性滤波法。频 域滤波主要有：d p t 滤波、d u 滤波和小波变换滤波等。另外，随着数学形态 学的发展，数学形态学也成为去除图像噪声的重要研究方法。 由于电力工程图纸在扫描、复印等处理过程中主要引入的是椒盐噪声， 因此本课题主要针对均值滤波、中值滤波、以及数学形态学滤波方法进行比 较和分析，选择能有效去除椒盐噪声的方法。另外，2 0 世纪8 0 年代后期发展 起来的小波分析技术因其在处理非乎稳信号方面的独特优势而成为图像去 噪领域中的一个重要研究方向本文对小波去噪方法进行简单地论述。 一、图像读入并对图像加入噪声 截取某工程图的一部分作为本试验所采用的原始图像，如图l 所示。为 了模拟图像经过扫描、复印等处理过程可能引入的椒盐噪声首先要对图l 进 行加噪声处理加入椒盐噪声，如图2 所示。 沈阳农业人学硕“【学位 图1 原始图像 f i g 1o r i g i n a li m a g e 二、均值滤波 幽2 加入椒盐噪声的图像 f i g 2i m a g ew i t hp e p p e rn o i s e ( 一) 理论基础 均值滤波是简单的空域处理方法。均值滤波的过程是使一个窗口在图像 上滑动，窗口中心位置的值用窗内各点值的平均值来代替。这种方法的基本思 想是用几个像素灰度的平均值来代替一个像素的灰度。假定一幅n n 个像素 的图像f ( x ，y ) ，平滑处理后得到一幅图像g ( x ，y ) ，g ( x ，y ) 由下式决定： 咖) 2 万1 。娶( m ) 其中：x ，y = 0 , i ，2 ，n 一1 ；s 是( x ，y ) 点的邻域点的坐标集合；m 是集合内 坐标的总数。上式说明，平滑后的图像g ( x ，y ) 中的每个像素的灰度值均由包 含在( x ，y ) 的预定邻域中的几个像素的灰度值的平均值来确定。取其邻域， 设肜含有肘个像素，取其平均值作为处理后所得图像的像点( x ，y ) 处的灰 度。用一个像素邻域内各像素灰度平均值来代替该像素原来的灰度，即是邻 域平均技术。 窗口可以有多种选取方法，本课题采用- i 4 点窗口和8 点窗口进行均值滤 图像去噪声 波。应用于图像去噪处理方面，选取窗口的方法是取一个点的邻域，定义为 以该点为中心的一个圆的内部及边界上的点的集合。设图中像素间的距离为 躺，4 点窗口选取硝为半径作圆( 如图3 ) ，那么该点的灰度值就是圆周上4 个像素狄度值的平均值；同样，选取8 点窗口则以互x 为半径( 如1 茎1 4 ) 。 剀34 点窗口图48 点罚e 1 f i g3w i n d o ww i t hf o u rp o i n t s f i g 4w i n d o ww i t he i g h tp o i n t s 另外，对于给定的图像f ( x ，y ) 中的每个像素( x ，y ) ，我们还可以剥图像 在点( x ，y ) 上的像素灰度值只应用局部均值滤波处理的方法，它是由模板内9 个像素按下式计算出的平均值： 7 ( x ，_ y ) = 吉厂( x + f ，y + ) 假设噪声是加性噪声，在空间各点不相关，且期望为0 ，方差为a 2 ， g ( x ，y ) 是未受污染的图像，含有噪声的图像f ( x ，y ) 经过邻域平均后为： 7 ( 丘y ) = 吉朋= 击g ( f + 万1 嘶棚 由上式可知，经邻域平均后，噪声的均值不变，方差土ma 2 ，即噪声方 差变小，说明噪声强度减弱了，即抑制了噪声。 采用邻域平均法的局部均值滤波器就非常适用于去除通过扫描得到的 沈h l 农业人学硕1 一学位论义 图像中的颗粒噪声( 郎锐，2 0 0 3 ；姜会亮等，2 0 0 4 ；姚天任等2 0 0 2 ；舒志龙 2 0 0 1 ) 。 ( 二) 实验结果 图5 和图6 分别为4 点均值滤波器和8 点均值滤波器对加入噪声的图像图2 进行去噪处理的实验结果。 图54 点窗口去噪图像 f i g 5d e n o i s i n gi m a g eb y4p o i n t sw i n d o w 图68 点窗口去噪图像 f i g 6d e n o i s i n gi m a g eb y8p o i n t sw i n d o w 三、中值滤波 ( 一) 理论基础 中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器当然也 就是一种非线性的滤波器。中值滤波器在1 9 7 1 年r h j w j u k e y 首先提出并应 用在一维信号处理技术( 时间序列分析) 中，后来被二维图像信号处理技术 所引用。 中值滤波一般采用一个含有奇数个点的滑动窗口，用窗1 ：2 中各点灰度值 的中值来代替指定点( 一般是窗1 2 1 的中心点) 的灰度值。对于奇数个元素， 中值是指按大小排序后，中间的数值：对于偶数个元素，中值是指排序后中 型堡圭璺兰 一 间两个元素灰度值的平均值。 中值滤波器根据其计算方法，可以称为非线性滤波器中的排序统计滤波 器，这一类滤波器并不是通过计算均值或方差来实现滤波的，而是基于统计 理论的。在实现上它与邻域平均的滤波方式有些类似，也是采用类似卷积的 方式对邻域进行运算，所不同的是中值滤波在这罩并不是简单地加权求和， 而是先把邻域像素按坎度级进行排序，然后再选择改组的中间值作为模板输 出结果。由于中值滤波在算法设计上使与周围像素狄度值相差较大的点处理 后能和周围的像素之比较接近，因此可以衰减随机噪声，尤其是脉冲噪声等。 但处理时并不是简单地取平均值，因此产生的模糊要少得多( 章毓晋，1 9 9 9 ； 孙宏琦，2 0 0 3 ；夏德深，1 9 9 7 ；何东健，1 9 9 8 ) 。 中值滤波器去除噪声的效果好坏主要依赖于邻域的空间范围和中值计 算时涉及到的像素个数。 ( 二) 实验结果 本篇论文分别采用了3 1 、1 x3 、3 x3 的结构窗口对加入噪声的图像图2 进行去噪处理。图7 、图8 、图9 分别为三种窗口去噪的实验结果。 图73 1 结构去噪图像 f i g 7d e n o i s i n g i m a g eb y 3x1s t r u c t u r ee l e m e n t 图81 3 结构去噪图像 fi g 8d e n o i s i n gi m a g eb y 1 3s t r u c t u r ee l e m e n t 沈阳农业大学硕i 学位论文 图93 3 结构去噪图像 f i g 9d e n oj s i n gi m a g eb y3 3s t r u c t u r ee l e m e n t 四、单结构元素级联滤波 数学形态学提出了一套独特的变换和算法，开辟了数字图像处理的新途 径。数学形态学( m a t h e m a t i c a lm o r p h o l o g y ) 是分析几何形状和结构的数学 方法，是建立在集合代数基础之上，用集合论方法定量描述集合结构的科学。 1 9 8 5 年后，它逐渐成为分析图像几何特征的工具。 近年来，以数学形态学滤波算法模型为代表的非线性滤波器在保护图像 边缘和细节方面取得了显著的进展。 从对基本形态变换的讨论中可知开运算能够消除图像目标中小于结构 元素的散点和毛刺，而闭运算则可把不连通的目标连通起来，从而起到对图 像平滑滤波的作用。通过改变所采用的结构元素的大小和形状，开运算和 闭运算可以分别达到对背景和目标中不同大小与形状的假目标和空洞的滤 除作用。其中，开运算相当于“过滤筛”筛除小于结构元素的图像目标。显然， 开运算或闭运算只能完成去除背景或目标内部噪声的单一任务。为了克服这 一缺点，把丌运算和闭运算组合起来，产生了开运算和闭运算的级联运算( 对 偶滤波或交替滤波) ( j s e r r a ，1 9 8 8 ；p e f e r s ，r i c h a r da l a ni i ，1 9 9 5 ；p e t e r sra ， 1 9 9 5 ；崔屹，2 0 0 0 ；郭景峰等，2 0 0 2 ) 。 图像去噪声 ( 一) 理论基础 数学形态学的理论基础将在第四章详细介绍。 ( 二) 实验结果 图l o 和图1 1 分别为水平方向开闭级联运算利水平方向闭丌级联运算对 加入噪声的图像图2 进行去噪处理的实验结果。 ! ： 一 图l o 水平方向开闭级联去噪图像 f i g 10d e n o i s i n gi m a g eb yl e v e l o p e ni n g _ c l o s i n g 五、处理结果比较 图1 1 水平方向i ：j j 开级联去噪声图像 f i g 11d e n o i s i n gi m a g eb yl e v e c l o s i n g o p e n i n g ( 一) 滤波器性能比较的两种计算方法 采用两种不同的方法来验证几种滤波器的性能： 1 均方差公式 芝芝【p ( 卅，h ) 一p ( m ，肝) 】2 m s e = 旦三! 生一 s l s 2 其中p 。( 脚，肝) 处理后的图像，p ( m ，”) 为原始图像，s 1 和s 2 分别是以相 素点数表示图像的长和宽，均取为2 5 5 。通过图像处理前后的均方误差的大 鲨堕坐些查兰堡圭兰些丝兰 小，来比较图像处理后与图像的接近程度。当误差小的时候说明对加噪的图 像去噪后与原图像越接近，效果越好( 张兆礼等，2 0 0 1 ) 。 2 信噪比改善因子( r ) 为了检验算法的滤波效果，我们比较各种算法的信噪比改善因子( r ) ，其 定义如下： ， rl 西1 ( m ，) 一j ( f ，埘2 r d b = 1 0 1 9 等等掣一一 百1 ( x ( ，) 一j ( f ，朋2 。i = lj = l 式中：k ，l 分别为图像的长度与宽度；y 是滤波输出；j 是标准图像：x 是输入图像。图像的最大狄度为2 5 5 。 若r 为负值，则说明滤波后噪声被抑制。r 越低则说明滤波效果越佳。 ( 二) 计算结果的分析比较 表l 、表2 、表3 分别为中值滤波器、均值滤波器、级联滤波器去除椒 赫噪声的均方差和信噪比改善因子的计算结果。通过数据实验结果可以看出 r 均为负值，这几种滤波方法对椒盐噪声均有抑制作用。在本实验的三种中 值滤波器中，3 3 结构窗口的均方差和信噪比改善因子数值最小，滤波效果 比3x 1 、1 3 结构的窗口有非常明显的优势。1 3 结构窗口的滤波效果与3 1 结构窗口的滤波效果相差不多。两种均值滤波器的滤波器效果差别不大，8 邻域滤波器略强于4 邻域滤波器。两种级联滤波器中，水平方向开闭级联滤 波器的均方差和信噪比改善因子的数值远远小于水平方向闭开级联滤波器， 优势明显。总体来看，3 3 结构的中值滤波器和水平方向开闭级联滤波器去 除椒盐噪声效果较好。从视觉效果来看，4 邻域和8 邻域均值以及水平方向 闭丌级联滤波后的图像仍有噪声残留。水平方向开闭级联滤波后有细微的图 像缺损。经过中值滤波的图像噪声去除的比较彻底，但是3 x l 和l 3 结构的 滤波模糊了图像的边界。综合视觉效果和数据分析结果，采用3 3 中值滤波 堕堡圭竖皇 去除椒盐噪声效果比较理想。 6 表1 三种结构中值滤波器比较 t a b l elc o m p mi s o no fm e d i a nf i l t e ri nt h et h r e es t r u c t u r e s l 3 结构中值滤波去噪 o 0 1 7 76 3 3x 1 结构中值滤波去噪 0 0 2 1 。5 - 9 3 3 3 结构中值滤波去噪 o 0 0 3 2 40 5 5 表2 两种结构均值滤波器比较 t a b l e 2c o m p a r i s o no f m e a nf i l t e ri nt h et w os t r u c t u r e s 椒盐噪声 滤波器类型 m s e r d b 4 邻域均值滤波0 0 3 1 。1 8 0 6 8 邻域均值滤波 o ，0 2 4 4 3 8 4 表3 水平方向级联滤波器比较 t a b l e 3c o m p a r i s o no f l i n k e df i l t e ri nl e v e l 椒盐噪声 滤波器类型_ 五i _ 历i 一 水平方向闭开级联运算0 0 1 5 _ 9 , 0 9 4 水平方向开闭级联运算0 0 0 5 - 2 0 - 2 1 沈阳农业大学坝士学位论文 六、小波去噪方法 数字图像从根本上可以看成一个能量有限的二维信号f ( x ，y ) ，可以通过 ：二维小波变换对其进行分解和重构。图像去噪的过程一般是根据实际图像的 特点、噪声的统计特性和频谱分布的规律，提出各种去噪方法，其中最为直 观的是根据噪声的随机分布特性，其能量一般集中于高频，而图像频谱则分 布于一个有限区间的特点，采用低通滤波的方式来去噪，即去除高频部分、 保留低频部分。小波去噪能有效保留图像的高频特征分量，所以实际上是特 征提取和低通滤波过程的综合。 小波去噪方法，大体可以分为小波萎缩法、投影方法和相关方法三类。 ( 一) 小波萎缩法 小波萎缩法是目前研究和运用得最为广泛的方法，小波萎缩法又分成如 下两类：一类是闽值萎缩，由于闽值萎缩主要是基于在小波分解高频子空间 中，比较大的小波系数一般都是以实际信号为主，而比较小的系数则很大程 度上都是由噪声产生，因此可以通过设定合适的阈值，首先将小于阈值的系 数鼍零，而保留大于阈值的小波系数，再通过一个阈值函数映射得到估计系 数，最后对估计系数进行逆变换，就可以实现去噪后的信号重建。但当噪声 水平比较高时，容易将原图像的高频部分模糊掉。另一类萎缩方法则有所不 同，它通过判断系数被噪声污染的程度，并为这种程度引入各种度量方法( 如 概率和隶属度等) ，进而确定萎缩的比例，所以这种萎缩方法又被称为比例萎 缩( d o n o h odl ，j o h n s t o n eim ，1 9 9 4 ；d o n o h odl ，j o h n s t o n eim ，1 9 9 5 ：k r i mh ， p e s q u e s tjc ，1 9 9 5 ) 。 1 阈值萎缩法 阈值萎缩法方法中的两个基本要素是阈值和阈值函数。 ( 1 ) 阈值的选择 闽值的选择在阈值萎缩中是最关键的，目前使用的阈值可以分为全局闽 幽像古噪户 值和局部适应阈值两种。其中，全局域值对各层所有的小波系数或同一层内 的小波系数都是统一的，而局部适应阈值是根据当前系数周围的局部情况来 确定闽值。 目前提出的全局阈值主要有以下几种： d 0 n o h o 和j o l l l l s t o n e 统一闽值 巧= 口2 l n ( n ) 其中盯为噪声标准方差，为信号的尺寸或长度。 这是在正态高斯噪声模型下，针对多维独立正态变量联合分布，在维数 趋向无穷时的研究得出的结论，即大于该阈值的系数含有噪声的概率趋于 零。这个阈值由于同信号的尺寸对数的平方根成正比，所以当较大时，阈 值趋向于将所有的高频小波系数置零，此时小波滤波器退化为低通滤波器。 ( d 基于零均值正态分布的置信区间阈值占= 3 0 - 4 0 - 这个阈值是考虑零均值正态分布变量落在区间 _ 3 0 - ，3 盯】之外的概率非 常小，所以绝对值大于3 0 - 的系数一般都被认为主要由信号系数构成。 ( d 最小最大化阈值 这是d o n o h o 和j o h n s t o n e 在最小最大化意义下得出的闽值，与上面的阈值 不同，它是依赖于信号的，而且没有显式表达式，在求取时，需要预先知道 原信号。 ( d 理想闽值 理想阈值是在均方误差准则下的最优闽值，同最大最小化阈值一样，也 没有显式的表示式，并且这个阚值的计算通常也需要先知道信号本身，但是 由于实际求取时，这一般是不可能的。所以人们通过对这一准则的估计版本， 求出使估计最小的阈值，并以此作为理想阈值的估计。 目前使用比较多的主要有两种：一是s u r es h r i n k 闽值，它是在s u r e 扰刚农业大学帧士学位论义 ( s t e i n su n b i a s e dr i s ke s t i m a t i o n ) 准则下得到的阈值，该准则是均方差准则的 无偏估计，并且s u r e 阈值趋近于理想阈值：另一个是g c v ( g e n e r a l i z e dc r o s s v a l i d a t i o n ) 准则，g c v 虽然是有偏的，但是由于用这种准则得到的最优闽值也 趋近于理想阈值，而且不需要对噪声方差进行估计，所以许多文献都使用这 种准则来确定合适的小波萎缩阈值( j a n s e nm ，b u l t h e e la ，1 9 9 9 ；j a n se nm ， m a l f a i tm ，b u l t h e e la ，1 9 9 7 ；h a n s e nm ，y ub i n ，2 0 0 0 ) 。 在以上所介绍的闽值中，统一闽值的计算最简单，在实际应用中使用最 为广泛，但是其趋向于将有用的小波系数也去除，在噪声水平较高或图像尺 寸较大时尤其如此，从而会导致较大重建误差。而置信区间阈值虽跟图像尺 寸无关，但e 【1 于随着图像尺寸增大，大的噪声系数出现的数目会增多，并被 保留，从而导致误差增大；最小最大化阈值，基于从最坏情况下出发，也会 去除过多的有用系数。 理想阈值从理论上说，是重建误差最小的阂值，因而其估计版本的s u r e 闽值$ 口g c v 闽值的去噪效果一般较好，但其计算较繁琐。与全局阈值不同的 是，局部闽值主要通过考察在某一点或某一局部的特点，再根据灵活的判定 原则来判定系数是主要由信号造成还是主要由噪声所造成，从而对保留系数 与否做出决定，而判定的原则不一定只由系数绝对值的大小来判别，而是综 合各方面的因素，如概率和模糊隶属度方面考虑。其中，v i d a k o v i c 等人利用 主信系数和主噪系数在不同尺度层中分布的不同特征。在b a y e s 框架下，结 合假设检验，给出一个闽值公式，并以此对小波系数作硬阈值处理( v i d a k o v i e b ，l o z o y acb 1 9 9 8 ) ，c h i n g 结合区间估计理论和假设检验方法给出另一种 局部阅值萎缩方法( c h i n g p c ，s o h c ，w us q ，1 9 9 9 ) 。 实验结果表明，局部阈值确实比全局阈值对信号的适应能力好，但需要 较复杂的计算。 ( 2 ) 阈值函数的选择 在闽值萎缩方法中，闽值函数体现了对小波系数处理的几种不同方式， 1 9 主要可分为三种。( b a d u l e s c up ，z a c i ur ，1 9 9 9 ；k r i mh t u c k e rd ，m a l l a t s ge t a l ，1 9 9 9 ) 设w i 为对含噪信号作小波变换后的小波系数值，丘为阀值， 汜w 。，为经过闽值函数处理后的估计小波系数值。 软闽值 w n ，= s i g n ( w , ，) ”引：难卦 硬闽值 w 。，_ 1 0 w i , 。阮w , , j l l - 2 封 以上这两种阈值函数在实际中得到广泛应用，也取得了较好的效果，但 它们电存在固有的缺点。比如：在硬阈值中，w 。在五处是不连续的，利用w u 重构的信号可能会产生一些振荡，在图像处理中称为振铃或伪吉布斯效应， 但其图像边缘可以很好地保留。由软阈值方法得出的估计值w 。的整体连续 性好，图像整体感觉较平滑，但是当l ，l 五时，w 与。之间总存在恒定 的偏差，直接影响重构信号与真实信号的逼近程度，而且在图像处理时可能 将原本变化大的边缘部分变得模糊。 ( d 半软阈值函数 基于以上考虑，有学者对以上闽值作了改进，提出了一种半软阈值函数。 以下是几种改进方法( 冯象初等，2 0 0 3 ) 。 多项式插值法 沈阳农业大学硕士学位论文 ，1 w 。f 2 f s i g n ( w , ，) e ( 1 w , 巾 - 1 w l f o k ， 其中，尸( h ，i ) 称为插值多项式，通常可取为二次或三次多项式，它们 的插值条件分别为： f p ( 五) = o p ( ，) ：f 和 l p ( ，) = 1 p ( 兄) = 0 p ( 五) = o p ( f ) = t p ( r ) = 1 出以上方法得到的w u 在整个定义域内是连续的，克服了硬阈值方法的 不连续性。并且当l ，l t 时w + u 是无偏估计，也弥补了软闽值的不足。 ( d 模平方处理法 其定义为w 。“= s i g n ( w , j ) 0 ( w l 。2 一! w w 引： j a i 该方法估计出来的数据，w 的大小也是介于软、硬闽值之间。当l ，i a 时，w + u 为非线性函数，且当h 。i 不断增大时，w 。u 越来越接近于w 。 2 比例萎缩 相对于阈值萎缩方法来说，比例萎缩有更大的灵活性，从某种意义上说， 可以认为阈值萎缩是比例萎缩的一种特例。比例萎缩的特点主要在于它具有 对信号的某一局部的适应能力。s h a r k 等人针对小波闽值萎缩中，统一闽值倾 向于“过扼杀”，而s u r e 阈值倾向于“过保留”小波系数的特点，给出了一 个隶属度函数，然后将两个阈值之间的系数，按照隶属度进行萎缩，并得到 了非常好的效果。m a l f a i t 等人通过将图像一般不存在孤立边缘点的先验知 识与小波图像h o i l d e r 指数( 图像的正则性的一种刻画) 相结合，利用b a y e s 估 计理沦给出了小波系数“主信”的概率，并以此来进行比例萎缩，从而大大 图像去噪声 消除了由噪声引起的伪边缘( a z h a n g x i a o p i n g ，d e s a imd 1 9 9 8 ；b z h a n g x i a o p i n g ，d e s a im d 19 9 8 ；z h a n gx i a o p i n g ，l u oz h i q u a n 19 9 9 ；s h a r klk ， y uc ，2 0 0 0 ；m a l l h i tm ，r o o s ed ，1 9 9 7 ) 。 ( 二) 投影方法 投影方法的原理就在于将带噪信号以一种迭代的方式，投影到逐步缩小 的空间，由于最后的空间能更好地体现原信号的特点，所以投影法也能够有 效地区分噪声和信号。投影方法有m a t c h i n gp u r s u i t s 法和m c d ( m u l t i p l e c o m p a c td o m a i n ) 或p o c s ( p r o j e c t i o no n t oc o n v e xs e t ) 法两类。其中， m a t c h i n gp u r s u i t s 法是通过指定一族小波或波函数，并将带噪信号向此函数族 进行投影，接着又对残差投影，重复此过程直到残差达到一定的条件。m c d j f n p o c s 法同m a t c h i n gp u r s u i t s 法很相似，也是基于投影原理，只不过信号的 投影空间有所不同，用小波函数库扩张成投影空间时，m a t c h i n gp u r s u i t s 法用 g a b o r 函数库，而m c d 和p o c s 法一般用b e s o v 空间的凸集( h s u n gtce t a l ，1 9 9 9 ；m a l l a tsgz h a n gze 1 9 9 3 ) 。 ( 三) 相关方法 相关方法主要是基于信号在各层相应位置上的小波系数之间往往具有 很强的相关性，而噪声的小波系数则具有弱相关或不相关的特点来进行去 噪。如x u 等人提出了一种s s n f ( s p a t i a l l ys e l e c t i v e n o i s ef i l t r a t i o n ) 方法，该方 法是利用相邻尺度小波系数的相关程度来进行去噪，即通过利用相邻尺度同 一位置系数的相关量来构成相关量图像，在作适当的狄度伸缩后，再同原来 的小波图像进行比较，其中较大的相关量被视为对应于边缘等的图像特征而 被抽取出来，并作为原信号小波变换的估计，然后经反变换得到去噪后的信 号。该方法是一种迭代过程，迭代的终止标准是剩余系数的能量是否接近于 噪声的能量，所以噪声方差的估计在这里非常重要( x u y a n s u ne l a l ，1 9 9 4 ) 。 沈阳农业大学硕士学位论文 图像分割 一、图像分割的定义 图像分割( i m a g es e g m e n t a t i o n ) 是数字图像处理领域一类非常重要的图 像分析技术在对图像的研究和应用中，根据不同领域的不同需要，在某一领 域往往仅对原始图像中的某些部分( 目标) 感兴趣。这些目标区域一般来说 都具备其自身特定的一些诸如灰度、纹理等性质，图像分割就主要根据图像 在各个区域的不同特性，而对其进行边界或区域上的分割，并从中提取出所 关心的目标。 二、图像分割方法的特点 】分割产生的所有区域之和包括了原始图像中原有的所有像素，即分 割把原始图像的每个像素都分到某个区域。 2 分割后的结果互相不重叠，即原有像素不能同时分割两个区域。 3 分割后的各个区域有其独有的特性，即同区域的像素具有某种共性。 4 分割后的不同那个区域具有不同的特性，分割后同一区域内任两个 像素在各区域内互相连通，即分割后的区域是一个连通组元。 三、主要分割方法 图像分割是一种基本的图像分析技术，按分割算法的不同可分为阈值 法、基于梯度的图像分割法和匹配法等。近年来，不少学者将模糊数学、分 形学以及小波分析等方法引入到图像处理中，分别提出了以模糊理论为基础 的图像分割方法、基于分形模型的人造目标检测技术、应用小波变换的多尺 度边缘检测和阙值选取方法等，取得了显著效果。神经网络技术在图像处理 中的应用日益广泛，出现了如基于b p 神经网罗的边缘检测法、基于选择性多 分辨力k o h o n c n 网络的自适应灰度图像分割方法等。本课题主要对阈值法、 基于梯度的图像分割法和匹配法进行研究( 王茜倩等，2 0 0 3 ；张新峰，沈 例像分割 兰荪，2 0 0 4 ) 。 四、基于梯度的图像分割法 基于梯度的图像分割法是利用边界具有高梯度的性质把边缘找出来。 ( 一) k r i s c h 分割法 1 分水岭算法 图1 2 说明了分水岭方法的工作原理。假定图中的物体灰度值低，而背 景的灰度值高。该图显示了沿一条扫描线的灰度分布，该线穿过两个靠得很 近的物体。 k 惭俐一。饷恼卜 j f| 幽1 2 分水岭算法 f i g 1 2w a t e r - d i v i d ea l g o r i t h m 首先选一个较低的灰度值将图像阈值化。该灰度值把图像分割成正确数 目的物体，但是它们的边界偏向物体内部。然后将闽值以每次一个扶级的速 度增加。这样，物体的边界随着阈值的增加而扩展。当边界相互接触时，这 些物体并没有合并。这些初次接触的点变成了相邻物体间的最终边界。这个 过程在闽值达到背景的灰度级之前终止。这时，被分割的物体的边界已经正 确确定。 分水岭算法不是简单地将图像在最佳狄度级进行闽值处理，而是从一个 偏低但仍然能正确分割各个物体的阈值开始。随着阈值逐渐上升到最佳值， 使各个物体不会被合并( k e r r e t h r c a s t l e m a n ，2 0 0 2 ) 。 沈阳般业大学碘i j 学位论义 2 梯度图像阈值化 如果用适中的阈值对一幅梯度图像进行阈值化，将发现物体和背景内部 的点低于阀值，而大多数边缘点高于它。k r i s c