水图像预处理技术研究

时间：2024-09-03

哈尔滨石油学院孙玲逯柳张旭

水图像预处理技术研究

哈尔滨石油学院孙玲逯柳张旭

我国是一个拥有着1.8万公里的海岸线和300万平方公里的海洋国土的海洋大国，随着人们对海洋的开发和探索不断加深，水图像预处理技术已经越来越受到人们的关注。基于水环境的复杂性和水图像的特殊性，对水图像预处理中的灰度处理、图像去噪、图像增强进行分析，并对各个阶段相关方法进行研究和总结。使用MATLAB软件可以对水图像预处理进行仿真对比实验，验证改进后算法的优越性，对于水图像后续的识别和处理具有重要的意义。

水图像；预处理；图像去噪

引言

我国是一个拥有着1.8万公里的海岸线和300万平方公里的海洋国土的海洋大国,因此海洋技术的发展对我国的经济和军事方面都有着重要的意义。随着人们对海洋的开发和不断探索,水下探测技术已经在水下数据采集、污染监测和鱼群探测等领域发挥着重要的作用。而水图像是获取水下信息的重要手段之一。[1]目前水图像处理技术已经越来越受到人们的关注。水图像具有特殊的性质,光在水下传播的衰减会造成图像背景模糊。水环境比较复杂,如水中悬浮物的存在会影响水下图像的光照、对比度,同时还会产生大量的噪声。这些都给水图像的获取带来了很大的困难。因此,水图像预处理对于后续识别和处理具有重要的意义。

1 水图像预处理技术

图像预处理又可称为图像的纠正和重建,其目的是为了削弱或去除图像中不需要的噪声或其他信息,并按照需要突出感兴趣的区域。在水图像的获取中产生许多干扰和噪声污染,采用图像预处理技术对低质量水图像进行处理,消除水图像的噪声,保留水图像的边缘和特征并增强图像。图像预处理的过程也是提高水图像质量的过程。借助于图像处理技术,对水图像进行灰度处理、去噪、强化操作。其中,图像去噪和强化是图像预处理技术中非常重要的部分。图像去噪是针对水图像的光照问题和噪声污染进行改善;图像强化则是削弱图像中的不必要信息,突出显示其重要信息。通过图像预处理的相关技术,使处理后的水图像成为一种更适宜人和计算机进行识别分析的图像,并为后续的处理提供方便。

1.1 灰度

水图像预处理中首先增强水图像的对比度,实现水图像的清晰化处理。由于水下存在大量的微生物,增加了光的吸收和散射作用,使水图像对比度低,轮廓显示模糊。因此,不能采用简单的将R、G、B彩色水图像转换成1个字节灰度图像的灰度化处理方法,这样将会导致水图像数据丢失严重。针对彩色水图像,应先将RGB水图像转换为YUV图像。通过以下公式实现:

YUV是一种用于电视系统的颜色编码,其中“Y”表示明亮度(Luminance或Luma),也就是灰阶值;而“U”和“V”表示的则是色度(Chrominance或Chroma)。只考虑Y分量,忽略U、V分量,就可以把图像看作灰度图像,从而实现水图像的灰度化。为了增强原彩色图像的对比度,仅对“Y”分量进行处理。“Y”分量进行去噪、强化后使用公式(2)实现从YUV图像到RGB彩色图像的转化:

RGB图像和YUV图像的相互转换可以通过MATLAB编程实现。

1.2 去噪

水图像的预处理阶段最主要的工作之一是图像去噪。通过抑制或消除噪声的方法而改善图像质量的过程称为图像平滑(smoothing)。图像的灰度值突变在频域中代表了一种高频分量,而噪声一般都是高频信息,图像平滑是去掉图像中的高频信息,降低图像的灰度值突变,使图像变得比较平滑,同时也使图像变得模糊。因此,一个较好的去噪算法是既能去除噪声又能保护图像的边缘轮廓——即保边去噪。保护边缘轮廓是设法保留或突出图像的特征,去噪是设法去除高频信息而减少噪声干扰,这两者是互相影响互相矛盾的。尤其对于复杂水环境的水图像由于边缘像素较少,保边去噪是关键。图像噪声一般有两种,一种是椒盐噪声即噪声点与它周围像素点之间的强度存在着较大差异,在图像分布中常常体现于最亮端和最暗端,如呈现黑色——白色颗粒状点;另一种是高斯噪声即概率密度函数服从高斯分布的一种噪声。对于不同的噪声采用不同的方法去噪,下面将详细介绍具体的去噪算法。

1.2.1 椒盐噪声

椒盐噪声是极端噪声,它的存在会大大降低图像的质量,破坏图像的细节,对后续水图像的识别工作造成困难。最早提出的一种有效去除椒盐噪声的算法是中值滤波。中值滤波(Median Filter)是一类基于统计排序理论的非线性滤波方法,基本原理是设计一定大小的窗口(滤波模板)在图像中滑动,首先对图像在窗口中涉及到的所有像素点的灰度值进行排序,当像素点为奇数,取其中间值作为灰度值;如果像素点为偶数,取最中间两个点的平均值作为灰度值。[2]通过这种方法消除孤立的噪声点,实现图像的平滑去噪。其中,选择滤波窗口的大小直接影响去噪的效果。中值滤波过程中一般使用3、5、7作为滤波模板。目前已经有很多去除椒盐噪声的方法:董继扬、张军英提出一种改进的中值滤波算法。算法思想是通过设置灰度值的区间范围[δ,255-δ]将噪声点和信号点区分开。该算法简单、有效,易于实现。中值滤波器是基于次序统计完成信号回复的一种典型的非线性滤波器,只能对灰度图像进行处理,既能有效的去除椒盐噪声,又能保护图像细节。贺长伟等提出了一种改进的多级中值滤波算法,利用滤波窗口中HH、HL、LH、LL四个方向中最大最小值之差作为判别平滑或边缘区域的条件,该算法在保护图像细节方面更具优势。孙树亮提出改进的中值滤波,该算法是采用多条件鉴别噪声点和信号点。[3]严格噪声点的判断条件减少伪噪声的产生,同时,信号点的中值计算排除噪声点获得。中值滤波不但能够有效的抑制椒盐噪声,而且对图像边缘的处理效果也较好。由于中值滤波的原理简单,运算快捷,图像处理的速度也较快。但同时也存在着不足,中值滤波对另一种噪声—高斯噪声的处理效果并不佳。

1.2.2 高斯噪声

中值滤波对高斯噪声的抑制效果不明显,这是由于高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样选择数据,得到的始终还是被污染的值。小波变换是空间和频率的局部变换,它使得图像的去噪不仅局限于空域和频域,还扩展到了小波域上。小波去噪是利用小波变换的特性将图像信号与噪声信号分幵,最早是由Mallat提出的。[4]小波去噪选取适当的小波函数对信号进行分解,在通过设置阈值进行滤波处理。Donoho和Johnstone还提出了硬、软阈值的去噪方法。其中,阈值δ的选取至关重要,过小会影响去噪效果,过大会导致有用信息的丢失。阈值函数则体现在小波系数的处理方法上。范宇等讨论了基于非线性算子的提升小波变换,运用基于阈值的小波域去嗓方法。并使用“软阈值化”和“硬阈值化”两种方法进行小波系数缩减。该算法通过数值仿真验证基于中位数的提升小波对高斯噪声的去噪性能较佳。小波去噪的关键就是在去除噪声的同时又能保留有用的高频信息。形态小波(Morphological Wavelets)是基于数学形态学的非线性特征及其在图像的形状形态分解上的可完全重构和无冗余的描述方法。[5]形态小波作为一种非线性的分解方法,同时也是小波理论非线性扩展研究的一个方向。通过形态小波变换,可以描述图像的形状形态特征,显示图像的边缘细节。基于形态小波理论石红等提出一种将中点滤波器应用于海洋声呐图像的去噪方法。该方法去噪性能优于现有的小波去噪方法,同时保边效果突出。

1.2.3 总结

对于椒盐噪声使用中值滤波去燥效果较好,通过改进的中值滤波不但可以有效去除椒盐噪声,还可以保留图像的边缘细节,但中值滤波对高斯噪声的去噪效果差强人意。而对于高斯噪声由于噪声点分布的概率比较稳定,使用小波阈值法去噪效果比较明显,结合形态小波理论对水图像的去噪效果极佳。图像去噪效果可以采用Matlab软件进行模拟实验。Matlab软件是把图像作为二维数据矩阵进行处理。它具有专门图像处理工具箱用于图像的预处理操作。图像处理工具箱是由一系列支持图像处理操作的函数组成,可以进行图像分析、图像变换、滤波器设计、图像增强、形态学处理等图像处理操作。

2 增强

图像增强(image enhancement)又称图像锐化就是对图像中的轮廓边缘以及特征信息进行强化,增强灰度在边缘处的对比度,从而便于分析轮廓等信息。图像增强使模糊的图像变得更加清晰,图像的质量有所改善,成为更适合人眼观察和识别的图像。图像增强主要是影响图像中的低频分量,对图像中的高频分量不起作用。图像增强算法可分成两大类频率域法和空间域法。前者把图像看成一种二维信号对其进行基于二维傅里叶变换的信号增强。基于空域的算法处理时直接对图像灰度级做运算。采用直方图处理使图像灰度近似服从均匀分布、明暗分明,改善了原始图像的视觉效果。在MATLAB中,histeq函数可以实现直方图均衡化。图像增强是一种使图像边缘更为清晰的方法,可以理解为图像平滑的反过程。在图像增强的过程中,图像的细节信息会变的明显,轮廓会变的清晰,但图像包含较多噪声时,通过图像增强处理后的噪声信息也会被放大,从而影响原图像信息的获取。所以在进行图像增强时要先尽可能的去除噪声点,这样才能保证图像的边缘、轮廓以及图像的细节变得清晰。

3 总结

由于水下环境的复杂性使水图像存在的特殊性,已经越来越多的人去关注水下图像处理。本文介绍水下图像预处理的研究成果,迄今为止使用多种改进算法尝试最大限度的限制噪声,并保留水图像的完整信息。对于水图像识别具有重要意义。但现今的研究还比较有限,随着更加深入的研究,算法的不断改进,使水图像处理技术更加成熟。

［1］韩涛.水下图像预处理技术研究［D］.北京:中国石油大学,2010.

［2］S J Ko,Y H Lee.Center Weighted Median Fihers and Their Applications to Image Enhancement［J］.IEEE Trans on Circuits and Systems,1991.

［3］孙树亮,王守觉.一种基于改进的极值中值滤波算法［J］.计算机科学,2009.

［4］Mallat S,Hwang W L.Singularity detection and processing with wavelets［J］.IEEE Transactions on Information Theory,1992.

［5］石红,赵春晖,沈郑燕.结合非线性滤波器的形态小波域声呐图像去噪［J］.哈尔滨工程大学学报,2010.

图1 智能家居安防系统结构图

2.2.3 智能家居安防系统具体流程

本系统选用普通的i5处理器作为上位机处理器。门、窗节点布置热释电红外传感器感知有无人员闯入,传感器信息实时通过以太网传输给上位机。当有人闯入时,摄像头立即拍摄照片传输给上位机,上位机规划出一条最优移动路径。然后通过无线蓝牙将路径信息发送给移动机器人,使其沿着路径快速准确的移动到被触发的节点处。移动机器人上具有人脸识别功能,可对入侵者人脸判断,并且搭载了基于GSM模块文字传输功能与基于3G/4G网络的图像传输功能,可使房主通过互联的移动端实现视频监控与拍摄,及时了解家居情况,对家居安全情况做出正确的判断。为了延缓入侵目标实施犯罪行为,移动机器人搭载了二自由度舵机云台,云台上装有红外传感器和热释电红外传感器实现对人体的精确定位,根据移动端命令传输可进行声光报警、语音恐吓,必要时对目标进行喷水攻击。高度灵活的机器人可实时跟踪目标拍摄。此外,车体装载红外避障传感器,可以实现机器人自主避障,躲避攻击,从而保护机器人移动过程中不被家居碰撞和被侵入目标攻击(如图1所示)。