丁偉 王國(guó)宇 王寶鋒
摘要:水下環(huán)境復(fù)雜,水下攝像得到的圖像較為模糊。采集數(shù)據(jù)時(shí)會(huì)采集到大量不包含任何有用信息的數(shù)據(jù),噪聲影響更嚴(yán)重。壓縮感知理論提出,能用較低采樣率高概率重構(gòu)信號(hào)。為研究壓縮感知對(duì)水下圖像噪聲的抑制作用,采用OMP,SP,COSAMP不同貪婪重構(gòu)算法對(duì)水下圖像進(jìn)行不同采樣率重構(gòu)分析。實(shí)驗(yàn)結(jié)果表明,選取合適采樣率既可以以少量數(shù)據(jù)重構(gòu)圖像,又可以抑制水下噪聲,且OMP算法效果最好。
關(guān)鍵詞:壓縮感知; 水下圖像; 圖像重構(gòu); 圖像去噪
中圖分類號(hào):TN919?34 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1004?373X(2013)02?0019?03
0 引 言
隨著地球上人口的激增,陸上資源的不斷消耗,海洋逐漸成為人類賴以生存的發(fā)展新空間。人類在對(duì)海洋進(jìn)行探索發(fā)現(xiàn)時(shí),往往采取水下攝像的方式獲取有價(jià)值的信息。相機(jī)在處理過(guò)程中需要采集大量數(shù)據(jù),但經(jīng)過(guò)變換后只需存儲(chǔ)一小部分,大量不包含任何有用信息的冗余數(shù)據(jù)也被采集,這就對(duì)設(shè)備要求高,并且采集到的水下圖像噪聲的影響也會(huì)增大。
壓縮感知的方法可以直接獲取少量包含絕大部分目標(biāo)信息的數(shù)據(jù),經(jīng)過(guò)重構(gòu)得到需要的水下圖像。基于壓縮感知的圖像去噪方法,將圖像中的有用信息部分作為圖像中的稀疏成分,而將圖像中的噪聲作為圖像去除其中稀疏成分后得到的殘差,并以此作為圖像去噪處理的基礎(chǔ)。本文主要研究貪婪重構(gòu)算法系列對(duì)水下圖像有色噪聲的抑制作用[1]。
1 壓縮感知理論介紹
1.1 壓縮感知理論的提出
在日常生活中,人們接觸的信號(hào)大多數(shù)是模擬的,但是目前在信息處理過(guò)程中能處理的信號(hào)卻只能是數(shù)字化的,所以人們要得到信號(hào),首先就要進(jìn)行A/D轉(zhuǎn)換,即模擬/數(shù)字信號(hào)轉(zhuǎn)換。轉(zhuǎn)換過(guò)程主要包括采樣、壓縮、傳輸和解壓縮4個(gè)部分。
其中采樣過(guò)程必須滿足奈奎斯特采樣定理, 即采樣頻率大于等于模擬信號(hào)頻譜中最高頻率的2倍。然而隨著時(shí)代發(fā)展,人們對(duì)信息需求量逐漸增加,攜帶信息的信號(hào)帶寬越來(lái)越寬,所要求的處理速度和采樣速率越來(lái)越高,這就使得相應(yīng)的硬件條件難以實(shí)現(xiàn),給信號(hào)的轉(zhuǎn)換過(guò)程帶來(lái)巨大的壓力。是否能夠采用一種新的方法,在保證信息不損失的情況下,用遠(yuǎn)低于采樣定理要求的速率采樣信號(hào),又能恢復(fù)信號(hào),成為研究的熱點(diǎn)。
2006年由Donoho(美國(guó)科學(xué)院院士)、E Candes(Ridgelet,Curvelet創(chuàng)始人)及華裔科學(xué)家T Tao(陶哲軒,2006年菲爾茨獎(jiǎng)獲得者)在 IEEE Transactions on Information Theory上發(fā)為線性規(guī)劃的問題。
目前,由稀疏表示形成的重構(gòu)算法可粗略地歸納為以下3類: 主要包括最小l1范數(shù)法,貪婪算法,迭代閾值法及最小全變分法。由于迭代貪婪算具有低復(fù)雜度和簡(jiǎn)單幾何解釋的特點(diǎn),受到了重要的關(guān)注,其主要思想是通過(guò)迭代計(jì)算x的支撐獲得重構(gòu)。主要常用的有匹配追蹤MP算法(Matching Pursuit,MP)[5],正交匹配追蹤OMP算法((Orthogonal Matching Pursuit,OMP)[6],壓縮采樣匹配追蹤C(jī)OSAMP(Compressive Sampling Matching Pursuit)算法[7],子空間追蹤SP(Subspace Pursuit)算法[8]以及它們的改進(jìn)方法。
2 水下圖像特點(diǎn)
人類在對(duì)海洋進(jìn)行探索發(fā)現(xiàn)時(shí),往往采取水下攝像的方式獲取有價(jià)值的信息。水對(duì)光有強(qiáng)烈的衰減作用,衰減方式主要有水對(duì)光的選擇吸收和對(duì)光的散射2種[9]。其中水對(duì)光的散射,對(duì)水下成像影響極大。通常表現(xiàn)為使整個(gè)影像呈現(xiàn)霧化效果,且散射光影響影像襯度,使圖像對(duì)比度大幅度降低。此外,水體的流動(dòng),水中存在的微粒、浮游生物等,都使水下圖像的噪聲增強(qiáng),引起圖像質(zhì)量惡化,這為圖像處理工作帶來(lái)更多困難。
典型的水下圖像(非水槽內(nèi)圖像)有以下特點(diǎn)[10]:
(1)照明光由探照燈發(fā)出,為會(huì)聚光照明。成像光線的強(qiáng)弱分布呈現(xiàn)較大差異,以照明光最強(qiáng)點(diǎn)為中心,徑向逐漸減弱,反映到圖像上就是背景灰度不均;
(2)由于水體對(duì)光的吸收效應(yīng)、散射效應(yīng)和卷積效應(yīng)使得水下圖像產(chǎn)生較嚴(yán)重的非均勻亮度和細(xì)節(jié)模糊,而且圖像信噪比很低,圖像對(duì)比度顯著變差;
(3)不良的照明條件使水下圖像出現(xiàn)假細(xì)節(jié),如自陰影,假輪廓等。
參考文獻(xiàn)
[1] 尹忠科,解梅,王建英.基于稀疏分解的圖像去噪[J].電子科技大學(xué)學(xué)報(bào),2006,35(6):876?878.
[2] CANDES E, ROMBERG J, Tao T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information [J]. IEEE Transactions on Information Theory, 2006, 52(2): 489?509.
[3] BARANIUK R G.Compressive sensing [J]. IEEE Signal processing Magazine, 2007 (4): 118?120.
[4] CANDES E J,TAO T. Decoding by linear programming [J]. IEEE Trans. on Information Theory, 2005, 51(12): 4203? 4215.
[5] MALLAT S,ZHANG Z.Matching pursuit in a time: frequency dictionary [J]. IEEE Trans. on Signal Processing, 1993, 41(12): 3397?3415.
[6] TROPP J, GILBERT A.Signal recovery from random measurements via orthogonal matching pursuit [J]. IEEE Transactions on Information Theory, 2007, 53(12): 4655?4666.
[7] NEEDELL D, TROPP J A.CoSaMP:iterative signal recovery from incomplete and inaccurate samples [J]. Appl. and Comp Harm. Analysis, 2009, 26(3): 301?321.
[8] DAI W, MILENKOVIC O.Subspace pursuit for compressive Sensing signal reconstruction [J]. IEEE Trans. on Information Theory, 2009, 55(5): 2230?2249.
[9] 孫傳東,陳良益,高立民,等.水的光學(xué)特性及其對(duì)水下成像的影響[J].應(yīng)用光學(xué),2000,21(4):39?46.
[10] 何煒.基于 Daubechies 小波的水下圖像去噪方法研究[D].哈爾濱:哈爾濱工程大學(xué),2006.