哈爾濱石油學(xué)院 孫 玲 逯 柳 張 旭

水圖像預(yù)處理技術(shù)研究

哈爾濱石油學(xué)院 孫 玲 逯 柳 張 旭

我國是一個擁有著1.8萬公里的海岸線和300萬平方公里的海洋國土的海洋大國，隨著人們對海洋的開發(fā)和探索不斷加深，水圖像預(yù)處理技術(shù)已經(jīng)越來越受到人們的關(guān)注?；谒h(huán)境的復(fù)雜性和水圖像的特殊性，對水圖像預(yù)處理中的灰度處理、圖像去噪、圖像增強進行分析，并對各個階段相關(guān)方法進行研究和總結(jié)。使用MATLAB軟件可以對水圖像預(yù)處理進行仿真對比實驗，驗證改進后算法的優(yōu)越性，對于水圖像后續(xù)的識別和處理具有重要的意義。

水圖像；預(yù)處理；圖像去噪

引言

我國是一個擁有著1.8萬公里的海岸線和300萬平方公里的海洋國土的海洋大國,因此海洋技術(shù)的發(fā)展對我國的經(jīng)濟和軍事方面都有著重要的意義。隨著人們對海洋的開發(fā)和不斷探索,水下探測技術(shù)已經(jīng)在水下數(shù)據(jù)采集、污染監(jiān)測和魚群探測等領(lǐng)域發(fā)揮著重要的作用。而水圖像是獲取水下信息的重要手段之一。[1]目前水圖像處理技術(shù)已經(jīng)越來越受到人們的關(guān)注。水圖像具有特殊的性質(zhì),光在水下傳播的衰減會造成圖像背景模糊。水環(huán)境比較復(fù)雜,如水中懸浮物的存在會影響水下圖像的光照、對比度,同時還會產(chǎn)生大量的噪聲。這些都給水圖像的獲取帶來了很大的困難。因此,水圖像預(yù)處理對于后續(xù)識別和處理具有重要的意義。

1 水圖像預(yù)處理技術(shù)

圖像預(yù)處理又可稱為圖像的糾正和重建,其目的是為了削弱或去除圖像中不需要的噪聲或其他信息,并按照需要突出感興趣的區(qū)域。在水圖像的獲取中產(chǎn)生許多干擾和噪聲污染,采用圖像預(yù)處理技術(shù)對低質(zhì)量水圖像進行處理,消除水圖像的噪聲,保留水圖像的邊緣和特征并增強圖像。圖像預(yù)處理的過程也是提高水圖像質(zhì)量的過程。借助于圖像處理技術(shù),對水圖像進行灰度處理、去噪、強化操作。其中,圖像去噪和強化是圖像預(yù)處理技術(shù)中非常重要的部分。圖像去噪是針對水圖像的光照問題和噪聲污染進行改善;圖像強化則是削弱圖像中的不必要信息,突出顯示其重要信息。通過圖像預(yù)處理的相關(guān)技術(shù),使處理后的水圖像成為一種更適宜人和計算機進行識別分析的圖像,并為后續(xù)的處理提供方便。

1.1 灰度

水圖像預(yù)處理中首先增強水圖像的對比度,實現(xiàn)水圖像的清晰化處理。由于水下存在大量的微生物,增加了光的吸收和散射作用,使水圖像對比度低,輪廓顯示模糊。因此,不能采用簡單的將R、G、B彩色水圖像轉(zhuǎn)換成1個字節(jié)灰度圖像的灰度化處理方法,這樣將會導(dǎo)致水圖像數(shù)據(jù)丟失嚴重。針對彩色水圖像,應(yīng)先將RGB水圖像轉(zhuǎn)換為YUV圖像。通過以下公式實現(xiàn):

YUV是一種用于電視系統(tǒng)的顏色編碼,其中“Y”表示明亮度(Luminance或Luma),也就是灰階值;而“U”和“V”表示的則是色度(Chrominance或Chroma)。只考慮Y分量,忽略U、V分量,就可以把圖像看作灰度圖像,從而實現(xiàn)水圖像的灰度化。為了增強原彩色圖像的對比度,僅對“Y”分量進行處理?！癥”分量進行去噪、強化后使用公式(2)實現(xiàn)從YUV圖像到RGB彩色圖像的轉(zhuǎn)化:

RGB圖像和YUV圖像的相互轉(zhuǎn)換可以通過MATLAB編程實現(xiàn)。

1.2 去噪

水圖像的預(yù)處理階段最主要的工作之一是圖像去噪。通過抑制或消除噪聲的方法而改善圖像質(zhì)量的過程稱為圖像平滑(smoothing)。圖像的灰度值突變在頻域中代表了一種高頻分量,而噪聲一般都是高頻信息,圖像平滑是去掉圖像中的高頻信息,降低圖像的灰度值突變,使圖像變得比較平滑,同時也使圖像變得模糊。因此,一個較好的去噪算法是既能去除噪聲又能保護圖像的邊緣輪廓——即保邊去噪。保護邊緣輪廓是設(shè)法保留或突出圖像的特征,去噪是設(shè)法去除高頻信息而減少噪聲干擾,這兩者是互相影響互相矛盾的。尤其對于復(fù)雜水環(huán)境的水圖像由于邊緣像素較少,保邊去噪是關(guān)鍵。圖像噪聲一般有兩種,一種是椒鹽噪聲即噪聲點與它周圍像素點之間的強度存在著較大差異,在圖像分布中常常體現(xiàn)于最亮端和最暗端,如呈現(xiàn)黑色——白色顆粒狀點;另一種是高斯噪聲即概率密度函數(shù)服從高斯分布的一種噪聲。對于不同的噪聲采用不同的方法去噪,下面將詳細介紹具體的去噪算法。

1.2.1 椒鹽噪聲

椒鹽噪聲是極端噪聲,它的存在會大大降低圖像的質(zhì)量,破壞圖像的細節(jié),對后續(xù)水圖像的識別工作造成困難。最早提出的一種有效去除椒鹽噪聲的算法是中值濾波。中值濾波(Median Filter)是一類基于統(tǒng)計排序理論的非線性濾波方法,基本原理是設(shè)計一定大小的窗口(濾波模板)在圖像中滑動,首先對圖像在窗口中涉及到的所有像素點的灰度值進行排序,當像素點為奇數(shù),取其中間值作為灰度值;如果像素點為偶數(shù),取最中間兩個點的平均值作為灰度值。[2]通過這種方法消除孤立的噪聲點,實現(xiàn)圖像的平滑去噪。其中,選擇濾波窗口的大小直接影響去噪的效果。中值濾波過程中一般使用3、5、7作為濾波模板。目前已經(jīng)有很多去除椒鹽噪聲的方法:董繼揚、張軍英提出一種改進的中值濾波算法。算法思想是通過設(shè)置灰度值的區(qū)間范圍[δ,255-δ]將噪聲點和信號點區(qū)分開。該算法簡單、有效,易于實現(xiàn)。中值濾波器是基于次序統(tǒng)計完成信號回復(fù)的一種典型的非線性濾波器,只能對灰度圖像進行處理,既能有效的去除椒鹽噪聲,又能保護圖像細節(jié)。賀長偉等提出了一種改進的多級中值濾波算法,利用濾波窗口中HH、HL、LH、LL四個方向中最大最小值之差作為判別平滑或邊緣區(qū)域的條件,該算法在保護圖像細節(jié)方面更具優(yōu)勢。孫樹亮提出改進的中值濾波,該算法是采用多條件鑒別噪聲點和信號點。[3]嚴格噪聲點的判斷條件減少偽噪聲的產(chǎn)生,同時,信號點的中值計算排除噪聲點獲得。中值濾波不但能夠有效的抑制椒鹽噪聲,而且對圖像邊緣的處理效果也較好。由于中值濾波的原理簡單,運算快捷,圖像處理的速度也較快。但同時也存在著不足,中值濾波對另一種噪聲—高斯噪聲的處理效果并不佳。

1.2.2 高斯噪聲

中值濾波對高斯噪聲的抑制效果不明顯,這是由于高斯噪聲使用隨機大小的幅值污染所有的點,因此無論怎樣選擇數(shù)據(jù),得到的始終還是被污染的值。小波變換是空間和頻率的局部變換,它使得圖像的去噪不僅局限于空域和頻域,還擴展到了小波域上。小波去噪是利用小波變換的特性將圖像信號與噪聲信號分幵,最早是由Mallat提出的。[4]小波去噪選取適當?shù)男〔ê瘮?shù)對信號進行分解,在通過設(shè)置閾值進行濾波處理。Donoho和Johnstone還提出了硬、軟閾值的去噪方法。其中,閾值δ的選取至關(guān)重要,過小會影響去噪效果,過大會導(dǎo)致有用信息的丟失。閾值函數(shù)則體現(xiàn)在小波系數(shù)的處理方法上。范宇等討論了基于非線性算子的提升小波變換,運用基于閾值的小波域去嗓方法。并使用“軟閾值化”和“硬閾值化”兩種方法進行小波系數(shù)縮減。該算法通過數(shù)值仿真驗證基于中位數(shù)的提升小波對高斯噪聲的去噪性能較佳。小波去噪的關(guān)鍵就是在去除噪聲的同時又能保留有用的高頻信息。形態(tài)小波(Morphological Wavelets)是基于數(shù)學(xué)形態(tài)學(xué)的非線性特征及其在圖像的形狀形態(tài)分解上的可完全重構(gòu)和無冗余的描述方法。[5]形態(tài)小波作為一種非線性的分解方法,同時也是小波理論非線性擴展研究的一個方向。通過形態(tài)小波變換,可以描述圖像的形狀形態(tài)特征,顯示圖像的邊緣細節(jié)?；谛螒B(tài)小波理論石紅等提出一種將中點濾波器應(yīng)用于海洋聲吶圖像的去噪方法。該方法去噪性能優(yōu)于現(xiàn)有的小波去噪方法,同時保邊效果突出。

1.2.3 總結(jié)

對于椒鹽噪聲使用中值濾波去燥效果較好,通過改進的中值濾波不但可以有效去除椒鹽噪聲,還可以保留圖像的邊緣細節(jié),但中值濾波對高斯噪聲的去噪效果差強人意。而對于高斯噪聲由于噪聲點分布的概率比較穩(wěn)定,使用小波閾值法去噪效果比較明顯,結(jié)合形態(tài)小波理論對水圖像的去噪效果極佳。圖像去噪效果可以采用Matlab軟件進行模擬實驗。Matlab軟件是把圖像作為二維數(shù)據(jù)矩陣進行處理。它具有專門圖像處理工具箱用于圖像的預(yù)處理操作。圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成,可以進行圖像分析、圖像變換、濾波器設(shè)計、圖像增強、形態(tài)學(xué)處理等圖像處理操作。

2 增強

圖像增強(image enhancement)又稱圖像銳化就是對圖像中的輪廓邊緣以及特征信息進行強化,增強灰度在邊緣處的對比度,從而便于分析輪廓等信息。圖像增強使模糊的圖像變得更加清晰,圖像的質(zhì)量有所改善,成為更適合人眼觀察和識別的圖像。圖像增強主要是影響圖像中的低頻分量,對圖像中的高頻分量不起作用。圖像增強算法可分成兩大類頻率域法和空間域法。前者把圖像看成一種二維信號對其進行基于二維傅里葉變換的信號增強?；诳沼虻乃惴ㄌ幚頃r直接對圖像灰度級做運算。采用直方圖處理使圖像灰度近似服從均勻分布、明暗分明,改善了原始圖像的視覺效果。在MATLAB中,histeq函數(shù)可以實現(xiàn)直方圖均衡化。圖像增強是一種使圖像邊緣更為清晰的方法,可以理解為圖像平滑的反過程。在圖像增強的過程中,圖像的細節(jié)信息會變的明顯,輪廓會變的清晰,但圖像包含較多噪聲時,通過圖像增強處理后的噪聲信息也會被放大,從而影響原圖像信息的獲取。所以在進行圖像增強時要先盡可能的去除噪聲點,這樣才能保證圖像的邊緣、輪廓以及圖像的細節(jié)變得清晰。

3 總結(jié)

由于水下環(huán)境的復(fù)雜性使水圖像存在的特殊性,已經(jīng)越來越多的人去關(guān)注水下圖像處理。本文介紹水下圖像預(yù)處理的研究成果,迄今為止使用多種改進算法嘗試最大限度的限制噪聲,并保留水圖像的完整信息。對于水圖像識別具有重要意義。但現(xiàn)今的研究還比較有限,隨著更加深入的研究,算法的不斷改進,使水圖像處理技術(shù)更加成熟。

［1］韓濤.水下圖像預(yù)處理技術(shù)研究［D］.北京:中國石油大學(xué),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］孫樹亮,王守覺.一種基于改進的極值中值濾波算法［J］.計算機科學(xué),2009.

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

［5］石紅,趙春暉,沈鄭燕.結(jié)合非線性濾波器的形態(tài)小波域聲吶圖像去噪［J］.哈爾濱工程大學(xué)學(xué)報,2010.

圖1 智能家居安防系統(tǒng)結(jié)構(gòu)圖

2.2.3 智能家居安防系統(tǒng)具體流程

本系統(tǒng)選用普通的i5處理器作為上位機處理器。門、窗節(jié)點布置熱釋電紅外傳感器感知有無人員闖入,傳感器信息實時通過以太網(wǎng)傳輸給上位機。當有人闖入時,攝像頭立即拍攝照片傳輸給上位機,上位機規(guī)劃出一條最優(yōu)移動路徑。然后通過無線藍牙將路徑信息發(fā)送給移動機器人,使其沿著路徑快速準確的移動到被觸發(fā)的節(jié)點處。移動機器人上具有人臉識別功能,可對入侵者人臉判斷,并且搭載了基于GSM模塊文字傳輸功能與基于3G/4G網(wǎng)絡(luò)的圖像傳輸功能,可使房主通過互聯(lián)的移動端實現(xiàn)視頻監(jiān)控與拍攝,及時了解家居情況,對家居安全情況做出正確的判斷。為了延緩入侵目標實施犯罪行為,移動機器人搭載了二自由度舵機云臺,云臺上裝有紅外傳感器和熱釋電紅外傳感器實現(xiàn)對人體的精確定位,根據(jù)移動端命令傳輸可進行聲光報警、語音恐嚇,必要時對目標進行噴水攻擊。高度靈活的機器人可實時跟蹤目標拍攝。此外,車體裝載紅外避障傳感器,可以實現(xiàn)機器人自主避障,躲避攻擊,從而保護機器人移動過程中不被家居碰撞和被侵入目標攻擊(如圖1所示)。

3 結(jié)語

隨著智能家居與機器人技術(shù)的提高,它們逐漸走進人們的生活。為了提高安全防范意識,一種新型的智能家居安防系統(tǒng)的研發(fā)具有重要的實際意義。本系統(tǒng)具有自主導(dǎo)航和自主移動性強的特點,功能多樣化、技術(shù)先進,可實現(xiàn)對無人的房屋內(nèi)財產(chǎn)進行全面保護,其市場和潛在經(jīng)濟效益是巨大的。

參考文獻

［1］盧艷爽.水面無人艇路徑規(guī)劃算法研究［D］.哈爾濱工程大學(xué)碩士學(xué)位論文.

［2］王鈺明.智能四驅(qū)車輛分動器力學(xué)特性與性能分析研究［D］.安徽農(nóng)業(yè)大學(xué)學(xué)士學(xué)位論文.

［3］張倩.差動式移動機器人的運動性能分析［D］.河北工業(yè)大學(xué)碩士學(xué)位論文.

黑龍江省教育廳科研項目（科研號：12543037）。