丁家琳

摘 要：運(yùn)用信噪比峰值法、全局質(zhì)量指標(biāo)計(jì)算法、平均結(jié)構(gòu)化相似度指標(biāo)以及隔行隔列的序貫相似性檢測(cè)算法對(duì)圖像進(jìn)行處理，再通過(guò)非線性過(guò)濾的方法對(duì)圖片進(jìn)行進(jìn)一步的除雜。通過(guò)觀察圖像頻譜中的噪聲分布，根據(jù)噪聲點(diǎn)的在頻率域的分布情況，本文選用合適的濾波器來(lái)過(guò)濾圖像中的噪聲。通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比，基于隔行隔列的序貫相似性檢測(cè)算法能夠有效的降低圖像噪聲，同時(shí)更好的提高了圖像的準(zhǔn)確度和清晰化效果。

關(guān)鍵詞：視覺(jué)感覺(jué)模型;圖片的差異值;圖片的特征值分解;非線性處理;模板匹配

中圖分類號(hào)：TP751

文獻(xiàn)標(biāo)志碼：A

1 圖片的特征值分解法

1.1 圖像的特征值矩陣表示

對(duì)于能夠表征一幅圖片的信息參數(shù)有很多，如：灰度、對(duì)比度、清晰度等;但要想清晰的重建圖片，僅僅依靠這些參量是遠(yuǎn)遠(yuǎn)不夠的，下面我們將介紹一種圖片特征值分解法，通過(guò)分解出的特殊矩陣來(lái)表示失真圖片和相關(guān)圖片中的主要信息，進(jìn)而可以計(jì)算出兩圖片的差異值。圖片的信息可以用矩陣的形式來(lái)表示，每個(gè)矩陣A都可以被分解成三個(gè)矩陣的乘積。

A=MPN^T，M^TM=E ，N^TN =E （1）

p =diag（rl ，r2 ，r3，……r_n） （2）

其中E為單位矩陣，p為由一組A的特征值構(gòu)成的對(duì)角矩陣，其中M的列向量為A的左特征矢量，N的列向量為A的右特征矢量，這種分解就是A的特征值分解。

1.2 失真圖像與相關(guān)圖像的差異值計(jì)算

我們先將圖片的亮度信息和色彩信息區(qū)分開(kāi)來(lái)，提取出圖片的主要亮度域值P和兩種色度域值M、N，對(duì)于這張采集到的256×256K的圖片，我們首先將其劃分成16×16K的像素模塊，通過(guò)視覺(jué)測(cè)量，在失真圖片與相關(guān)圖片所劃分出來(lái)的模塊上分別取相對(duì)應(yīng)的n個(gè)點(diǎn)，每一點(diǎn)處都有一個(gè)唯一的特征值P，令聲p_i表示在相關(guān)圖片上i點(diǎn)處的特征值，p_i表示在失真圖像上i點(diǎn)處的特征值，通過(guò)計(jì)算兩變量之間的差異度來(lái)將失真圖像逐步向相關(guān)圖像逼近.

其中，n為模塊尺寸，k為整個(gè)圖片的尺寸，則公式（4）表示整個(gè)圖片的視覺(jué)測(cè)量結(jié)果。

2 圖片的非線性處理

2.1 基于人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)的全局灰度值計(jì)算

當(dāng)下已經(jīng)獲得了每個(gè)像素的平均亮度值，那么其局部的對(duì)比度值也可以計(jì)算出來(lái)，基于對(duì)數(shù)函數(shù)的非線性處理過(guò)程首先被提出用于模仿人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)，所以為了提高估測(cè)模塊像素灰度值的精確性，我們用人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)理論對(duì)上述公式進(jìn)行進(jìn)一步完善

L*（x，y）[1]表示在全局系統(tǒng)中，基于人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)理論在（x，y）點(diǎn)處得到的真實(shí)亮度值。

2.2 基于人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)的局部灰度值計(jì)算

往往對(duì)于一幅獲取到的圖片是由若干個(gè)小模塊組成，在局部測(cè)量系統(tǒng)中，基于人類視覺(jué)系統(tǒng)的神經(jīng)反應(yīng)理論在（x，y）點(diǎn)處，對(duì)某一個(gè)k×k像素的模塊求真實(shí)亮度值的平均值La*（x，y）。

La*（x，y）=ln（1+La（x，y）/Lh）（6）

其中，Lh為0.4cd每平方米。

通過(guò)將全局測(cè)量法得到的L*（x，y）同局部測(cè)量法得到的La*（x，y）與收集到的相關(guān)圖片材料進(jìn)行比對(duì)，則可以得到在圖像處理過(guò)程中采用局部測(cè)量法要優(yōu)越于全局測(cè)量法。

3 圖片的噪聲處理法（二維傅里葉變換）

從外界獲取到的圖片清晰度很低的主要原因還有噪聲的引入，大氣中的湍流現(xiàn)象，空氣中的灰塵、煙霧等都是致使圖片模糊的嚴(yán)重影響因素。噪聲類型和分布的不同會(huì)導(dǎo)致不同的除噪方法，往往外界因素中的噪聲因素包含椒鹽噪聲、高斯噪聲、指數(shù)噪聲等等。下面將對(duì)普遍存在于圖片中的椒鹽噪聲和高斯噪聲的處理進(jìn)行討論。

3.2 圖像的頻域譜噪聲分布情況分析

將獲取到的圖片轉(zhuǎn)化到頻率域之后，通過(guò)對(duì)頻率域圖像中的噪聲點(diǎn)的分布情況進(jìn)行分析：

口表示JPEG，△表示JPEG2000，O表示高斯模糊，◇表示高斯噪聲，×表示銳化，+表示余弦轉(zhuǎn)換

結(jié)果表明：有M-SVD的方法對(duì)圖像進(jìn)行信息提取和清晰化處理的效果要遠(yuǎn)遠(yuǎn)優(yōu)于MSSIM[2]，UQI[3]以及PSNR[4]技術(shù)。

3.3 使用濾波器除噪聲

通過(guò)圖像的噪聲污染情況，如高斯噪聲、椒鹽噪聲等，我們可以應(yīng)用中值濾波器，最大值濾波器等來(lái)進(jìn)行噪聲處理

對(duì)于高斯噪聲，為了提高圖片的清晰度，我們可以使用中點(diǎn)濾波器，中點(diǎn)濾波器能夠簡(jiǎn)單地計(jì)算濾波器包圍區(qū)域中最大值和最小值之間的中點(diǎn)。其具體的處理方法即中點(diǎn)濾波器的濾波：

有利于過(guò)濾掉圖像中的較暗點(diǎn)，若運(yùn)用最小值濾波器，則要求圖像的鹽粒噪聲含量很低，若胡椒噪聲和鹽粒噪聲含量相當(dāng)時(shí)，最大值濾波器與最小值濾波器可以配合使用以使得圖像中的噪聲降至最低。

同樣，根據(jù)噪聲點(diǎn)在圖像頻譜中的高低頻域段的分布情況也可選擇性的采用高低通濾波器或帶通濾波器對(duì)噪聲進(jìn)行過(guò)濾。

4 模板匹配法——隔行隔列的序貫相似性檢測(cè)的算法

4.1 隔行隔列的閾值自適應(yīng)序貫相似性檢測(cè)算法

在傳統(tǒng)的序貫相似性檢測(cè)算法的基礎(chǔ)上，在這里我們提出一種閾值自適應(yīng)算法。首先，設(shè)置初始閾值和初始配準(zhǔn)點(diǎn)。可將點(diǎn)（O，O）設(shè)置配準(zhǔn)的，同時(shí)可以設(shè)置一個(gè)較大的數(shù)值作為閾值f（n）。然后，進(jìn)行使色標(biāo)模板圖與待配準(zhǔn)原圖之間相似測(cè)度的相關(guān)運(yùn)算在待配準(zhǔn)原圖的每個(gè)像素點(diǎn)上。根據(jù)色標(biāo)模板圖T和搜索子圖S的相似測(cè)度，有如下公式：

D（i，j）表示被測(cè)子圖與模板的不匹配程度，D（i，j）越小，則被測(cè)子圖與模板的信息內(nèi)容越相近。

4.2 實(shí)驗(yàn)驗(yàn)證

采用傳統(tǒng)的模板配準(zhǔn)算法、固定閾值的序貫相似性檢測(cè)算法、自適應(yīng)閾值的序貫相似性檢測(cè)算法、以及隔行隔列的閾值自適應(yīng)序貫相似性檢測(cè)算法分別進(jìn)行配準(zhǔn)雖均能成功配準(zhǔn)，但耗時(shí)不等。由此我們可以看出：基于隔行隔列的序貫相似性檢測(cè)算法，即能夠通過(guò)有限次的模板匹配完成對(duì)失真圖像的復(fù)原和重建，又不會(huì)在匹配過(guò)程中引入諸如噪聲等影響圖片質(zhì)量的因素，因此在這片論文中，我們更提倡大家使用隔行隔列的序貫相似性檢測(cè)算法來(lái)完成圖像的處理，重建工作。

5 結(jié) 語(yǔ)

論本文提出一種配準(zhǔn)效率很高的基于隔行隔列的序貫相似性檢測(cè)算法，這種算法即能夠達(dá)到搜索子圖和色標(biāo)模板成功匹配的要求，又不會(huì)在圖像匹配過(guò)程中引入其他噪聲，準(zhǔn)確度和圖像的清晰化效果都有很大程度上的提高。

參考文獻(xiàn)

[1]孫圣和，陸哲明，牛勇牧，數(shù)字水印技術(shù)及應(yīng)用[M].北京：科學(xué)出版社，2004.

[2]龔巖.圖像數(shù)字水印技術(shù)研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2007.

[3]JAFARI R，ZIOU D，RASHIDI M M Increasing image Com-pression rate using steganography[J]. Expert System withApplicafions，2013：6918-6927.

[4]胡裕峰，朱善安，基于雙混沌置亂和擴(kuò)頻調(diào)制的彩色圖像盲水印算法[J].光學(xué)學(xué)報(bào)，2008，28（9）：1691-1696.

[5]牛夏牧，陸哲，孫圣和，彩色圖像水印竅入技術(shù)[J].電子學(xué)報(bào)，2000：28（9），10 -12.