李 海 楊驍勇 鳳四海

（中國(guó)民用航空飛行學(xué)院 廣漢 618300）

1 引言

隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，圖像處理的算法逐漸應(yīng)用在機(jī)場(chǎng)安檢、視頻圖像識(shí)別、危險(xiǎn)特征提取等領(lǐng)域［1］。機(jī)場(chǎng)的旅客行李中含有大量的灰度噪聲和偽信息，給開機(jī)員正確識(shí)別危險(xiǎn)品帶來(lái)了困難，因此需要進(jìn)行X光機(jī)圖像偽信息去除和輪廓域平滑處理［1］。目前常見的針對(duì)X光機(jī)圖像增強(qiáng)的方法有灰度變換法，改變亮度法，邊緣增強(qiáng)等方法。

在安檢過(guò)程圖像識(shí)別中，張寧等［1］提出了一種輪廓波域邊緣檢測(cè)的民航機(jī)場(chǎng)X光機(jī)圖像識(shí)別的優(yōu)化方法，提高了對(duì)危險(xiǎn)品圖像的識(shí)別能力；該方法的缺點(diǎn)是對(duì)于圖像的采集過(guò)程精度要求較高。金華勇等［2］提出星卡測(cè)試法，即采用高吸收系數(shù)的下料制作星型，獲得圖像；該方法的缺陷在于兩條中心軸之間的角度偏離導(dǎo)致測(cè)量誤差比較大。陳善婷等［5］提出一種用雙邊濾波器對(duì)X射線圖像進(jìn)行平滑濾波的方法。

受到成像過(guò)程中受檢物體材料的影響，安檢過(guò)程中很多情況下圖像的高頻部分在短時(shí)間內(nèi)很難辨認(rèn)其邊緣特征。本文在前期工作的基礎(chǔ)之上，基于X光機(jī)的圖像識(shí)別進(jìn)行研究，提出一種雙邊濾波和同態(tài)濾波相融合的方法，仿真實(shí)驗(yàn)表明其方法對(duì)與X光機(jī)成像圖像具有較好的處理效果。

2 雙邊濾波和同態(tài)濾波原理

雙邊濾波（bliateral filter）是一種可以保邊去燥的濾波器，是空間濾波器和值域?yàn)V波器的自合［6］?？沼?yàn)V波是對(duì)空間上臨近點(diǎn)的加權(quán)平均，至于濾波是根據(jù)周圍像素點(diǎn)與中心像素點(diǎn)的值差來(lái)加權(quán)平均，加權(quán)系數(shù)均隨著距離的增加而減少。

2.1 雙邊濾波

2.1.1 空域?yàn)V波卷積

設(shè) f(x)為輸入圖像；h(x)為輸出圖像，則

其中c(ε，x)度量領(lǐng)域中心點(diǎn)x與鄰近點(diǎn)ε的幾何鄰近度，ω1為歸一化參數(shù)。

2.1.2 值域?yàn)V波卷積

設(shè) f(x)為輸入圖像；h(x)為輸出圖像:

s(f(ε)，f(x)度量了領(lǐng)域中心點(diǎn)x與鄰近點(diǎn)?像素的光度相似性；ω2為歸一化參數(shù)。

2.1.3 雙邊濾波卷積

單獨(dú)使用空間濾波無(wú)法全面考慮到像素點(diǎn)的位置影響，單獨(dú)使用值域?yàn)V波也無(wú)法顧及像素點(diǎn)的差異影響。雙邊濾波是既考慮了像素點(diǎn)位置又考慮了像素點(diǎn)值的差異而提出的一種濾波方法。其卷積公式可表示如下:

其中ω0=ω1ω2。

基于此思路，給出雙邊濾波的定義公式:

P代表鄰近圖像邊緣信息的像素位置；q代表圖像非邊緣像素點(diǎn)的位置。Ip為p點(diǎn)的像素值；Iq為q點(diǎn)的像素值。?g，?r分別代表空間濾波器和值濾波器的標(biāo)準(zhǔn)方差，ω0表示為歸一化因子。

在低頻圖像中，雙邊濾波器表現(xiàn)為空間濾波，原因在于低頻圖像鄰近像素值差別較小，其像素位置對(duì)圖像處理結(jié)果的影響大于像素值對(duì)圖像的影響。反之，在高頻圖像中，雙邊濾波器表現(xiàn)為值域?yàn)V波，原因在于高頻圖像中圖像的鄰近像素值差別較大，對(duì)圖像處理結(jié)果影響也較大［9～10］。

2.2 同態(tài)濾波

根據(jù)成像原理和光照特性，一副圖像劃分為照度分量i(x，y)和反射分量r(x，y），這樣得到

其中i(x，y)描述光照變化，圖像中表現(xiàn)為低頻區(qū)域；r(x，y）描述圖像的細(xì)節(jié)信息，圖像中表現(xiàn)為高頻區(qū)域。

同態(tài)濾波的思路:首先將圖像 f( )x，y 分解為描述光照變化的i(x，y)和描述圖像細(xì)節(jié)的r(x，y）；其次對(duì)描述光照變化的i(x，y）進(jìn)行合理壓縮，同時(shí)對(duì)描述圖像細(xì)節(jié)的 r(x，y）進(jìn)行合理提升［7～8］。

將式（5）進(jìn)行對(duì)數(shù)化處理，得

用離散余弦變換代替同態(tài)濾波的傅里葉變換對(duì)式（6）進(jìn)行變換，得

其中 F(u，v)=DCT(f(x，y))，I(u，v)=DCT(f(x，y)，R(u，v)=DCT(r(x，y))。

采用濾波函數(shù)對(duì) H(u，v)對(duì)式（7）進(jìn)行 F(u，v)進(jìn)行處理，得

對(duì)濾波后的信號(hào)采用擬離散余弦變換可得

對(duì)上式進(jìn)行指數(shù)變換，得出進(jìn)行同態(tài)濾波后的輸出圖像為

同態(tài)濾波后的圖像質(zhì)量與H(u，v)選擇直接相關(guān)，為了消除光照變化的干擾，需要弱化i(u，v)，同時(shí)為了增強(qiáng)圖像的細(xì)節(jié)，應(yīng)該加大r(u，v)［11～13］。為此，對(duì)傳統(tǒng)同態(tài)濾波器進(jìn)行改進(jìn)，具體如下:

其中，n為階數(shù)，D(u，v)為(u，v)與離散余弦變換頻率原點(diǎn)的距離，具體計(jì)算公式:

3 本文方法

3.1 流程圖

圖1所示為本文方法的流程圖。X光機(jī)圖像識(shí)別中圖像雙邊濾波和同態(tài)濾波融合技術(shù)處理的過(guò)程如下。

圖1 本文方法的流程圖

Step1:讀入一幅待識(shí)別的圖像，按照成像畫面特點(diǎn)進(jìn)行圖像的預(yù)處理，得到預(yù)處理圖像f(x，y)；

Step2:確定?i?r的值，對(duì)預(yù)處理圖像進(jìn)行雙邊濾波處理，得到雙邊濾波后的圖像g(x，y)；

Step3:分離g(x，y)圖像為R、G、B三通道的分通道圖像，對(duì)分通道分別進(jìn)行同態(tài)濾波處理，得到r(x，y)，g(x，y)，b(x，y)；

Step4:通過(guò)cat函數(shù)進(jìn)行合成同態(tài)濾波后的三通道圖像，得到u(x，y)；

Step5:輸出u(x，y)圖像。

3.2 ?i?r值的確定方法

在雙邊濾波中，隨著σi變大，空間函數(shù)的作用變得突出，使圖像去噪效果更加明顯，但是值過(guò)大會(huì)導(dǎo)致圖像紋理特征過(guò)于模糊；隨著σr變大零度函數(shù)變得平滑而穩(wěn)定其亮度突變的邊緣基本保持恒定，使得雙邊濾波轉(zhuǎn)化為高斯低通濾波，從而失去對(duì)邊緣保持的約束作用。當(dāng)?i?r值過(guò)小時(shí)，雙邊濾波的效果會(huì)消失。因此在本文中，依據(jù)經(jīng)驗(yàn)選擇幾組參數(shù)進(jìn)行處理，研究不同參數(shù)下的雙邊濾波效果，見表1。

表1 雙邊濾波的不同參數(shù)

3.3 分通道的同態(tài)濾波方法

分通道的同態(tài)濾波方法是指將一幅圖像進(jìn)行轉(zhuǎn)換到特定色彩模下，對(duì)此圖像的各個(gè)色彩通道進(jìn)行分離后同態(tài)處理，最后將同態(tài)處理的各個(gè)分通道圖像進(jìn)行合并，生成一幅特定色彩模式的圖像。

圖2所示為本文中圖像的分通道的同態(tài)濾波方法流程圖。具體的處理過(guò)程如下。

圖2 分通道同態(tài)濾波處理流程圖

Step1:讀入一幅待處理圖像，對(duì)待處理圖像進(jìn)行色彩空間轉(zhuǎn)換f(x，y)→f(x，y)RGB，得到RGB色彩空間內(nèi)的f(x，y)RGB。

Step2:利用Matlab將f(x，y)RGB圖像進(jìn)行分離在R、G、B三個(gè)顏色通道上，得f(x，y)R、f(x，y)G、f(x，y)B。

Step3:對(duì) 分 通 道圖像f(x，y)R、f(x，y)G、f(x，y)B圖像分別進(jìn)行同態(tài)濾波處理，得到u(x，y)R、u(x，y)G、u(x，y)B。

Step4:利用Matlab軟件將u(x，y)R、u(x，y)G、u(x，y)B進(jìn)行合并，得到輸出圖像U(x，y)。

4 實(shí)驗(yàn)與討論

4.1 實(shí)驗(yàn)數(shù)據(jù)

4.1.1 雙邊濾波數(shù)據(jù)

由于目前缺少能夠用來(lái)測(cè)試σi、σr處理效果的X光機(jī)圖像數(shù)據(jù)庫(kù)，為了驗(yàn)證本文方法的有效性，利用X光機(jī)對(duì)一箱包進(jìn)行掃描處理，得到如圖3所示的原始圖像。利用雙邊濾波算法對(duì)原始圖像進(jìn)行不同參數(shù)下的雙邊濾波處理，處理結(jié)果如表2所示。下面將對(duì)處理結(jié)果進(jìn)行同態(tài)濾波處理。

圖3 X光機(jī)原圖

表2 不同σi、σr下雙邊濾波處理結(jié)果

4.1.2 同態(tài)濾波處理數(shù)據(jù)

從表2雙邊濾波的結(jié)果圖中選擇一張圖像邊緣信息呈現(xiàn)較為清晰的一張圖像作為原圖像進(jìn)行同態(tài)濾波處理，處理結(jié)果如表3所示。

表3 不同參數(shù)下的同態(tài)濾波處理結(jié)果

4.2 實(shí)驗(yàn)結(jié)果

通過(guò)雙邊濾波與同態(tài)濾波相融合技術(shù)，對(duì)原始X光機(jī)圖像進(jìn)行處理，最終得到如表3所示的序列結(jié)果圖。通過(guò)比對(duì)觀察以及圖像的高低頻信息分布情況分析，發(fā)現(xiàn)一張邊緣細(xì)節(jié)信息呈現(xiàn)最完整的結(jié)果圖。通過(guò)比對(duì)表3序列結(jié)果圖，得到當(dāng)low=0.8，high=0.8時(shí)效果最好。處理結(jié)果見圖4。

圖4 處理結(jié)果圖

4.3 處理結(jié)果的視覺(jué)分析

如表4所示為原始圖像、雙邊濾波、本文方法處理結(jié)果比對(duì)圖。在原始圖像中，圖像邊緣信息較為模糊，對(duì)比度較低，識(shí)別困難；在雙邊濾波處理結(jié)果圖中，圖像邊緣信息銳利，但對(duì)比度偏低，識(shí)別較為困難；在本文方法處理結(jié)果圖中，圖像的邊緣信息銳利，且對(duì)比度較高，能夠在安檢過(guò)程中快速識(shí)別被檢物體邊緣信息。

4.4 處理結(jié)果的直方圖分析

通過(guò)Matlab軟件分別導(dǎo)出原始圖像，雙邊濾波圖像，本文方法圖像的直方圖（如表5所示）。

各個(gè)圖像中像素值為255的像素?cái)?shù)目從大到小依次本文方法結(jié)果圖、雙邊濾波結(jié)果圖、原始圖像。根據(jù)像素在直方圖中的分布規(guī)律，越趨近于正態(tài)分布，圖像細(xì)節(jié)信息越豐富。因此，本文方法優(yōu)于原始圖像與雙邊濾波結(jié)果。

表4 處理結(jié)果比對(duì)圖

表5 直方圖比對(duì)結(jié)果

4.5 討論

本文針對(duì)X光機(jī)圖像運(yùn)用雙邊濾波與同態(tài)濾波相融合技術(shù)進(jìn)行圖像處理，既可以解決圖像的邊緣銳化問(wèn)題，同時(shí)也提高了圖像的對(duì)比度。通過(guò)處理結(jié)果圖在視覺(jué)和直方圖兩方面分析，均發(fā)現(xiàn)本文方法處理效果優(yōu)于原始圖像和雙邊濾波處理結(jié)果。因此本文的雙邊濾波和同態(tài)濾波相融合技術(shù)能夠?yàn)榘矙z過(guò)程中快速識(shí)別圖像邊緣信息提供技術(shù)支持。

需要指出的是本文方法通過(guò)機(jī)組相近參數(shù)進(jìn)行雙邊濾波與同態(tài)濾波相融合技術(shù)處理，相鄰組參數(shù)之間具有一定的誤差，進(jìn)而導(dǎo)致處理結(jié)果不一定是最優(yōu)。但是只要所取參數(shù)之間相差不大，同時(shí)能夠多取幾組參數(shù)，同樣可以達(dá)到優(yōu)化原始X光機(jī)圖像的目的。

5 結(jié)語(yǔ)

不同的濾波器處理方法都可以進(jìn)行圖像的銳化處理，但難以進(jìn)行多方面均衡化考慮。本節(jié)從X光機(jī)成像特點(diǎn)以及雙邊濾波和同態(tài)濾波的優(yōu)越性兩個(gè)方面進(jìn)行討論本文方法在處理X光機(jī)圖像中的優(yōu)勢(shì)。由于X光機(jī)圖像成像是基于被成像物體的密度，因此很多情況下由于密度相近而導(dǎo)致圖像邊緣信息模糊，且X光機(jī)成像為了更加清晰準(zhǔn)確地判斷物品的細(xì)節(jié)信息；雙邊濾波是既考慮了像素點(diǎn)位置又考慮了像素點(diǎn)值的差異而提出的一種濾波方法；同態(tài)濾波能夠提高圖像的對(duì)比度，進(jìn)而使得邊緣信息更加清晰可視［14～16］。因此，在 X光機(jī)圖像識(shí)別中采用雙邊濾波和同態(tài)濾波相融合技術(shù)能夠更可靠地識(shí)別圖像細(xì)節(jié)信息，進(jìn)一步豐富了X光機(jī)圖像的識(shí)別技術(shù)手段。