視覺傳感網絡圖像破損數據交互方法仿真

陳 紓，孟 剛

(1.福州大學，福建 福州 350100；2.南京工業大學，江蘇 南京 211816)

1 引言

視覺傳感網絡可將多個攝像機的圖像數據做進一步融合，為用戶提供一些高級服務，使用戶得到感興趣的信息。其與普通傳感網絡的主要區別是傳感器采集信息的性質與數量不同[1]。由于采集的圖像需要利用無線傳輸方式進行傳輸，在此過程中會消耗較大能量，而節點自身資源較為有限，經常會導致圖像破損。因此有關圖像修復的內容便引起業內相關人士廣泛關注。

張小寒[2]等人提出基于平滑度測量和互相關制約的圖像修復算法。將圖像的Laplace算子引入到優先權的運算過程中，增強圖像邊緣信息，同時使用置信度與數據項構建優先權計算模型，得到優先修復塊；使用等照度線的二階導數，獲取圖像平滑度；通過誤差平方和函數尋找最佳匹配塊，并對其唯一性進行制約，提高匹配精度。樓幸欣[3]等人提出一種改進的基于相似匹配塊組的修復方法。結合顏色信息定義匹配準則，利用相似塊和目標塊的匹配程度，確定稀疏系數權重，減少紋理模糊；確定不同區域樣本塊尺寸，避免修復過程中錯誤傳播現象。

但是上述兩種方法需要預先設置一系列規則，導致圖像修復過程較為復雜，計算量大。對此，提出基于互信息的圖像破損數據交互方法來達到圖像修復目的。互信息屬于信息論中的一種信息度量，可將其看做是隨機變量中含有的有關另一個隨機變量的信息量。將歸一化互信息取大準則作為交互的相似度準則，不但減少計算量，還可以提高交互效果，增強圖像重構后的質量，有效提升視覺傳感網絡的服務質量。

2 多尺度建模與去噪處理

2.1 多尺度建模

1)圖像時域模型

一般情況下，利用傳感器i獲得的采集圖像Ai和真實場景圖像S之間的關系可表示為

Ai=βiS+ai+εi，i=1，2，…，q

(1)

式中，q為傳感器數量，βi為第i個傳感器增益，ai為第i個傳感器存在的誤差，取決于傳感器自身性質[4]，εi為第i個傳感器噪聲情況。

2)像素多尺度域模型

利用矩陣與算子形式表示式(1)，寫作如下所示的基于像素表示的局部圖像時域模型[5]的標量形式

ai(k)=βi(k)s(k)+ai(k)εi(k)，i=1，2，…，q

(2)

式中，k=(xk，yj，m，r)為第m尺度上第r個像素的位置是(xk，yj)，ai(k)為第i個傳感器對于k點像素的觀測值，βi(k)為k點增益，s(k)為真實場景內k點像素灰度值，此處的k、j與m均為離散整數指標。

3)圖像的多傳感器矢量模型

對于式(2)表述的模型，與q個傳感器同樣位置點的各像素值構成的矢量表示為

α(k)=β(k)s(k)a(k)+ε(k)

(3)

式中

(4)

(5)

(6)

(7)

上述模型能夠體現出每個傳感器獲得圖像的互補特性[6]以及傳感器的增益與噪聲特性等信息。

2.2 破損圖像預處理

由像素多尺度域模型可知從不同傳感器中采集的原始圖像，會受到設備或環境等因素影響存在一定噪聲，影響交互效果。因此在數據交互之前，需對圖像做預處理。本文對非局部均值算法(Non-local means，NLM)進行改進，提出一種雙邊NLM濾波方法。

傳統的NLM方法，相似性權重只取決于搜索窗口中全部的灰度距離，降低了權重計算的精確度。本文綜合分析當前像素位置與周邊像素位置存在的關聯，建立非局部鄰域內的位置系數h(pi，pj)

(8)

(9)

式中，f(i′，j′)表示將(i′，j′)作為中心進行區域劃分的區塊像素值，pi′、pj′表示以i′與j′為中心的像素值。則獲取相鄰區域距離的加權表達式如下

(10)

(11)

(12)

此種去噪方法綜合分析了像素點和附近像素點之間存在的關聯，全方位考慮圖像有效像素點，使去噪效果更加突出。

3 基于歸一化互信息的圖像破損數據交互

3.1 圖像破損數據分布函數獲取

為更好的提高視覺傳感網絡圖像破損信息交互效果，需已知破損數據結構與紋理區域。本文利用葉貝斯理論計算破損數據結構與紋理部分稀疏系數[8]，獲得破損區域分布函數的均值與方差，詳細過程如下。

(13)

(14)

(15)

(16)

(17)

上述表明，在圖像破損數據交互過程中，先已知破損數據的結構與紋理區域，通過葉貝斯理論確定這兩個部分的稀疏系數，計算破損區域分布函數的平均值與方差，為數據交互奠定基礎。

3.2 圖像交互實現

在獲得圖像破損數據分布函數后，利用不同初始圖像的信息背景，將特征匹配與灰度匹配方式相結合，即首先獲取特征信息，再使用以歸一化互信息為相似度準則的匹配方法對破損圖像數據進行交互。

3.2.1 梯度邊緣提取

對于不同傳感器而言，由于采集環境的差異會導致圖像信息不同，而圖像邊緣是最基本特征。邊緣部分指周圍像素灰度存在階躍變化或屋頂變化的像素集合，普遍存在于背景之間、物體和物體之間。不管是哪類圖像傳感器，邊緣是最主要的特征。因此必須利用有效方法提取梯度邊緣特征。

本文利用基于互信息的方法提取圖像邊緣特征，首先需設定一個擴展結構Q

(18)

式中，*屬于卷積運算符號，Kp代表標準差的二維高斯核，Ix′與Iy′分別代表圖像梯度在x′、y′方向上的分量。針對任意一個像素點Q做特征分解，獲得兩個特征矢量w1與w2，以及兩個特性值u1與u2(u1>u2)。假設某像素對應的兩個特性值存在較大差異，則判斷該像素點位于圖像邊緣處。

但強邊緣上對應點特性值的差值遠遠高于弱邊緣上特性值的差值。為忽略差值與邊緣強弱的關系，針對所有像素，定義一個參數c如下

(19)

式中，參數c為像素在邊緣部分的信息水平，取值為[0，1]。該值越大說明像素處于邊緣的可能性越大，c=1代表此像素一定處于邊緣上，c=0代表不在邊緣上。τ為閾值，能夠避免均質區域內像素存在較大的c。τ的大小取決于u1，需要確保存在非零c值的像素占圖像整體像素的一半以下。對于每個像素而言，獲取對應的c值后，即獲得邊緣圖像c。

上述方法不但可以完整提取原圖全部邊緣特征，還能將邊緣擴展到周邊區域，增加可用交互的信息量，為交互效果提供信息保證。

3.2.2 歸一化互信息取大交互

在交互過程中相似度準則的選取上，利用歸一化互信息取大的準則，其中進行交互的信息即為上述過程中提取的邊緣信息，由于邊緣信息比圖像整體灰度信息量少很多，因此可以提高破損信息交互速度，具體交互過程如下。

假設兩個待交互的圖像分別為A與B，它們的熵表示為H(A)與H(B)，聯合熵記作H(A，B)，則歸一化互信息表示為

(20)

式中

(21)

(22)

(23)

式中，PA(a′)與PB(b′)為A和B的邊緣分布函數，PAB(a′b′)為A和B聯合概率分布函數。

詳細的數據交互過程就是將圖像A當作參考圖像，始終保持不動，將圖像B做空間轉換。針對邊緣圖像A(m′，n′)與B(m′，n′)交互過程就是在相似性測度基礎上，選取確保兩幅圖像相似度達到最大空間轉換關系的過程。空間變換表達式為

(24)

式中，T′為空間變換關系。所以交互過程可表示為

(25)

當兩幅破損圖像數據達到最佳交互效果時，與其對應的圖像特征歸一化互信息最大。

由于使用歸一化互信息準則時，參與運算的信息是提取后的邊緣圖像，在增強交互效果的同時也提高了計算量。為解決這一問題，通過金字塔分解方式對整個交互過程進行優化。

利用金字塔分解技術對待交互的圖像進行分解，劃分的層數可根據具體情況定義，通常分解為三級。也就是將圖像的高與寬都縮小到原來的1/8，此時頂層金字塔計算量是原來的1/64，因此大大減少計算量。優化流程如下：

步驟一：選取變換模型，通常分為投影變換、平移、旋轉與縮放；

步驟二：將待交互的圖像進行金字塔分解，確定最佳分解層數，獲取待交互的金字塔圖像；

步驟三：對圖像第λ層做空間轉換，獲取新的λ層圖像；

步驟四：對金字塔圖像的第λ層根據上述的梯度邊緣提取方法進行處理，得到第λ層圖像的邊緣圖像；

步驟五：對邊緣圖像做歸一化互信息相似度匹配，判斷是否達到最佳交互效果，如果沒有則重新進行步驟三，直到交互效果最優為止；

步驟六：接受上一層破損圖形數據的交互結果，若不屬于金字塔0級圖層，則將最佳交互參數結果作為引導減少其交互計算過程，反復進行步驟三到五，直至獲得最終交互參數；

步驟七：按照最終交互參數可實現圖像破損信息交互。

4 仿真結果分析

為驗證所提交互方法的合理性，設置仿真。仿真環境如下：

1)軟件環境：操作系統為Windows 7，編譯環境時Visual Studio2010，仿真全過程利用C++語言，并通過OpenCV2.4.2開源庫獲得。其可以跨平臺操作，同時提供多種語言接口，實用性較強。

2)硬件環境：CPU是intel處理器，主頻為1.8GHz，安裝內存為8G。

仿真過程中對破損圖像添加不同類型與參數的噪聲，然后分別利用文獻[1]、文獻[2]與本文方法對其修復。結果如圖1與圖2所示。

圖1 不同方法修護后的圖像效果

圖2 不同方法修護效果圖

圖1和圖2是兩幅受損程度不同的圖像，圖1受損情況較為嚴重，經過三種方法修復后，依舊會留下修復痕跡，其中本文所提的破損數據交互方法的復原效果最好，修復痕跡最不明顯；而圖二更加體現了本文的交互效果，使交互后的圖像看不出任何損壞信息。這是因為本文通過邊緣提取獲得圖像基本特征，提高了交互效果，增強圖像質量。

但是一些圖像的修復效果很難通過人眼進行判斷，為此，引入客觀評價指標互信息量對不同方法的圖像修復效果進行評判。互信息也稱為相關熵，其表達式如下

(26)

由表1可知，對于不同破損圖像，所提方法交互后的圖像中包含的互信息數量最多，表明圖像質量更高。同時本文利用金字塔分解方法對交互過程進行優化，在提高圖像質量的同時減少計算量。

表1 不同方法互信息量對比

5 結論

為了對受損圖像進行修復，提出了一種破損數據交互方法。通過提取圖像基本特征，將歸一化互信息取大準則作為交互原則，經過金字塔分解算法的優化，實現信息交互。仿真表明，該方法對圖像的修復效果較好。但是在實際應用過程中，傳感器之間的噪聲通常是獨立的，需進一步改善去噪效果。