基于影像去噪和增強(qiáng)實(shí)現(xiàn)數(shù)字影像預(yù)處理的應(yīng)用研究

徐興慧

（中友四達(dá)（北京）科技有限公司，北京 100086）

1 基礎(chǔ)原理與詳細(xì)方式

1.1 影響去噪分析

濾波的另一種叫法是數(shù)字影像去噪，其主要目的是高效限制與處理噪聲，且確保圖像邊緣信息、細(xì)節(jié)及其優(yōu)良視覺(jué)呈現(xiàn)成效，同時(shí)是圖像預(yù)處置行業(yè)與目的獲取行業(yè)中的重點(diǎn)探究課題。通常狀況下，對(duì)于不同情況的含噪圖像采取的去噪方式也不盡相同。雙邊濾波計(jì)算方法具有構(gòu)造簡(jiǎn)便、繁雜度較低、非常容易達(dá)成等特性，尤其是濾除圖像中的隨機(jī)噪聲，能最大程度的留存圖像本身數(shù)據(jù)，防止增添濾波失真。雙邊濾波算是一種非線性濾波計(jì)算方法，其特點(diǎn)主要是在平滑濾波的同時(shí)考慮了像素間的幾何距離和色彩距離，可以定義為：

當(dāng)中像素范圍是p，而像素點(diǎn)之間歐式距離為‖p-q‖，其兩像素灰度差為Ip-Iq，而顯示幾何相鄰聯(lián)系空間濾波函數(shù)為S，顯示灰度類似聯(lián)系灰像素波函數(shù)為G，歸一化系數(shù)則為Kp。通過(guò)物理推理獲知，當(dāng)S達(dá)成距離中心像素較近時(shí)數(shù)值提升，相反則值下降；G達(dá)成窗口內(nèi)像素和中心像素差值變小時(shí)數(shù)值會(huì)增大，相反則數(shù)值降低。一般選擇高斯函數(shù)當(dāng)作空間與灰度濾波函數(shù)。

1.2 加強(qiáng)圖像

其具體指可實(shí)現(xiàn)特定使用要求的目標(biāo)，突顯圖片中重點(diǎn)區(qū)域的數(shù)據(jù)，消除其他數(shù)據(jù)對(duì)于不一樣使用而產(chǎn)生的異常圖像解析辨別預(yù)處置，主要目的是替換原圖片數(shù)據(jù)使其更符合人機(jī)識(shí)別的系統(tǒng)。加強(qiáng)圖像有下述目的：首先，完善圖像視覺(jué)成效，提升圖像單個(gè)分清晰度與對(duì)比度，加強(qiáng)圖像辨識(shí)度；其次，加強(qiáng)圖片部分特性使圖像更方便計(jì)算機(jī)處置，提升計(jì)算機(jī)處置速率。

加強(qiáng)圖像的具體方式有空域加強(qiáng)與頻域加強(qiáng)。其中空域加強(qiáng)則是在像素構(gòu)成空間直接針對(duì)像素實(shí)施處置，具體的數(shù)學(xué)表現(xiàn)公式為：g（x，y）=EH（f(x,y)），其f(x,y),g(x,y)表示為圖像空域加強(qiáng)前后圖像，E為圖像加強(qiáng)操控方式。此外，頻域加強(qiáng)是通過(guò)某種方式把空間的圖像替換至其他空間當(dāng)中，隨后借助圖像改變空間特性來(lái)進(jìn)行處置，隨后再逆變至原始空間當(dāng)中。其具體數(shù)學(xué)展示公式為：G(u,v)=F(u,v)H(u,v)，g(x,y)=f(x,y)*h(x,y)，其在）算中等同于在）間域?qū)嵤┚矸e計(jì)算，其G,F）H分別為函數(shù)g(x,y),f(x,y)與h(x,y)的傅里葉替換，H(u,v)又被叫做濾波器函數(shù)。

2 具體實(shí)驗(yàn)比較解析

2.1 雙邊濾波去噪

采取雙邊濾波算法對(duì)干擾數(shù)據(jù)去噪的雙邊濾波特性進(jìn)行考量，可以采用融合圖像空間相鄰于像素值類似的折中濾波處置方式，考量的空域信息與灰度類似，從而達(dá)到了保邊消噪的目的，呈現(xiàn)出簡(jiǎn)便、非迭代、局部等特性。大部分人采取改變保邊雙邊濾波器處置光學(xué)影像來(lái)減少噪聲，加強(qiáng)了建筑物邊緣對(duì)比度的預(yù)處置，獲得了良好成效。隨后通過(guò)具體實(shí)驗(yàn)比對(duì)，針對(duì)原始影像數(shù)據(jù)與雙邊濾波數(shù)據(jù)統(tǒng)計(jì)解析之后，三波段都有偏差，信比為SNR:0，峰值信比為PSNR:36.4294，其結(jié)構(gòu)相似性量度為SSIM:0.986915。上述標(biāo)準(zhǔn)數(shù)據(jù)獲得的雙邊濾波算法不但確保了原始圖像大部分細(xì)節(jié)數(shù)據(jù)，而且還實(shí)現(xiàn)了影響消除噪聲任務(wù)。

2.2 影響加強(qiáng)處置

針對(duì)影響實(shí)施加強(qiáng)處置問(wèn)題，則需要更好的提升不同地物間的對(duì)比度，便于實(shí)施后續(xù)處置。所采取的影響加強(qiáng)方式為：先進(jìn)行色彩系統(tǒng)替換，具體是將RCGB色彩空間替換至NTSC色彩空間，畢竟NTSC與RGB為不一樣色彩空間，而NTSC可闡述的色彩更為豐富，RGB包含在NTSC色域和RG色域里，基本只有NTSC的72%。替換至NTSC空間后，針對(duì)影像實(shí)施對(duì)比度非線性拉伸處置，隨后再替換至RGB空間。此外，圖像實(shí)施色域替換采用NTSC空間實(shí)施對(duì)比度拉伸處置，其成效更為明顯。對(duì)原先影響數(shù)據(jù)與加強(qiáng)處置影響數(shù)據(jù)實(shí)施統(tǒng)計(jì)解析，發(fā)現(xiàn)信噪比SNR、峰值信噪比PSNR及其結(jié)構(gòu)相似性量度SSIM三波段均有偏差。通過(guò)上述標(biāo)準(zhǔn)能夠得出：經(jīng)過(guò)圖像加強(qiáng)處置后，圖像中的地物相互對(duì)比度有所提升，且同種地物內(nèi)部構(gòu)造平穩(wěn)，處置成效顯著[1]。

2.3 小波去噪與模糊熵基本理論分析

2.3.1 小波去噪解析

到九十年代小波變換才逐漸被融入到影像高級(jí)處置行業(yè)，其重點(diǎn)則是把影響處置方式由常規(guī)塔式計(jì)算變換為多尺度解析，部分呈現(xiàn)出的信號(hào)分解空間是互相獨(dú)立的，同時(shí)利用逆變換能夠復(fù)原之前信號(hào)，在分解重建之中不會(huì)形成信息損失與冗余。

通過(guò)達(dá)成對(duì)數(shù)替換來(lái)實(shí)現(xiàn)圖像小波替換，推斷獲取的HL、LH、HH三個(gè)高頻圖像為被噪聲污染或者邊緣數(shù)據(jù)，最后要對(duì)污染數(shù)值實(shí)施整理。在對(duì)HL、LH、HH不同高頻位置圖像實(shí)施整理的過(guò)程中，篩選閾值T為3倍的delta，當(dāng)delta實(shí)施一級(jí)小波解析時(shí)獲得了高頻圖像方差。隨后高頻部分圖像像素值也沒(méi)有映射至[0,255]區(qū)間，此時(shí)高頻部分圖像的各像素值有零有整、有正有負(fù)，如果像素值絕對(duì)數(shù)據(jù)大于或等于T，則需要?jiǎng)潥w修正區(qū)，相反則劃分為抑制區(qū)。最后，將小波反替換，從而達(dá)成圖像的重建[2]。

2.3.2 糊熵理論

熵在信息探討中適用在表達(dá)概率與信息冗余度之間的聯(lián)系，其重點(diǎn)闡述高綠模糊難題，需要把熵概念值入模糊集理論當(dāng)中，并對(duì)某個(gè)模糊集的模糊性程度大小實(shí)施闡述。

2.3.3 依據(jù)模糊最大熵的紅外圖像增強(qiáng)

首先，針對(duì)一副大小是M*N的灰度圖像，其X為像素點(diǎn)灰度值，圖像灰度矩陣經(jīng)過(guò)隸屬度函數(shù)模糊化變成了模糊數(shù)矩陣，空域信號(hào)處置也替換成了模糊域。其在多種隸屬函數(shù)中線性函數(shù)計(jì)算速率明顯強(qiáng)于非線性函數(shù)，利用下述運(yùn)算模糊隸屬度隨后使用改變的S函數(shù)對(duì)獲得的隸屬度實(shí)施極強(qiáng)處置：

當(dāng)中Umin，umax，uthr分別是紅外圖像像素灰度矩陣當(dāng)中的最小值、最大值及其目標(biāo)和背景區(qū)域最佳分界點(diǎn)隸屬度。目標(biāo)和背景理想分界點(diǎn)的獲取方法為I=log(I)=log(R)=log(F)=R+F。因此，經(jīng)過(guò)改變的S函數(shù)加強(qiáng)計(jì)算，一是可以把紅外圖像隸屬度區(qū)域從原先的[Umin，umax]拉長(zhǎng)到[0，1]，改變了動(dòng)態(tài)范疇，二是經(jīng)過(guò)非線性替換可以對(duì)[0，uthr][uthr，1]區(qū)域中的隸屬度大小實(shí)施壓縮與加強(qiáng)。最終，利用下述公式通過(guò)加強(qiáng)處置后，將模數(shù)域分布恢復(fù)到空域信號(hào)，計(jì)算公式為：

其次，最大模糊熵準(zhǔn)則求取閾值。如何依據(jù)改變的S函數(shù)加強(qiáng)計(jì)算來(lái)獲取目標(biāo)和背景最佳分界點(diǎn)變成了主要難題。通過(guò)前述的最大模糊熵可得出：在紅外圖像當(dāng)中，目的與背景二者間的過(guò)渡灰度達(dá)成最理想劃分時(shí)，模糊熵將會(huì)獲得最大數(shù)值，因此可以使用模糊最大熵原則來(lái)獲取分解閾值。當(dāng)圖像灰度取值范疇為[xmin，xmax]而圖像論域Ω 的灰度空間創(chuàng)建模糊集為：目標(biāo)類：O:O={U0(X)}│x∈Ω}；背景類：B:B={Ub(X)}│x∈Ω}。在圖像內(nèi)部，不同物體像素值各有期望值，即為此類像素值的恢復(fù)均值，其隸屬類灰度均值隸屬度最大，類別中全部像素隸屬度和灰度與全部類平均灰度間距成反比，同時(shí)需大于1/2，分開(kāi)利用上述公式核算目標(biāo)類與背景類隸屬度函數(shù)：

當(dāng)中m1(T)與m2(T)分開(kāi)是目標(biāo)類和背景類平均灰度數(shù)值。

假設(shè)獲得紅外圖像當(dāng)中目標(biāo)類與背景類最佳閾值T完成二者精準(zhǔn)劃分，需采取圖像模糊熵完成最大值，通過(guò)下述公式核算最大模糊熵：

3 總結(jié)

總而言之，文章通過(guò)數(shù)字影響消噪與增強(qiáng)為重點(diǎn)探究對(duì)象，全方位闡述了借助雙邊濾波與小波去噪，利用空域加強(qiáng)與頻域加強(qiáng)兩種方式對(duì)數(shù)字圖像進(jìn)行加強(qiáng)。通過(guò)驗(yàn)證表明，文章所使用方式對(duì)數(shù)字影像噪音限制與去除、圖像中興趣點(diǎn)加強(qiáng)與獲取比較實(shí)用，高效提升了數(shù)字影響判斷獲取成效，進(jìn)一步獲得了原影像數(shù)據(jù)預(yù)處置，從而為將來(lái)的后續(xù)工程奠定了良好的基礎(chǔ)。