基于數(shù)字圖像的信息提取.pdf

1、隨著科學(xué)的發(fā)展，人們對(duì)信息需求與日俱增。數(shù)字圖像(digitalimage)作為信息傳遞的重要載體，其地位和作用是其它任何信息載體所不可替代的。但是，數(shù)字圖像在獲取、處理、壓縮、存儲(chǔ)、傳輸?shù)冗^程中不可避免地會(huì)摻雜一些噪聲。例如：在數(shù)字圖像獲取過程中，由于光學(xué)系統(tǒng)的失真、鏡頭和物體的相對(duì)運(yùn)動(dòng)、大氣擾動(dòng)等因素的影響，都會(huì)使圖像變得模糊；在對(duì)圖像進(jìn)行壓縮處理時(shí)，由于機(jī)器本身的計(jì)算精度、算法設(shè)計(jì)等因素，也會(huì)造成部分?jǐn)?shù)據(jù)丟失，從而影響圖像質(zhì)量。數(shù)

2、字圖像中噪聲的存在，在一定程度上影響了人們從圖像上獲取相關(guān)的信息。如何從一幅含有噪聲的數(shù)字圖像上獲取更多有價(jià)值的信息?數(shù)字圖像增強(qiáng)(digitalimageenhancing)就是針對(duì)以上問題而出現(xiàn)的技術(shù)。傳統(tǒng)的數(shù)字圖像增強(qiáng)技術(shù)包括空域內(nèi)的直方圖(histogram)增強(qiáng)技術(shù)、圖像融合技術(shù)、頻域內(nèi)濾波技術(shù)、及專門對(duì)灰度圖像的偽彩色技術(shù)等。本文主要是在這些傳統(tǒng)技術(shù)處理基礎(chǔ)上作進(jìn)一步的探索，把人眼視覺模型(humanvisualmodel)

3、、圖像的復(fù)雜因子(imagecomplicationfactor)和圖像的直方圖結(jié)合起來，提出一種基于人眼視覺模型的直方圖增強(qiáng)算法和基于數(shù)字圖像局部復(fù)雜度的直方圖增強(qiáng)算法。試驗(yàn)結(jié)果表明，這是一種有益的探索。另外，在頻域內(nèi)采用濾波器技術(shù)增強(qiáng)數(shù)字圖像時(shí)，重點(diǎn)闡述小核濾波器和對(duì)應(yīng)大核濾波器之間的關(guān)系。傳統(tǒng)的濾波方法是使用大核濾波器對(duì)數(shù)字圖像進(jìn)行濾波處理，但由于大核濾波器在計(jì)算機(jī)上實(shí)現(xiàn)過程中，存在運(yùn)算量大，計(jì)算速度慢、內(nèi)存要求較高等缺點(diǎn)。大核濾

4、波器的使用往往是通過小核濾波器來實(shí)現(xiàn)的。大核濾波器和小核濾波器之間的關(guān)系很少資料能予以介紹。正是在此背景下，本文才安排關(guān)于大核濾波器和小核濾波器的相關(guān)內(nèi)容。除此以外，本文還介紹了幾種數(shù)字圖像質(zhì)量評(píng)估標(biāo)準(zhǔn)，包括均方差(MSE)、信噪比(SNR)和平均結(jié)構(gòu)相似度(MSSIM)等參數(shù)。其中，平均結(jié)構(gòu)相似度(MSSIM)是基于數(shù)字圖像灰度、亮度和結(jié)構(gòu)等綜合信息的圖像質(zhì)量評(píng)估指標(biāo)，它相對(duì)于其它兩個(gè)參數(shù)更加符合人眼視覺系統(tǒng)(HVS)。在此基礎(chǔ)上，利

5、用德克薩斯州立大學(xué)奧斯丁分校的圖像研究室LIVE(LaboratoryforImageandVideoEngineering(http：//live.ece.utexas.edu提供的數(shù)字圖像數(shù)據(jù)庫(digitalimagedatabase)作為試驗(yàn)圖像的主要來源。對(duì)于在同一幅數(shù)字圖像在相同條件下加入不同種噪聲，我們?cè)谇蟪龈鞣N噪聲所在圖像對(duì)應(yīng)的SNR和MSSIM.之后，還對(duì)它們給予相應(yīng)的分析和比較。 在具體實(shí)驗(yàn)討論中，我們選擇其

6、中兩個(gè)予以介紹。其一是關(guān)于如何獲取顯微圖像的深度信息。另一個(gè)是在自然環(huán)境下，使用單目攝像機(jī)對(duì)特定目標(biāo)(這里我們選擇手作為目標(biāo))進(jìn)行跟蹤。在前一個(gè)實(shí)驗(yàn)中，其基本思想是基于如下事實(shí)：在顯微成像系統(tǒng)中，對(duì)于處在不同焦平面上物體所對(duì)應(yīng)的顯微圖像，在相同區(qū)域內(nèi)的能量分布與其焦平面所在的焦距有關(guān)。我們用預(yù)先采集的一定數(shù)量的顯微圖像作為樣本，利用“最小二乘法”，建立一個(gè)關(guān)于數(shù)字圖像深度信息和這些顯微圖像上相同區(qū)域內(nèi)能量分布之間關(guān)系的數(shù)學(xué)模型。對(duì)于一幅

7、深度信息未知的顯微圖像，只需要通過其上特定區(qū)域內(nèi)的能量分布，通過該數(shù)學(xué)模型，就可以快速獲取相應(yīng)的深度信息。第二個(gè)實(shí)驗(yàn)主要是在自然環(huán)境下，使用單目攝像機(jī)獲取一幀彩色圖像，使用預(yù)先建立起來的顏色模型對(duì)這幀彩色圖像進(jìn)行二值化處理，再根據(jù)目標(biāo)形態(tài)特征建立一個(gè)特征向量組。在跟蹤目標(biāo)的過程中，根據(jù)可疑區(qū)域(這里使用3×3鄰域)對(duì)應(yīng)的特征向量組和目標(biāo)對(duì)應(yīng)的特征向量組的相似度來跟蹤目標(biāo)所在的區(qū)域。本文的最后，是對(duì)于基于數(shù)字圖像信息提取相關(guān)工作進(jìn)行總結(jié)及