浦江 , 姜代紅,2

(1.徐州工程學(xué)院 信電工程學(xué)院，江蘇 徐州 221008; 2.中國礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州 221008)

井下圖像由于受到井下復(fù)雜環(huán)境、機械振動、煤塵噪聲等干擾，使得采集的圖像帶有許多噪聲，為了改善圖像的質(zhì)量以及更好地進行后續(xù)處理，對井下采集傳輸?shù)膱D像進行去噪是一個十分重要的環(huán)節(jié).

圖像去噪方法有很多，典型的如：均值去噪、中值去噪、小波去噪等等，具有代表性的研究有：Narendra提出了一種行列分離的中值濾波算法[1]；何驥鳴等[2]提出了多重中值濾波算法，可以有效去除圖像椒鹽噪聲；Darsow等[3]提出了3種基于小波相位去噪方法：局部相位方差閾值、邊緣跟蹤和尺度相位變動閾值法.為了克服小波變換只能檢測點的奇異性，HUI等人[4]提出了 Contourlet變換.

隨著各種理論的不斷成熟和完善，圖像去噪方法已經(jīng)獲得了很大的進步，但這些方法都有著各自的優(yōu)缺點和適用領(lǐng)域，如均值去噪容易使得圖像模糊，中值去噪當(dāng)窗口內(nèi)噪聲面積較大時，去噪效果不理想，小波去噪算法復(fù)雜等等，即對于多種噪聲同時干擾的圖像去噪效果并不理想，去噪的同時平滑了，質(zhì)量下降，而且針對煤礦復(fù)雜環(huán)境特定領(lǐng)域的去噪研究還不多見.因此，結(jié)合煤礦井下噪聲的特點，尋找一種在減少圖像噪聲的同時保留圖像細節(jié)和紋理特征便成為本文去噪處理的研究目標(biāo).

1 CIELab與RGB顏色空間轉(zhuǎn)換

傳統(tǒng)的圖像去噪方法大多采用的是RGB顏色空間，由于RGB顏色空間是非均勻的，并沒有考慮到圖像的亮度和色度等重要信息，而井下采集的圖像由于受到弱光或光照不均勻的影響，因此采用經(jīng)典圖像去噪方法很難達到很好的去噪效果.

1.1 CIELab顏色空間

CIELab顏色空間是由國際照明委員會(CIE)于1976年公布的一種色彩空間，是目前最為均勻的一種色彩空間，用L，a，b一組數(shù)據(jù)將一種顏色用數(shù)字表示出來，一組Lab值跟一種顏色形成一一對應(yīng)關(guān)系.L值表示亮度，a，b值為色度坐標(biāo).其中a值表示紅綠方向顏色變化.+a表示向紅色方向變化，-a表示向綠色方向變化.b表示黃藍方向變化，+b表示向黃色方向變化，-b表示向藍色方向變化. 如圖1所示，a軸為紅綠軸，b軸為黃藍軸，坐標(biāo)軸的值從0到10之間變化.L為從黑色過渡到白色的比例值.

圖1 CIELab顏色空間Fig.1 CIELab color space

1.2 RGB和CIELab顏色空間的相互轉(zhuǎn)換

RGB顏色空間到 XYZ 顏色空間轉(zhuǎn)換公式為[5]

X
Y
Z=0.430 3 0.341 6 0.178 4
0.221 9 0.706 8 0.071 3
0.020 2 0.129 6 0.939 3R
G
B.

(1)

其次，將XYZ顏色空間轉(zhuǎn)換到LAB顏色空間，轉(zhuǎn)換公式為

a=500[f(X/Xn)-f(Y/Yn)],

b=200[f(Y/Yn)-f(Z/Zn)],

f(x)=x1/3Y/Yn>0.008 856,

7.787×x+16/116Y/Yn≤0.008 867.

(2)

其中，Xn=95.04,Yn=100.00,Zn=108.89為CIE標(biāo)準(zhǔn)照明體D65的白光三刺激值，X,Y,Z為CIEXYZ空間中的坐標(biāo)值[6].

CIEXYZ空間中，2種顏色之間的色差ΔEab*計算公式如下：

ΔEab=[(ΔL*)2+(Δa*)2+(Δb*)2]1/2,

(3)

式中

ΔL*=L1*-L2*，

Δa*=a1*-a2*，

Δb*=b1*-b2*.

2 基于視覺特性的圖像去噪新方法

基于CIELab的均勻顏色空間，針對井下特殊環(huán)境，從人眼視覺感知中的彩色細節(jié)失明及同時對比特性出發(fā)，提出一種新的圖像去噪方法.

2.1 算法思想

均勻顏色空間中，人眼可分辨出來的2個顏色間的色差值是相等的，即當(dāng)色差小于某個閥值時，人眼認(rèn)為是同一種顏色；而大于某個閾值時，人眼就能夠區(qū)分出2個不同的顏色[7].CIELab顏色空間中，此閥值的值一般為3.鑒于此，將圖像噪聲劃分為2類：平坦區(qū)域噪聲和非平坦區(qū)域噪聲.在一個領(lǐng)域內(nèi)，像素點與中心點的CIELab色差都大于閥值，則稱之為平坦區(qū)域噪聲，平坦區(qū)域噪點的顏色會受到其鄰域內(nèi)所有其他像素點的影響，可用傳統(tǒng)高斯濾波模板進行卷積去噪.而非平坦區(qū)域中的噪點并非完全受到鄰域內(nèi)其他像素的影響，只和同一個區(qū)域內(nèi)的像素有關(guān)，即只和CIELab色差小于閥值的像素點有關(guān).大于閥值的，就認(rèn)為該點顏色值對中心像素的貢獻仍舊符合高斯分布，否則，認(rèn)為該點顏色值對中心像素沒有任何貢獻，將該點對中心像素的卷積權(quán)值設(shè)為0.這樣，同一個區(qū)域內(nèi)的像素顏色更為一致，達到保持圖像細節(jié)的目的.

2.2 高斯濾波器

一維高斯函數(shù)為

g(x)=e-x22σ2.

(4)

圖像處理中，常采用二維高斯函數(shù)作平滑濾波器.函數(shù)表達式為

g[i,j]=e-i2+j22σ2.

(5)

利用高斯濾波器對輸入圖像f[i,j]進行卷積去噪的公式為

g[i,j]*f[i,j] =∑m-1k=0∑n-1l=0g[k,l]f[i-k,j-l]=

∑m-1k=0∑n-1l=0e-k2+l22σ2f[i-k,j-l]=

∑m-1k=0e-k22σ2∑n-1l=0e-l22σ2f[i-k,j-l].

(6)

為了降低高斯濾波卷積計算的時間復(fù)雜度，可以將二維高斯函數(shù)分解為水平方向和垂直方向2次一維卷積完成[8].首先將緣圖像f[i,j]與水平方向的高斯卷積，將卷積后的結(jié)果保存，再以相同的高斯模板進行垂直方向上的卷積轉(zhuǎn)置，最終即可輸出平滑圖像.圖2顯示了高斯函數(shù)卷積可分離性.

a ba. 縱向模板卷積; b .水平模板卷積.圖2 高斯函數(shù)卷積可分離性示意Fig.2 Gaussian function separation diagram

2.3 算法流程

定義去噪模板大小為δ×δ，CIELab可分辨色差閾值為T，對整幅圖像任一像素(r,g,b)進行遍歷，算法具體實現(xiàn)步驟如下：

1)輸入待處理圖像f，初始化模板大小為δ×δ的高斯卷積模板.

2)使用CIELab顏色空間的色差計算公式計算中心像素與其δ鄰域各像素的色差值,并統(tǒng)計色差值大于閾值T的個數(shù)n，轉(zhuǎn)向步驟3).

3)如果n=δ×δ-1，表明域內(nèi)除中心像素點以外其他像素點兩兩之間的色差均大于閾值T，為平坦區(qū)域噪點，用傳統(tǒng)高斯濾波模板進行卷積去噪,轉(zhuǎn)向步驟4).

4)如果n≠δ×δ-1且n≠0，如果中心像素點和域內(nèi)(i,j)位置處的像素點之間的色差大于閾值T，則為非平坦區(qū)域噪點，將高斯卷積模板中(i,j)位置處的值設(shè)置為0,轉(zhuǎn)向步驟5).

5)以上條件均不滿足，不對中心像素做任何操作，保留原值.

6)處理圖像中的下一個像素點，轉(zhuǎn)向步驟2).

7)判斷是不是已經(jīng)處理完f中的所有像素點，如果處理完畢，則算法結(jié)束，否則轉(zhuǎn)向步驟6)繼續(xù)處理.

3 實驗性能與對比分析

選取礦井下的一張含噪圖像，分別采用均值去噪、中值去噪、混合去噪、傳統(tǒng)高斯去噪和本文去噪方法分別對圖像進行去噪處理，計算圖像的峰值信噪比PSNR和均方誤差MSE，從而對不同算法的性能進行評價[9-10].

MSE和PSNR的計算公式如下：

MSE=1MN∑Nj=1∑Mi=1|f(x,y)-g(x,y)|2,

PSNR=10log102552×M×N∑Nj=1∑Mi=1(f(i,j)-g(i,j))2,

其中g(shù)表示輸入圖像，f表示輸出圖像，M，N分別代表圖像的長和寬.

實驗運行環(huán)境：硬件環(huán)境為Pentium4 CPU(1.80 GHz)，內(nèi)存容量1 GB，軟件環(huán)境為：Microsoft Windows XP操作系統(tǒng)，Visual C++ 6.0編程實現(xiàn).不同去噪方法效果對比圖如圖3，去噪實驗對比的相關(guān)數(shù)據(jù)如表1所示.

表1 不同去噪算法去噪效果的評價指數(shù)

a.噪聲污染圖像；b. 均值去噪；c.均值去噪；d.混合去噪；e.傳統(tǒng)高斯去噪；f.本文方法去噪.圖3 不同去噪方法效果對比Fig.3 Result of different smooth method

從表1中可以看出，均值去噪效果最不理想,MSE的值最大，PSNR的值最??；中值去噪和混合去噪方法比均值去噪MSE大大降低，PSNR也得到了提高；本文算法與傳統(tǒng)高斯去噪及其他方法相比，進一步改善了圖像的去噪質(zhì)量.從圖3中可以看出，均值去噪的圖像輪廓模糊，且含有很多噪聲，圖像細節(jié)信息損失嚴(yán)重；中值去噪和混合去噪效果稍好，但依舊含有殘留噪聲；傳統(tǒng)高斯去噪方法也沒能夠消除視覺內(nèi)的明顯噪聲，效果不夠理想；本文算法在提高峰值信噪比的同時，去噪后圖像的紋理細節(jié)都得到了較好的保持，提高了圖像的視覺清晰度和主客觀質(zhì)量.

4 結(jié)束語

首先介紹了經(jīng)典的圖像去噪方法和CIELab與RGB顏色空間的轉(zhuǎn)換關(guān)系，在此基礎(chǔ)上提出了一種基于視覺特性的圖像去噪新方法.該方法采用CIELab的均勻顏色空間進行色差計算，從而動態(tài)決定濾波器權(quán)值，并且針對井下特殊環(huán)境，從人眼視覺感知中的彩色細節(jié)失明及同時對比特性出發(fā)，減少了圖像輪廓邊緣等細節(jié)信息的破壞，使去噪后的圖像更加清晰.實驗結(jié)果表明，該方法的去噪效果明顯，能顯著提高井下圖像的主觀與客觀質(zhì)量，對井下圖像的處理具有科學(xué)的參考價值.

參 考 文 獻:

[1] NARENDRA P M. A separable median filter for image noise smoothing[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 1981(1): 20-29.

[2] 何驥鳴, 李強, 明艷. 改進型中值濾波器的實現(xiàn)和性能測試[J]. 計算機系統(tǒng)應(yīng)用,2009, 18(8):172-174

HE Jiming,LI Qiang,MING Yan,et al.Realization and performance test of improved median filter[J].Computer Systems & Applications,2009,18(8):172-174.

[3] DARSOW W F, OLSEN E T. Characterization of idempotent 2-copulas[J]. Note di Matematica, 2011, 30(1): 147-177.

[4] HUI Fan, WANG Yongliang, LI Jinjiang. Image denoising algorithm based on dyadic contourlet transform[J]. Applied Mechanics and Materials,2011, 40: 591-597.

[5] HERNANDEZ-GOMEZ G, SANCHEZ-YANEZ R E, AYALA-RAMIREZ V, et al. Natural image segmentation using the CIELab space[Z]. International Conference on Electrical, Communications, and Computers, 2009.

[6] 劉浩學(xué). CIE均勻顏色空間與色差公式的應(yīng)用[J].北京印刷學(xué)院學(xué)報,2003,11(3):3-12.

LIU Haoxue.The application of CIE uniform color space and its color difference formula[J].Journal of Beijing Institute of Graphic Communication,2003,11(3):3-12.

[7] 張三友. 大紋針數(shù)彩色提花CAD系統(tǒng)核心算法及框架的研究[D]. 蘇州：蘇州大學(xué), 2013.

ZHANG Sanyou.Research of core algorithm and framework in the CAD system of large weaving color digital jacquard[D].Suzhou:Soochow University,2013.

[8] 趙慧敏, 李衛(wèi)軍, 劉揚陽，等. 基于三高斯濾波的低質(zhì)指紋圖像增強方法[J]. 智能系統(tǒng)學(xué)報， 2012, 7(6): 489-493.

ZHAO Huimin,LI Weijun,LIU Yangyang,et al.A low quality fingerprint image enhancement algorithm based on tri-Gaussian filter[J].CAAI Transactions on Intelligent Systems,2012,7(6):489-493.

[9] SAFFOR A,RAMLI A R, NG K H. A comparative study of image compression between Jpeg and Wavelet[J]. Malaysian Journal of Computer Science, 2001,14(1):39-45

[10] 石玉英, 劉晶晶. 一種基于矩陣格式的半隱式圖像去噪算法[J]. 徐州工程學(xué)院學(xué)報, 2012, 27(4):43-45.

SHI Yuying,LIU Jingjing.A semi-implicit image denoising algorithm in matrix form[J].Journal of Xuzhou Institute of Technology:Natural Sciences Edition,2012,27(4):43-45.