王云江

(楊凌職業(yè)技術(shù)學(xué)院 信息工程分院， 陜西 楊凌 712100)

0 引言

隨著人們生活水平的不斷提高，人們拍照的頻率不斷提升，同時由于智能手機(jī)、多媒體技術(shù)、圖像處理技術(shù)的不斷融合，每天會產(chǎn)生大量的圖像，圖像在視頻監(jiān)控、醫(yī)學(xué)診療等領(lǐng)域得到了廣泛、成功的應(yīng)用[1-3]。在圖像的實際應(yīng)用中，由于成像設(shè)備自身條件的限制，以及外界環(huán)境的影響，得到圖像有時不太理想，如清晰度不夠，邊緣不連續(xù)，分辨率低等，這樣會影響圖像的實際應(yīng)用價值。圖像重建可以從低分辨的圖像得到高分辨率的圖像，因此成為當(dāng)前研究的熱點[4-6]。

針對圖像重建問題，國內(nèi)外學(xué)者進(jìn)行了大量、深入研究，尤其是一些發(fā)達(dá)國家，圖像重建研究的歷史長，圖像重建技術(shù)相當(dāng)?shù)某墒欤鴩鴥?nèi)對圖像重建的研究歷史比較短，但是由于近年來投入的人才、財力比較大，圖像重建發(fā)展速度快，也出現(xiàn)許多效果良好的圖像重建方法[7-9]。當(dāng)前圖像重建技術(shù)可以劃分為兩類，一類是基于硬件的圖像重建技術(shù)，該類技術(shù)圖像重建質(zhì)量好，并且圖像重建速度快，但是圖像重建的成本相當(dāng)高，無法大面積推廣，而基于軟件的圖像重建技術(shù)由于成本低，成為當(dāng)前主要的圖像重建研究方向[10]。如基于雙線性插值的圖像重建方法，基于超分辨率的圖像重建方法，神經(jīng)網(wǎng)絡(luò)的圖像重建方法，基于馬爾科夫隨機(jī)場模型的圖像重建方法，基于鄰域嵌入方法的圖像重建方法等[11-13]，但是這些方法在實際中，都存在各自的缺陷和不足，如無法獲得高精度的重建結(jié)果，存在圖像重建錯誤大，時間長等不足，圖像重建有待進(jìn)一步研究[14-15]。

為了獲得更加理想的圖像重建結(jié)果，提出了基于虛擬現(xiàn)實技術(shù)的圖像重建方法。首先采集原始圖像，采用虛擬現(xiàn)實技術(shù)對圖像進(jìn)行處理，提高圖像的信噪比，然后提取圖像重建的特征，支持向量機(jī)根據(jù)特征進(jìn)行圖像重建，并與其他圖像重建方法進(jìn)行了對比實驗，結(jié)果表明，本文方法的圖像重建精度和重建效率均優(yōu)于其他方法，有利于后續(xù)的圖像處理研究。

1 基于虛擬現(xiàn)實技術(shù)的圖像重建方法

1.1 虛擬現(xiàn)實技術(shù)對圖像進(jìn)行增強(qiáng)處理

由于采集的原始圖像的清晰度不夠，因此本文引入了虛擬現(xiàn)實技術(shù)中的濾波技術(shù)對原始圖像進(jìn)行處理，具體思想為：首先對原始圖像進(jìn)行低通濾波操作，可以對一些無用的信息進(jìn)行去除，如噪聲等，這樣提高了圖像質(zhì)量，保留了邊緣和細(xì)節(jié)，然后采用形態(tài)學(xué)濾波對去噪后的圖像進(jìn)行增強(qiáng)處理，提高圖像的清晰度，便于后續(xù)圖像特征提取操作，最終提升圖像重建精度。

1.2 提取圖像重建特征

采用小波變換對虛擬現(xiàn)實技術(shù)處理后的圖像進(jìn)行不同方向和尺度的分解，得到小波系數(shù)直方圖分布h(C)，C表示圖像的波段數(shù)量，小波系數(shù)幅值,如式(1)。

ps=∑C>Thh(C)

(1)

式中，Th表示閾值。

圖像特征向量為{psi}，對特征向量進(jìn)行降維處理,得到pw，如式(2)。

(2)

式中，μsi表示原始特征的均值。

對圖像特征進(jìn)行變換，從而得到圖像重建特征集合。

1.3 支持向量機(jī)實現(xiàn)圖像重建

1.3.1 支持向量機(jī)實現(xiàn)圖像重建

支持向量機(jī)擬合函數(shù),如式(3)。

f(x)=w·φ(x)+b

(3)

基于期望風(fēng)險函數(shù)最小化原則，如式(4)。

(4)

建立的拉格朗日函數(shù)，簡化問題的求解,如式(5)。

(5)

為了提升運行效率得到其對偶問題的求解形式，如式(6)。

s.t.

(6)

這樣最后得到支持向量回歸函數(shù),如式(7)。

(7)

1.3.2 支持向量機(jī)實現(xiàn)圖像重建

將提取的圖像重建特征作為支持向量機(jī)的輸入向量，圖像重建期望效果作為輸出，確定支持向量機(jī)的相關(guān)參數(shù)，通過支持向量機(jī)的學(xué)習(xí)擬合兩幅圖像之間特征關(guān)聯(lián)，根據(jù)該關(guān)聯(lián)進(jìn)行圖像重建，并輸出圖像重建結(jié)果。

2 仿真實驗

2.1 實驗環(huán)境

為了分析基于虛擬現(xiàn)實技術(shù)的圖像重建方法的性能，對其進(jìn)行仿真實驗，采用實驗環(huán)境,如表1所示。

表1 虛擬現(xiàn)實技術(shù)的圖像重建實驗環(huán)境

同時選擇當(dāng)前經(jīng)典方法—文獻(xiàn)[12]進(jìn)行對比測試。

2.2 實驗圖像

為增強(qiáng)虛擬現(xiàn)實技術(shù)的圖像重建結(jié)果的說服力，選擇女孩、花作為研究對象進(jìn)行仿真測試，如圖1所示。

(a) 女孩

2.3 實驗結(jié)果分析

2.3.1 圖像重建結(jié)果對比

采用兩種方法對圖1中的圖像進(jìn)行重建，得出重建圖像,如圖2、圖3所示。

(a) 女孩

對圖2和圖3的圖像重建實驗結(jié)果進(jìn)行對比和分析可以發(fā)現(xiàn)，對比方法重建模圖像的輪廓不清楚、模糊，并且圖像邊緣不連續(xù)、不光滑，有明顯的瑕疵點，圖像重建效果不理想，而本文方法的重建模圖像的輪廓十分清晰，獲得了比對方法更優(yōu)的圖像重建結(jié)果，這主要是本文方法引入了虛擬現(xiàn)實技術(shù)對圖像進(jìn)行了預(yù)處理，有利于后續(xù)的圖像重建。

(a) 女孩

2.3.2 圖像重建后的信噪比對比

為了更好地對圖像重建結(jié)果進(jìn)行評價，選擇信噪比對圖像重建結(jié)果進(jìn)行分析，統(tǒng)計兩種方法的2類圖像重建后的信噪比，如表2所示。

表2 重建后圖像的信噪比對比

從圖2可以看出，相對于對比方法，本文方法重建后圖像信噪比更高，豐富了圖像信息，重建后圖像的質(zhì)量更高。

2.3.3 圖像重建精度

為了進(jìn)一步分析虛擬現(xiàn)實技術(shù)的重建圖像的質(zhì)量，統(tǒng)計本文方法、對比方法圖像重建精度和時間，如圖4、圖5所示。

圖4 不同方法的重建圖像精度

圖5 不同方法的重建圖像時間

從圖4、圖5的圖像重建實驗結(jié)果可以看出，在重建圖像精度方面，本文方法重建圖像的精度最高在98%左右，高于對比方法的精度；此外對比重建圖像所用的時間，本文方法所用時間明顯短于對比方法，加快了重建圖像速度，可以滿足海量圖像重建的實時性要求，實際應(yīng)用范圍更加廣泛。

3 總結(jié)

為了提高圖像重建精度，提出了基于虛擬現(xiàn)實技術(shù)的圖像重建方法，通過引入虛擬現(xiàn)實技術(shù)提取圖像重建特征，采用支持向量機(jī)擬合圖像特征之間的映射實現(xiàn)圖像重建，對比測試結(jié)果表明，本文方法的圖像重建精度高，重建時間短，圖像重建綜合性能要明顯優(yōu)于對比方法，獲得了理想的圖像結(jié)果。