退化图像增强及在机器视觉中的应用

退化图像的增强及在机器视觉中的应用摘要：模糊理论集已被用于处理退化图像，即图像边缘不确定和不准确的图像的增强问题。对于这些类型的图像，在一定程度上，可以通过基于模糊集合的图像增强方法而不是传统的图像增强方法来获得良好的图像增强。由SK帕尔提出的经典模糊增强方法中灰度等级的最高值没有改变，所以这种方法不适合有较少的灰度等级和较低的对比度的退化图像的增强问题。事实上，灰度等级成员函数的范围不是标准化的，是传统模糊增强方法的另一缺点。针对上面提到的问题，本文提出了一种普遍迭代模糊增强算法。一种新的图像质量评估标准在图像灰度等级统计直方图的基础上被建议，来控制的所提出的图像增强算法的迭代产生。电脑仿真结果表明该新型增强方法比模糊增强和灰度水平变换更适合处理拥有较少灰度等级和较小对比度的图像增强问题。关键词：图像增强、模糊集、普遍模糊增强、机器视觉1概要图像的传输和转换过程中的图像劣化是不可避免的。例如，有时由一个摄像机拍摄的图像质量很差，由于相机的光学系统失真，拍摄对象的相对运动，相机，环境变化和随机扰动。图像增强是一种重要的科技用来提高劣化的图像的质量，并有选择性地提供一些感兴趣的图像特征。有许多图像增强方法，如直方图修正，图像平滑，图像锐化，逆过滤和维纳过滤。然而，如果待增强的图像中有不确定性和不精确性，采用上面提到的传统的增强方法将得不到想要的结果。由于模糊系统适用于表达多样化，非精确的，不确定的知识或信息，自从S.KPal在80年代初提出模糊增强方法以来，建立在模糊理论基础上的图像处理和识别吸引了众多研究者的关注。然而，使用模糊增强的输出图像的灰度级范围内几乎是不变的，因此，这种增强方法是不适合于那些具有较少的灰度级和低对比度的图像。此外，该灰度级的模糊增强方法的隶属函数没有归一化的形式。客观图像质量检测在各种图像处理和计算机视觉应用中扮演着重要作用。近年来在发展客观图像质量的指标上付出了很大的努力。基本上有两类客观质量评估方法。第一是在数学上定义的措施，例如广泛使用的均方误差（MSE），峰值信噪比（PSNR），均方根误差（RMSE），平均绝对误差（MAE）和信噪比（SNR）的。第二类测量方法考虑了人类视觉系统（HVS）特性，尝试结合感知质量的方法。据报道，已有文献中尚没有任何复杂客观图像质量指标相比简单的数学措施例如严格测试条件和不同图像失真环境下的PSNR有明显优势。数学上定义的指标仍然是有吸引力的，因为它们很容易计算，通常计算复杂度低，且独立于测试者和测试条件。图像理解的一个需要是组织原始像素数据，这样处理可以集中在图像中的特定区域或对象，而不是在完整的场景。因此，图像分割是图像理解和识别物体的关键一步。自动识别工件，并确定其位置和方向（姿势）的是实现生产现代化的先决条件，从而可提高生产效率，减轻工作人员的负担。为了正确地获得对象的方向，必须对代表取向的奇点加以处理。本文的其余部分组织如下。首先在第2部分回顾了SKPal提出的模糊增强。为了克服模糊增强的缺点，第3部分讨论了广义模糊增强方法，它结合了模糊增强的优点和灰度变换，可以用来处理低对比度和窄灰度范围的增强问题，转化灰度的隶属函数如[0,1]。此外，该部分还提出了一个以图像灰度级直方图的统计特征为基础的新的目标图像质量评价标准，来控制所提出的图像增强算法的迭代过程，并比较不同的图像增强的方法。第4部分提出了一种改进的标记方法，并且这种标记方法不需要等价表格。在第5部分讨论了代表方位的奇异性。第6部分给出了计算机模拟来阐明广义模糊增强方法的有效性，改进标记方法和对象的方位的表示方法。2模糊增强方法的概述模糊增强主要分为3步：（1）模糊化（2）迭代计算（3）去模糊化.给定一个图像f（I，J），其中m×n个象素和f最大值，并让I=1,2m，J=1,2n，是在像素位置（I，J）的灰度级。鉴于模糊集理论，该图像可以被认为是模糊的单身集合，每个带有一个隶属函数表示具有某种灰度级。模糊集合F~对应此图像可以写成以下形式：其中，ijijf，0≤ij≤1，指定的亮度的程度由第（i，j）个像素的灰度等级fij确定。此指定亮度通常是图像灰度级的最大值fmax。这里ij=0表示暗，ij=1表示亮。任何中间值是指像素的最大灰度级的级别。一系列的ij被称作图像的模糊平面特性，ij表示如下：其中Fc和Fd分别表示指数和模糊。很明显，这两个正的常数有改变模糊属性平面的模糊的效果。一个特别的灰度等级被称为交叉点，在此处5.0ijijfG。模糊增强关键是对比度增强操作符（INT），降低F~的模糊性通过增加在0.5以上的ij的值，降低那些低于0.5的值。模糊集F~中的对比度增强操作符（INT）生成另一个模糊集其隶属函数表达为如下：其中T表示操作符INT,图像f(ij)可以再属性域通过以下转换函数增强：其中被定义为T的连续应用，在限制的情况下，当，产生二值图像。增强的图像可以通过以下逆转换获得：其中增强图像像素的灰度等级，表示的逆转换，我们可以确定转换前后灰度等级的最大值是相等的。3广义模糊增强算法在第1部分中我们已经指出，使用模糊增强得到的增强图像在灰度等级的范围上和原图像是几乎相同的，仅仅进行了局部灰度等级的增加或减少。然而，对于那些灰度级范围较窄的和对比度的较低的图像，，由模糊增强获得的图像的视觉效果是不令人满意的。为了扩大灰度级的范围，我们建议采用广义模糊增强方法对灰度转换的结果进行转换。广义模糊增强系统的框图中如图1：平滑操作s的目的是抑制噪声或图像中的其它小的波动，它等同于抑制傅里叶变换域中高频。由于平滑基于直接平均模糊图像边缘的方法，本文是利用中值滤波。中值滤波是一种非线性平滑化方法，通过由其附近点亮度的平均值来替换当前值减小了边缘的模糊。在改进的模糊增强（在图1中表示为IFE）的阶段，一个隶属函数的规范化形式被提出，其仍保持原有的模糊增强和灰度变换的优点，同时将灰度范围的隶属函数转换到[0,1]。这种新的隶属函数可以表示为其中在方程（6）中符号的含义是与上述相同的含义。在方程（3）和（4）迭代模糊增强之后，使用改进的模糊增强获得的增强图像可使用公式（6）的逆变换获得，它具有以下形式：最终转换结果可以通过转换方程来获得，形式如下：其中像素的灰度级，灰度最大值，灰度最小值分别表示为，，。类似的，和分别表示增强后的灰度最大值和最小值。且满足下列关系：要终止所提出的图像增强算法的迭代过程，一个新的目标图像质量评价准则是根据图像的灰度直方图的统计特征。通常，一个具有良好的视觉效果的图像，具有灰度级的一个宽的动态范围，即，丰富的灰度级，其直方图曲线也是光滑的。考虑到这一事实，图像质量评价指数可表示为如下：在图像质量，灰度级的动态范围，实际的灰度级数目是由，和N表示。此外，和表示的像素的数目与部分的灰度级的像素的图像的总数和的平均比例。显而易见的是，越小，图像视觉越好。根据上面的分析，广义模糊增强算法可以被概括如下。算法1：广义模糊增强1输入原始图像F（I，J），令r=1和定义最小值和最大值2对于每个像素F（i，j）中，由3*3相邻像素的灰度平均值取代它的灰度值3根据（6）计算第r级模糊属性面的滤波图像。4变换由（3）和（4）定义的模糊属性平面5求解逆变换H（7），和第r次迭代模糊增强图像的灰度值6由（8）计算增强后的图像的灰度.7计算第r级模糊增强后的图像的质量，如果，执行到4，否则迭代结束。8。输出第（r-1）次增强后的图像。4针对图像分割的改进的标记算法从一个二进制图像找到连接组件是一件重要的事情。连续成分的算法通常用于由不同的标记来标记不同的连通区域。序贯算法是一个两通算法。第一遍扫描的二值图像，并分配任何未标记的像素一个新标签。在这些标签的分配中相邻像素的标签将被考虑。在第二遍期间的像素的标签都被改变到等价类的标签。本文提出了一种改进的标记方法。这种改进的标签方法进行图像分割是很容易理解，不必建立等价类。算法2：改进的标签算法1扫描二值图像从左到右，从上到下.2如果当前像素具有“0”值，则跳过此像素到下一个像素，并重复此步骤，否则请转到步骤3。3如果左边，顶部和左上部像素含有“0”值，然后分配一个新标签给这个像素，否则到下一步4分配左上像素的标签到当前像素如果左上角的像素具有“1”的值，否则转到下一步。5指定的左上像素的标签给当前像素如果顶部像素和左侧的像素具有“0”值和“1”值，分别否则转到下一步6分配的顶部象素的标签给当前像素如果顶部像素和左侧的像素具有“1”值和“0”分别否则转到下一步.7如果顶部的像素和左侧的像素都具有“1”的值且被标以相同的标号，然后分配这个标号给当前像素，否则转到下一个step.8如果顶部的像素和左像素都具有“1”且被标以不同的标号，然后小标签给当前像素，同时具有较小的标签替换较大的标签的所有扫描的像素，否则进入下一步。9。如果所有像素都被扫描，然后结束，否则转到步骤2。5表示目标的取向决定分割图像区域的姿态在图象描述中是一个频率问题。分割图像区域的位置由它的几何特征很容易地计算。然而，有一个奇点问题表示物体的方位。这个问题可以用图2来解释。在图2中，两个字母A的方向不同，但由最小惯量得到的值是相同的，有下列线性方程表达：其中分段图像的块中心由来表示，是最小惯量和水平方向的夹角，垂直的最小惯量为，遵循点的工程坐标表示如下：6实验研究及结果为了阐明广义模糊增强方法的有效性和改进标记算法，在此部分提出了应用到低对比度较少灰度图像的增强问题。通过比较，我们比较广义模糊增强与模糊增强和灰度变换的结果的结果。原退化图像是由于在图3。通过灰度变换（图4）增强的图像扩展灰度范围的原始图像，但对象的输出图像中的轮廓不清晰和它的对比度是不可取的。增强结果经典模糊增强示于图。5。我们可以很容易地发现，这种增强的方法是不适合原来的退化图像的增强问题，因为输出图像的视觉效果，只有具有比原始图像的多一点改善。由广义模糊增强图提高了输出图像。6，以及相关的参数是，和。由于增强的图像不仅丰富了原有的退化图像的灰度级，但同时也增加了它的对比度，结果图像具有良好的视觉效果。表1表示的图像质量和增强次数之间的关系。图像分割和识别的结给定图像尺寸为768*576，最小惯量与垂直线的夹角为-37.57结论传统的模糊增强方法更适合那些图像的增强，其中有许多不确定和不准确的因素，比其他传统的增强方法，如直方图修正，图像平滑，图像锐化，和逆过滤。然而，传统的模糊增强有两个缺点，即增强的图像具有与原图像相同的灰度范围，并且灰度级的隶属函数的形式并不常见。为了解决这一问题，我们在本文中提出了广义模糊增强，不仅保留了模糊增强的优势，同时也解决了低对比度和窄灰色范围图像的增强问题。对于图像分割和识别，提出了改进的标签方法。为了确定目标的姿态，给出了一种避免代表方位的奇点的方法。仿真结果阐释了本文提出的两种算法是有效的。