基于紋理的超聲成像測(cè)井圖像“城墻效應(yīng)”修復(fù)研究

倪路橋,余厚全,李長(zhǎng)文,李國(guó)軍,余春昊

(1.長(zhǎng)江大學(xué)電子信息學(xué)院,湖北荊州434000;2.中國(guó)石油集團(tuán)測(cè)井有限公司,陜西西安710077)

基于紋理的超聲成像測(cè)井圖像“城墻效應(yīng)”修復(fù)研究

倪路橋1,余厚全1,李長(zhǎng)文2,李國(guó)軍2,余春昊2

(1.長(zhǎng)江大學(xué)電子信息學(xué)院,湖北荊州434000;2.中國(guó)石油集團(tuán)測(cè)井有限公司,陜西西安710077)

根據(jù)測(cè)井圖像中病態(tài)圖像的特點(diǎn),基于現(xiàn)代圖像修復(fù)技術(shù),提出了一種基于紋理的圖像修復(fù)算法。介紹了該算法的基本思想,給出了利用基于紋理的圖像修復(fù)算法處理超聲測(cè)井圖像的具體流程。該算法按照優(yōu)先修復(fù)含有已知信息最多、中心點(diǎn)處等照度線方向與待修復(fù)區(qū)域邊界垂直方向一致性最好的待修復(fù)塊的原則,通過(guò)最佳匹配,在已知信息區(qū)域中尋找出最佳匹配塊,對(duì)“城墻效應(yīng)”進(jìn)行修復(fù)。處理結(jié)果表明,該算法能夠有效修復(fù)圖像中的“城墻效應(yīng)”,保持結(jié)構(gòu)的完整性,明顯改善圖像質(zhì)量。該算法簡(jiǎn)單、實(shí)用、實(shí)時(shí)性強(qiáng)、無(wú)需人工干預(yù),對(duì)超聲成像測(cè)井資料的后期處理具有較高實(shí)用價(jià)值。

超聲成像測(cè)井;紋理修復(fù);井下電視;圖像處理

0 引 言

本文在分析前人算法的基礎(chǔ)上,針對(duì)超聲成像測(cè)井圖像中出現(xiàn)的“城墻效應(yīng)”,提出了一種基于紋理的修復(fù)算法。該算法直接對(duì)源圖像進(jìn)行處理,不需輸入掩膜圖像來(lái)確定修復(fù)區(qū)域。

1 基于紋理的圖像修復(fù)算法

Criminisi等人提出的基于紋理的圖像修復(fù)算法[4-5]基本思想是從待修復(fù)區(qū)域的邊界點(diǎn)中,以一定的優(yōu)先度量準(zhǔn)則,找到一個(gè)優(yōu)先的修復(fù)點(diǎn);然后以該點(diǎn)為中心形成一個(gè)待修復(fù)塊,在已知信息區(qū)域中按照一定的匹配規(guī)則尋找最佳匹配塊;在找到最佳匹配塊后,將待修復(fù)塊中的空白信息用最佳匹配塊中對(duì)應(yīng)的已知信息進(jìn)行填充,然后更新邊界,重復(fù)上述步驟,直至全部圖像修復(fù)完畢。該算法的核心是優(yōu)先度量準(zhǔn)則,即確定最先修復(fù)的點(diǎn)(見(jiàn)圖1)。圖1中區(qū)域Φ為已知圖像區(qū)域(源區(qū)域),區(qū)域Ω為待修復(fù)圖像區(qū)域(目標(biāo)區(qū)域),δΩ表示待修復(fù)區(qū)域的邊界。以邊界 p點(diǎn)為例,Criminisi等人定義該點(diǎn)優(yōu)先度的計(jì)算公式

式中,C(p)為置信度項(xiàng),定義為在以邊界 p點(diǎn)(p∈δΩ)為中心的待修復(fù)塊Ψp中,已知信息像素個(gè)數(shù)與模板像素總數(shù)的比值;D(p)為結(jié)構(gòu)項(xiàng),定義為D(p)=(▽I⊥p·np)/a,α為標(biāo)準(zhǔn)化參數(shù)(對(duì)于典型灰度圖像α=255),np為在p處與待修復(fù)區(qū)域的邊界垂直的單位向量,▽I⊥p其值為 p點(diǎn)處的梯度值,方向與梯度方向垂直,即等照度線的方向。其物理意義為在邊界點(diǎn)對(duì)應(yīng)的待修復(fù)塊中,應(yīng)優(yōu)先修復(fù)那些已知信息最多、等照度線的方向與待修復(fù)邊界的np方向一致性最好的待修復(fù)塊,從而保證修復(fù)信息的可靠性和圖像結(jié)構(gòu)的完整性。本文處理時(shí),D(p)根據(jù)TV模型計(jì)算[6],具體定義為

使用TV模型計(jì)算優(yōu)先度進(jìn)行圖像修復(fù),連通性好,是對(duì)比較細(xì)膩的紋理能取得較好的修復(fù)效果。

2 超聲成像測(cè)井圖像“城墻效應(yīng)”修復(fù)處理算法

2.1 處理算法流程

(1)“城墻效應(yīng)”區(qū)域的識(shí)別與標(biāo)識(shí)。在開(kāi)始深度起,計(jì)算相鄰2行對(duì)應(yīng)點(diǎn)像素值差的絕對(duì)值之和S,如果連續(xù) k行的Si(i=1,2,…,k)都小于預(yù)定的閾值,則判定該區(qū)域?yàn)椤俺菈π?yīng)”區(qū)域;然后確定該區(qū)域的起止深度,并將該深度段的像素值置為-0.000 1進(jìn)行標(biāo)識(shí)。

圖1 優(yōu)先度量原理圖

(2)優(yōu)先度的計(jì)算。按照上述優(yōu)先度的定義,計(jì)算邊界點(diǎn)優(yōu)先度 P(p),從邊界點(diǎn)中選取優(yōu)先度最高的點(diǎn),以該邊界點(diǎn)為中心的待修復(fù)塊作為優(yōu)先待修復(fù)塊。

(3)按照最佳匹配準(zhǔn)則,在已知信息區(qū)域中進(jìn)行搜索,尋找出最佳匹配塊。

財(cái)政內(nèi)控是財(cái)政領(lǐng)域一項(xiàng)基礎(chǔ)性、創(chuàng)新性工作，是財(cái)政管理的現(xiàn)代要求和財(cái)政改革的應(yīng)有之意。近年來(lái)，內(nèi)蒙古立足自治區(qū)實(shí)際，從建立制度入手，以見(jiàn)效管用為終極目標(biāo)，加強(qiáng)領(lǐng)導(dǎo)，統(tǒng)籌謀劃，本級(jí)先行，以上率下；對(duì)盟市、旗縣財(cái)政分類指導(dǎo)，精準(zhǔn)施策，解疑釋惑，有序推進(jìn)；在建設(shè)內(nèi)容上既有統(tǒng)一要求，又明確突出各級(jí)、各地特色，內(nèi)控成效初步顯現(xiàn)。

(4)根據(jù)拼接方法,利用最佳匹配塊的信息,對(duì)待修復(fù)塊進(jìn)行修復(fù)。

(5)更新邊界,返回步驟(2),直至待修復(fù)區(qū)域修復(fù)完畢為止。

2.2 拼接算法

找到匹配塊后,如果直接將待修復(fù)塊中的未知像素用匹配塊相應(yīng)位置的像素值填充,則可能出現(xiàn)人工邊界,造成不連續(xù)。為了使修復(fù)后的圖像更加平滑、連續(xù),提出了一個(gè)新的拼接算法,從匹配塊和待修復(fù)塊重疊的已知信息區(qū)域中,尋找一個(gè)最佳的拼接路徑,根據(jù)此路徑來(lái)填充待修復(fù)塊。

(1)設(shè)待修復(fù)塊和匹配塊的長(zhǎng)、寬大小相同,均為 H個(gè)像素,把待修復(fù)模塊中的像素值復(fù)制到緩沖區(qū)中。如圖2所示,圖形OABD與待修復(fù)塊大小相同,O、A、B、D為4個(gè)角像素,以左上角像素O為原點(diǎn),建立坐標(biāo),則OD線段函數(shù)y=x;AB線段函數(shù)y=H-1-x;則OD和AB線段將模板分成4個(gè)區(qū),范圍分別為1區(qū):y≤x,y≥H-1-x,x≤H;2區(qū):y>x,y>H-1-x,y≤H;3區(qū):y≥x,y≤H-1-x,x≥0;4區(qū):y

(2)從頂點(diǎn)A出發(fā),設(shè)當(dāng)前點(diǎn)坐標(biāo)為(x,y),則從(x,y+1),(x-1,y+1),(x+1,y+1)3個(gè)點(diǎn)中找待修塊與匹配塊對(duì)應(yīng)位置像素值之差絕對(duì)值最小的點(diǎn),并將緩沖區(qū)中的這個(gè)點(diǎn)賦值為-1,作為拼接路徑標(biāo)志,把該點(diǎn)作為當(dāng)前點(diǎn),進(jìn)行下次迭代。如果點(diǎn)(x-1,y+1)在 AC上或待修塊對(duì)應(yīng)像素值為-0.000 1(-0.000 1為“城墻”區(qū)域像素標(biāo)志)、(x +1,y+1)在 AD外或待修塊對(duì)應(yīng)像素值為-0.000 1,則不參與上述比較。

圖2 以待修塊左上角像素為原點(diǎn)建立坐標(biāo)圖

(3)如果當(dāng)前點(diǎn)在 CD上時(shí),則令緩沖區(qū)相應(yīng)值為-1,進(jìn)入2區(qū),2區(qū)算法類似,只是方向改變,如圖2箭頭。3區(qū)、4區(qū)類似,在4區(qū)時(shí)如果(x+1, y-1)在AC上,則路徑尋找完畢,停止迭代。

(4)復(fù)制像素。待修復(fù)塊中,位于最佳路徑內(nèi)的或像素值為-0.000 1的點(diǎn),其像素值用匹配塊中相應(yīng)點(diǎn)來(lái)填充;位于最佳路徑上且像素值不為-0.000 1的點(diǎn),用其與匹配塊中對(duì)應(yīng)像素之和除2的均值填充;最佳路徑以外且像素值不為-0.000 1的點(diǎn),值不變。

2.3 搜索范圍及匹配方法

縱向:與待修復(fù)區(qū)域相鄰的上下20行(可根據(jù)實(shí)際情況而定)以內(nèi),不包括待修復(fù)區(qū)域。橫向:設(shè)該點(diǎn)橫向位置為 x,則在 x+15到 x-15區(qū)域內(nèi),如果超出范圍,則置為邊界值大小。使用局部搜索,加快了處理速度,效果影響很小。選擇已知點(diǎn)為邊界點(diǎn),增加了待匹配模塊中已知信息,匹配更加準(zhǔn)確。匹配時(shí),模板中不同位置的像素使用不同加權(quán),加權(quán)系數(shù)和該點(diǎn)與模板中心點(diǎn)距離成反比。

2.4 邊緣處理

待修復(fù)區(qū)域的左右兩邊緣是圖像的邊界,相鄰信息很少,處理辦法為設(shè)模板寬度為 H,距邊界水平距離在 H/2以內(nèi)的點(diǎn)的優(yōu)先度設(shè)為小于其他點(diǎn)的優(yōu)先度,方法是其他點(diǎn)的優(yōu)先度都加上一個(gè)很大的數(shù);以距邊界水平距離在 H/2以內(nèi)的點(diǎn)為中心進(jìn)行匹配、賦值時(shí),只有屬于圖像范圍內(nèi)的點(diǎn)參與運(yùn)算,范圍之外的點(diǎn)不參與。

3 處理結(jié)果及分析

該算法首先在PC機(jī)VC++6.0平臺(tái)上進(jìn)行測(cè)試,選用了一個(gè)結(jié)構(gòu)較明顯的圖3進(jìn)行處理。圖3(a)是原圖,圖3(b)是圖3(a)部分區(qū)域刪除后,全黑部分即是刪除部分。圖3(c)和圖3(d)對(duì)圖3(b)全黑區(qū)域進(jìn)行修復(fù),圖3(c)沒(méi)有使用拼接算法,圖3 (d)使用本文的拼接算法。與圖3(a)相比,圖3(c)已經(jīng)出現(xiàn)了塊狀效應(yīng),效果較差,而圖3(d)整體效果較好,既保持了結(jié)構(gòu)的連續(xù)性,又沒(méi)有出現(xiàn)塊狀效應(yīng)。本文的拼接算法能有效避免塊狀效應(yīng)。

圖3 基于本文拼接算法處理前后的圖像對(duì)比

最后將算法移植到綜合測(cè)井平臺(tái)Lead2.1上,圖4(a)為測(cè)井原圖,可以清楚地看到病態(tài)城墻部分,圖4(c)是本算法修復(fù)結(jié)果,圖4(b)中全黑區(qū)域?qū)?yīng)的是本算法搜索到的城墻部分。將圖4(b)和圖4(a)進(jìn)行比較可以看出,該算法能夠比較準(zhǔn)確地找到城墻,從而為修復(fù)提供準(zhǔn)確區(qū)域。將圖4(b)和圖4(c)進(jìn)行比較可以得出,與圖4(b)全黑城墻區(qū)域?qū)?yīng)的圖4(c)相應(yīng)區(qū)域得到了很好地恢復(fù),左右邊界恢復(fù)很好,沒(méi)有明顯的拼接痕跡,結(jié)構(gòu)也得到了很好地延伸。由于采用了局部搜索,速度很快,無(wú)論是

結(jié)果還是速度都能很好的滿足工程應(yīng)用需要。

圖4 具有城墻效應(yīng)的實(shí)際超聲測(cè)井圖像和處理結(jié)果

4 結(jié)束語(yǔ)

該算法簡(jiǎn)單、實(shí)用、實(shí)時(shí)性強(qiáng)、不需輸入掩膜圖像和人工干預(yù),能夠自動(dòng)準(zhǔn)確尋找并修復(fù)病態(tài)的城墻區(qū)域。算法不僅能夠修復(fù)紋理信息,也能較好修復(fù)結(jié)構(gòu)信息,并且處理速度很快,對(duì)超聲成像測(cè)井資料的后期處理具有較高有實(shí)用價(jià)值。

[1] Bertalmio M,Sapiro G,Caselles V,et al.Image Inpainting[C]∥Proc of ACM Conf Comp on Graphics, New Orleans:2000:417-424.

[2] Chan T,Shen Jianhong.Mathematical Models fo r Local Non-texture In-paintings[J].SIAM Journal on App lied Mathematics,2002,62(3):1019-1043.

[3] Chan T,Shen Jianhong.Non-texture Inpainting by Curvature-driven Diffusions(CDD)[J].J Visual Comm Image Rep,2001,4(12):436-449.

[4] Criminisi A,Perez P,Toyama K.Object Removal by Exemp lar-based In-painting[C]∥Proc of Conf on Comp Vision Pattern Rec Madison,W I,USA:2003.

[5] Criminisi A,Perez P,Toyama K.Region Filling and Object Removalby Exemp lar-based Image Inpainting [J].IEEE Trans of Image Processing,2004,13(9): 1200-1212.

[6] 王遠(yuǎn)敏.基于紋理合成的數(shù)字圖像修復(fù)算法研究[C]∥中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù),2008-05-22, (11):45-46.

Ultrason ic Logging Image Restoration Based on Texture

N ILuqiao1,YU Houquan1,L IChangwen2,L IGuojun2,YU Chunhao2
(1.Electrics&Info rmation School of Yangtze University,Jingzhou,Hubei 434000,China; 2.China Petroleum Logging CO.L TD.,Xi’an,Shaanxi 710077,China)

Proposed is amodified inpainting algorithm based on texture for logging image restoration acco rding to the characteristicsof ill image.Introduced are the p rincip le of this algo rithm and specific p rocessing p rocedure for ultrasonic logging image restoration by using this algorithm. The inpainting algo rithm gives p rio rity to blocks w hich have the most info rmation and those central points’s isophotes direction have best consistency w ith the vertical direction of the boundary in the area.And then found out is the bestmatching block by matching in the neighborhood area to repair the“wall effect”.The p rocessing results show this algorithm can effectively repair the“w all effect”image,maintain structural integrity,and imp rove significantly image quality.The algorithm is simp le,real-time,and no more human interface,and hasp ractical value for post-p rocessing of the BH TV logging imaging data.

ultrasonic imaging logging,texture restoration,BH TV,image p rocessing

1004-1338(2010)05-0428-04

P631.83

A

國(guó)家“863”計(jì)劃重點(diǎn)科研項(xiàng)目“先進(jìn)測(cè)井技術(shù)與裝備”中“方位聲波成像測(cè)井技術(shù)研究”(編號(hào):2006AA 060103)

倪路橋,男,1982年生,碩士研究生,研究方向?yàn)樾盘?hào)與信息處理。

2010-05-18 本文編輯 王小寧)