隨機共振機制在圖像復(fù)原中的應(yīng)用

曾品善

【摘 要】隨機共振能將噪聲的部分能量通過非線性系統(tǒng)作用轉(zhuǎn)為信號的能量，從而提高輸出信號的信噪比，這為解決從強噪聲背景中檢測提取有用弱信號問題提供了一種全新的思路和方法。將隨機共振機制應(yīng)用于圖像復(fù)原，可以提高圖像復(fù)原效果，特別是在處理被強噪聲污染的圖像信號時。

【關(guān)鍵詞】隨機共振;圖像復(fù)原;噪聲;神經(jīng)元模型

The Application of Stochastic Resonance Mechanism in Image Restoration

ZENG Pin-shan

（Department of Information Engineering， Officers College of CAPF， Chengdu Sichuan 610213，China）

【Abstract】Stochastic resonance can transform part of the energy of noise through a nonlinear system into the energy of the signal， thus improving the SNR of output signal， which provides a new thought and method to solve the problem of detecting and extracting the useful signal from strong noise background. Stochastic resonance is applied in the image restoration， which can have better effects on promoting the image quality， especially when recovering the image signals polluted by the strong noise.

【Key words】Stochastic resonance;Image restoration;Noise;Neuron model

0 引言

自1981年Benzi提出隨機共振（Stochastic Resonance）的概念以來，隨機共振被越來越多的學(xué)者所研究。隨機共振理論指出，當(dāng)信號和噪聲通過非線性系統(tǒng)時，隨著噪聲強度的不斷增大，輸出信號的信噪比會出現(xiàn)一個峰值。這說明噪聲對于信號的影響并非總是有害的，其存在可能對信號的傳遞和處理產(chǎn)生積極作用。

隨機共振的實質(zhì)是通過非線性作用將噪聲的部分能量轉(zhuǎn)為信號的能量，從而提高輸出信號的信噪比，這顛覆了人們長期以來認(rèn)為“噪聲干擾信號”的傳統(tǒng)觀點，在一定條件下，噪聲能對信號起到積極的增強作用，這就為解決從強噪聲背景中檢測和提取有用弱信號問題提供了一種全新的思路和方法。針對隨機共振及其在強噪聲背景下提取有用信號的獨特優(yōu)勢，可以將隨機共振機制應(yīng)用于圖像信號的處理研究中，利用其對退化圖像進行重構(gòu)，從而達(dá)到圖像復(fù)原的目的。

1 隨機共振機制

1.1 隨機共振理論

自隨機共振理論提出至今，對其的研究及應(yīng)用得到了很大的發(fā)展。經(jīng)典的隨機共振理論主要包括以下四種：① 基于動力學(xué)的完全非絕熱區(qū)域理論和絕熱極限理論所提出的絕熱近似理論，該理論必須滿足一種絕對化和理想化的條件，因此條件限制過于苛刻，應(yīng)用范圍受到很大限制;② 單頻信號輸入下的線性響應(yīng)理論，該理論能夠預(yù)測輸出信號的非線性特征，但在時間趨于無窮大時，信號將無法被模擬;③ 駐留時間分布理論通過對輸出信號停留某一穩(wěn)態(tài)時間長短的描述，利用半周期內(nèi)系統(tǒng)的駐留時間來度量隨機共振效果;④ 基于?？?普朗克方程的本征值理論，該理論與絕熱近似理論相比，限制條件較少，但缺乏對非線性因素的研究。

隨著隨機共振理論的研究越來越深入，各種非經(jīng)典隨機共振理論也被相繼提出。如描述非周期信號隨機共振效果的非周期隨機共振理論，基于神經(jīng)網(wǎng)絡(luò)模型的閾值隨機共振理論，通過優(yōu)化系統(tǒng)參數(shù)的參數(shù)調(diào)節(jié)隨機共振理論，以非線性系統(tǒng)中耦合系數(shù)為研究對象的耦合隨機共振理論等。這些非經(jīng)典理論與經(jīng)典理論相互補充，使隨機共振理論在機械工程、生物醫(yī)學(xué)、信息處理等多個領(lǐng)域得到了廣泛應(yīng)用。

1.2 隨機共振模型

根據(jù)隨機共振的理論基礎(chǔ)不同，其常用的研究模型有以下三種：① 雙穩(wěn)態(tài)模型。在朗之萬方程的基礎(chǔ)上，構(gòu)建■=ax-bx■+ft+ζt，通過改變系統(tǒng)參數(shù)a、b或噪聲強度，從而描述雙穩(wěn)態(tài)隨機共振現(xiàn)象;② 閾值模型。該模型利用神經(jīng)網(wǎng)絡(luò)中的閾值模型fx=a，x≤λb，x>λ來描述系統(tǒng)、信號及噪聲共同作用下所產(chǎn)生的輸出信號。③ 神經(jīng)元模型。神經(jīng)元模型是研究烏賊神經(jīng)系統(tǒng)中信息傳遞的重要模型之一，通過將其引入來描述非線性系統(tǒng)的隨機共振模型。

1.3 隨機共振評價指標(biāo)

隨機共振評價指標(biāo)通常有三種：①信噪比指標(biāo)。通過計算輸出功率譜在信號頻率處的譜峰值來度量隨機共振的效果。這種評價方法只適用于周期信號，無法對非經(jīng)典隨機共振理論進行評價;②信息理論評價指標(biāo)。該評價指標(biāo)利用信息論中的互信息量來描述非線性系統(tǒng)中噪聲和信號互相關(guān)系數(shù)的變化情況;③駐留時間分布指標(biāo)。由于駐留時間分布會呈現(xiàn)出多峰值的現(xiàn)象，所以通過統(tǒng)計系統(tǒng)在各個狀態(tài)的停留時間概率分布來評估其隨機共振效果。

2 基于隨機共振機制的圖像復(fù)原實現(xiàn)方法

對于現(xiàn)實中的圖像信號，具有信息量多，信號參數(shù)大等特點。因此，圖像信號多以閾值上信號的形式出現(xiàn)。將隨機共振機制應(yīng)用于圖像復(fù)原中，通過合理設(shè)計圖像復(fù)原算法，可以很好的將退化圖像進行重建復(fù)原。

2.1 圖像復(fù)原原理

在圖像的形成過程中，由于受到各種外界條件的影響，可能會出現(xiàn)不同程度的圖像失真，導(dǎo)致圖像質(zhì)量下降，這種現(xiàn)象被稱為圖像的“退化”。圖像復(fù)原是指，通過一定的方法對失真圖像進行處理，進而重新構(gòu)造圖像，達(dá)到改善退化圖像質(zhì)量的目的。

圖像復(fù)原根據(jù)退化原因，建立相應(yīng)的數(shù)學(xué)模型，并設(shè)計合理的算法進行圖像復(fù)原。圖像的退化/復(fù)原過程模型如圖1所示。

圖1 圖像退化及復(fù)原模型

其中g(shù)（x，y）表示降質(zhì)圖像，f（x，y）表示復(fù)原后的圖像。

2.2 基于隨機共振機制的圖像復(fù)原方法研究

圖像復(fù)原算法的目的是通過對圖像信號多次添加同一個獨立分布且強度相同的高斯白噪聲，將疊加信號作為輸入，經(jīng)過非線性處理器處理，得到閾值化輸出。通過改變噪聲的強度，尋求使輸出評價指標(biāo)最優(yōu)的噪聲強度，與之相對應(yīng)的輸出圖像信號為最好的復(fù)原圖像。

傳統(tǒng)圖像復(fù)原方法只是對噪聲簡單的濾除，同時也會濾除信號中部分有用信息，造成復(fù)原信號的較大失真;而通過引入隨機共振機制，能夠?qū)⒃肼暷芰哭D(zhuǎn)移至信號能量，增強圖像質(zhì)量。利用雙穩(wěn)態(tài)隨機共振方法，可以通過調(diào)節(jié)系統(tǒng)參數(shù)來實現(xiàn)圖像復(fù)原。利用神經(jīng)元模型的隨機共振機制可以通過改變噪聲的強度來實現(xiàn)圖像復(fù)原。在復(fù)原弱噪聲污染的圖像時，考慮到算法效率和處理效果，神經(jīng)元模型的隨機共振機制并非最優(yōu)，但在復(fù)原被強噪聲污染的圖像時，基于神經(jīng)元模型隨機共振機制的復(fù)原方法相比于傳統(tǒng)方法和雙穩(wěn)態(tài)隨機共振方法具有一定的優(yōu)越性，且魯棒性好。圖2為基于隨機共振機制的圖像復(fù)原方法原理框圖。

圖2 基于隨機共振機制的圖像復(fù)原方法原理框圖

3 結(jié)束語

隨機共振機制能夠?qū)⒃肼暡糠帜芰客ㄟ^非線性系統(tǒng)作用轉(zhuǎn)化為信號的能量，這為解決強噪聲背景下檢測提取有用弱信號的問題提供了一種全新的思路和方法。本文在研究和分析隨機共振機制的基礎(chǔ)上，將隨機共振機制應(yīng)用于圖像復(fù)原中，設(shè)計了基于隨機共振機制的圖像復(fù)原方法框架，并對雙穩(wěn)態(tài)隨機共振方法和神經(jīng)元模型隨機共振方法在圖像復(fù)原中的應(yīng)用效果進行了比較分析。隨機共振機制是一個較為復(fù)雜的問題，除可以用于圖像復(fù)原外，還可以應(yīng)用于圖像增強、信號拓展等多個領(lǐng)域。

【參考文獻(xiàn)】

[1]Rallabandi VPS，Roy PK.Magnetic resonance image enhancement using stochastic resonance in Fourier domain[J].Magnetic Resonance Imaging，2010，28（9）： 1361-1373.

[2]Fetterly ?KA， Schueler BA. Physical evaluation of prototype high-performance anti-scatter grid：potential for improved digital radiographic image quality[J]. Physics in Medicine and Biology，2009，54（2）：37-42.

[3]陳可，范影樂，李軼.雙穩(wěn)態(tài)隨機共振機制及其在圖像復(fù)原中的應(yīng)用[J].中國圖像圖形學(xué)報，2011，16（7）：170-1177.

[4]張靜靜，靳艷飛.非高斯噪聲激勵下FitzHugh-Nagumo神經(jīng)元系統(tǒng)的隨機共振[J].物理學(xué)報，2012，5（6）：57-61.

[5]張曉燕，徐偉，周丙常.周期矩形信號作用下時滯非對稱單穩(wěn)系統(tǒng)的隨機共振[J].物理學(xué)報，2012，9（3）：18-23.

[責(zé)任編輯：薛俊歌]