基于剪切波變換的反銳化掩膜遙感圖像增強

阿依古力·吾布力，賈振紅＋，覃錫忠，楊 杰，Nikola Kasabov

（1.新疆大學 信息科學與工程學院，新疆 烏魯木齊830046；2.上海交通大學 圖像處理與模式識別研究所，上海200240；3.新西蘭奧克蘭理工大學 知識工程與發(fā)現(xiàn)研究所，新西蘭 奧克蘭1020）

0 引 言

目前的遙 感 圖 像 增 強［1，2］算 法 主 要 有 模 糊 域 增 強［3，4］、多尺度 Retinex增強［5］、小波變換［6］、曲波變換［7］、輪廓波（Contourlet）變換［8］、NSCT變換［3，9］等。基于模糊域的圖像增強算法雖然在一定程度上改善了圖像視覺效果，但是會導致部分細節(jié)丟失而且運算時間也比較長。用Retinex算法增強后的圖像雖然局部細節(jié)得到增強，但在明暗對比強烈的邊緣區(qū)域會產(chǎn)生光暈現(xiàn)象。小波變換在信號處理中非常有力的工具，但是不能很好地表示圖像方向信息。曲波變換、輪廓波變換及NSCT變換很好地解決了這一問題，它們能夠?qū)D像中各向異性的邊緣和紋理等信息給出更優(yōu)的表示。由于NSCT的實現(xiàn)過程比較復雜，在頻率空間中隔層細分的，一定程度上削弱了其對圖像的稀疏表示能力。Guo K等提出了一種多尺度分析，接近最優(yōu)的多維函數(shù)稀疏表示方法—剪切波變換［10］。剪切波是多尺度幾何分析的最新發(fā)展，通過特殊形式的具有合成膨脹的放射系統(tǒng)構(gòu)造的，對圖像的表示同時具有多分辨率、局域性和方向性等優(yōu)點。目前剪切波變換已被廣泛用于圖像融合［11－13］、圖像去噪［14，15］等領域，但僅是剛開始引入到遙感圖像增強領域中［16］。

直方圖均衡化是一種經(jīng)典的提高圖像對比度的增強方法，針對直方圖均衡化中噪聲放大的缺點，本文將直方圖均衡化后的圖像變換到剪切波域來消除噪聲。

1 理論分析

1.1 剪切波 （Shearlet）變換

剪切波變換是剪切波是多尺度幾何分析的最新發(fā)展，它能夠?qū)ΧS圖像進行最優(yōu)的逼近。在文獻 ［17］中，剪切波可定義為

剪切波是多尺度幾何分析的最新發(fā)展，是一種具有多分辨率，多方向和局域性等特點的接近最優(yōu)的多維函數(shù)稀疏表示工具［16］。剪切波具有簡單的數(shù)學結(jié)構(gòu)，通過一個函數(shù)進行伸縮，平移，旋轉(zhuǎn)而形成的基函數(shù)。同時，剪切波變換的剪切過程跟輪廓波變換相比，沒有方向數(shù)目和支撐基尺寸大小的限制，其支撐區(qū)間具有隨尺度而長寬比變化的 “各向異性”特性，而且也不需要方向濾波器的逆合成。因此，剪切波變換具有更高的計算效率。

1.2 反銳化掩膜增強算法

反銳化掩模增強算法是一種經(jīng)典的圖像邊緣增強算法，提高圖像的高頻分量部分來增強其視覺效果［18，19］。其主要策略為：先邊緣檢測，后勾邊。邊緣銳化圖像由原始圖像減去拉普拉斯濾波分量而完成。銳化圖像要加到原圖像得到最終的反銳化掩膜增強后的圖像。其基本算法

式中：f（x，y）是原始圖像；f（x，y）－g（x，y）是模糊后的圖像；g（x，y）是反銳化掩膜增強后的圖像；c是增強比例常數(shù)。

它在一定程度上增強圖像邊緣和細節(jié)，但是對噪聲比較敏感。針對這個缺點，本文結(jié)合了直方圖均衡化和基于剪切波變換的反銳化掩膜增強，使遙感圖像質(zhì)量得到明顯的改善。

2 本文算法實現(xiàn)

2.1 高頻系數(shù)處理

剪切波變換分解后就能夠得到低頻子帶系數(shù)和高頻子帶系數(shù)。圖像高頻子帶系數(shù)含有固有噪聲和直方圖均衡化產(chǎn)生的噪聲，而且反銳化掩膜算法對噪聲比較敏感。所以在變換域的高頻子帶部分通過選擇合適的閾值來將噪聲從圖像中分離出來，得到抑制噪聲的遙感圖像，低頻子帶系數(shù)則不做處理。

2.1.1 高頻子帶的系數(shù)處理

將如下所求的閾值與剪切波分解得到的高頻子帶系數(shù)進行比較。當系數(shù)值大于閾值時，則圖像的細節(jié)分量進行適當?shù)脑鰪?；當系?shù)值小于閾值時，認為噪聲置為0

式中：di，j——經(jīng)過剪切波分解后的高頻子帶系數(shù)，——進行閾值去噪處理后的高頻子帶系數(shù)。

2.1.2 閾值選取

本文采用閾值去噪對高頻子帶部分進行處理，而閾值的選取對圖像質(zhì)量起著關鍵的作用。它會直接影響去噪的效果。本文采用基于Bayes Shrink的自適應閾值對圖像進行去噪并增強［20］。貝葉斯去噪閾值公式如下

式中：di，j（l，k）——第l尺度第k方向的系數(shù)。

經(jīng)l層分解后得到的子帶系數(shù)矩陣的均值為

式中：sl，k——第l尺度，k方向的子帶系數(shù)均值

各方向子帶系數(shù)權(quán)重為

本文采用的自適應閾值計算公式如下

以上公式中，m和n分別代表當前子帶圖像的大小。

2.2 本文算法實現(xiàn)

本文算法具體步驟總結(jié)如下：

（1）對輸入的原始遙感圖像進行直方圖均衡化處理，從全局提高圖像的對比度。

（2）對直方圖均衡化處理后的圖像進行剪切波分解。

（3）對剪切波變換分解得到的高頻系數(shù)利用式 （3）進行去噪處理。

（4）對處理完的高頻子帶進行剪切波逆變換得到對比度增強，噪聲抑制的圖像。

（5）對剪切波逆變換得到的圖像進行反銳化掩膜增強，得到最終增強的遙感圖像。

3 實驗結(jié)果與分析

為了驗證本文提出的算法對遙感圖像增強效果的先進性，選擇兩幅大小為512×512，灰度級為256的遙感圖像作為測試樣本，分別從客觀和主觀兩個方面對遙感圖像的增強結(jié)果進行分析。在實驗中，我們將本文方法與直方圖均衡化，基于NSCT的模糊增強算法［3］，基于NSCT的反銳化掩膜遙感圖像增強算法［18］進行了對比。本文方法的分解層數(shù)為3層。為了便于分析，將原圖和增強后的結(jié)果圖例于圖1和圖2。

圖1 各種算法的增強效果對比

圖2 各種算法的增強效果對比

從圖1和圖2可以看出本文方法亮度適中，跟其它幾種方法相比，細節(jié)信息豐富，邊緣清晰，視覺效果最優(yōu)。下面，我們選取圖像清晰度，信息熵，峰值信噪比3種客觀評價指標對遙感圖像的增強效果進行評價。表1和表2分別給出了直方圖均衡化，基于NSCT變換的模糊增強算法，基于NSCT變換的反銳化掩膜及本文算法增強后的信息熵，清晰度和信噪比。

表1 對應圖1的不同方法增強后的指標對比

表2 對應圖2的不同方法增強后的指標對比

看出本文算法得到的信息熵，信噪比，清晰度都是最高的。因而本文相對其它算法取得了較好的客觀評價指標。綜上可知，通過主觀視覺效果和客觀指標的對比，本文算法增強后效果明顯優(yōu)于其它算法。

4 結(jié)束語

本文提出了一種基于剪切波變換的反銳化掩膜遙感圖像增強算法。該方法首先用直方圖均衡化有效提高圖像的整體對比度，再做剪切波分解，對剪切波分解得到的高頻子帶系數(shù)進行自適應閾值去噪和線性增強處理，最后經(jīng)過剪切波反變換后的圖像進行反銳化掩膜獲得最終的增強結(jié)果。通過實驗結(jié)果表明了本文方法與較其它方法有一定的優(yōu)勢，對遙感圖像增強達到了很好的效果。

［1］Liu Y.Remote sensing image enhancement based on fractional differential ［C］／／International Conference on Computational and Information Sciences.IEEE，2010：881－884.

［2］LI Qian，JIA Zhenhong，QIN Xizhong，et al.A hybrid remote sensing image enhancement method ［J］.Laser Journal，2013，34（6）：34－36 （in Chinese）. ［李倩，賈振紅，覃錫忠，等.一種混合的遙感圖像增強方法 ［J］.激光雜志，2013，34 （6）：34－36.］

［3］Men G Z，Yang J L，Zhao J.Fuzzy contrast enhancement for remote sensing image based on fuzzy set in nonsubsampled contourlet domain ［C］／／International Conference on Machine Learning and Cybernetics.IEEE，2010：735－740.

［4］Hanmadlu M，Arora S，Gupta G，et al.A novel optimal fuzzy color image enhancement using particle swarm optimization ［C］／／Sixth International Conference on Contemporary Computing.IEEE，2013：41－46.

［5］Henan W，Guang Y，Zhonglin X，et al.Remote sensing image enhancement method based on multi－scale Retinex［C］／／International Conference on Information Technology，Computer Engineering and Management Sciences.IEEE，2011：15－18.

［6］Zhan B，Wu Y.Infrared image enhancement based on wavelet transformation and retinex ［C］／／2nd International Conference on Intelligent Human－Machine Systems and Cybernetics.IEEE，2010：313－316.

［7］XIAO Ding，SUN Ziqiang.Improved algorithm of image nonlinear enhancement based on curvelet transform ［J］.Computer Engineering，2011，37 （17）：200－202 （in Chinese）. ［肖丁，孫自強.基于曲波變換的圖像非線性增強改進算法 ［J］.計算機工程，2011，37 （17）：200－202.］

［8］CHEN Zhigang，YIN Fuchang.Enhancement of remote sensing image based on Contourlet transform ［J］.Optics and Precision Engineering，2008，16 （10）：2030－2037 （in Chinese）.［陳志岡，尹福昌.基于Contourlet變換的遙感圖像增強算法［J］.光學精密工程，2008，16 （10）：2030－2037.］

［9］Yuan H，Li Y，He F.An adaptive infrared image enhance－ment algorithm based on NSCT ［C］／／International Conference on Electronics and Optoelectronics.IEEE，2011：V3－4－V3－7.

［10］GUO Kanghui，Labate D.Optimally sparse multidimensional reprentation using Shearlets ［J］.SLAM Journal on Mathematical Analysis，2007，39 （1）：298－318.

［11］SHI Zhi，ZHANG Zhuo，YUE Yangang.Adaptive image fusion algorithm based on shearlet transform ［J］.ACTA Photonica Sinica，2013，42 （1）：115－120 （in Chinese）.［石智，張卓，岳彥剛.基于Shearlet變換的自適應圖像融合算法［J］.光子學報，2013，42 （1）：115－120.］

［12］Miao Q，Shi C，Xu P，et al.A novel algorithm of image fusion using shearlets ［J］.Optics Communications，2011，284（6）：1540－1547.

［13］Deng C，Wang S，Chen X.Remote sensing images fusion algorithm based on shearlet transform ［C］／／International Conference on Environmental Science and Information Application Technology.IEEE，2009：451－454.

［14］Cao H，Tian W，Deng C.Shearlet－based image denoising using bivariate model［C］／／IEEE International Conference on Progress in Informatics and Computing.IEEE，2010：818－821.

［15］HU Haizhi，SUN Hui，DENG Chengzhi，et al.Image denoising algorithm based on Shearlet transform ［J］.Journal of Computer Applications，2010，30 （6）：1562－1564 （in Chinese）.［胡海智，孫輝，鄧承志，等.基于Shearlet變換的圖像去噪算法 ［J］.計算機應用，2010，30 （6）：1562－1564.］

［16］YANG Bo，JIA Zhenhong，QIN Xizhong，et al.Remote sensing image enhancement based on Shearlet transform ［J］.Journal of Optoelectronics.Laser，2013，24 （11）：2249－2253（in Chinese）. ［楊波，賈振紅，覃錫忠，等.基于Shearlet變換的遙感圖像增強 ［J］.光電子·激光，2013，24（11）：2249－2253.］

［17］Kutynoik G，Labate D.Resolution of the wavefront set using continuous shearlets ［J］.Trans Amer Math Soc，2009，361（5）：2719－2754.

［18］Gokhan ilk H，Onur Jane，Ozlem ilk.The effect of Laplacian filter in adaptive unsharp masking for infrared image enhancement［J］.Infrared Physics ＆Technology，2011，54 （5）：427－438.

［19］Pu X，Jia Z，Wang L，et al.The remote sensing image enhancement based on nonsubsampled contourlet transform and unsharp masking ［J］.Concurrency and Computation：Practice and Experience，2013，26 （3）：742－746.

［20］LEI Haopeng，LI Feng.Image denoising algorithm using adaptive threshold based on multi－wavelet nonsubsampled Contourlet transform ［J］.Journal of Computer Applications，2010，30 （5）：1351－1355 （in Chinese）.［雷浩鵬，李峰.基于多小波－非采樣Contourlet變換的自適應閾值圖像去噪方法［J］計算機應用，2010，30 （5）：1351－1355.］