圖像處理中特征提取的應(yīng)用及增強(qiáng)算法研究

翁和王，葉球?qū)O

(武夷學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院， 武夷山　354300)

?

圖像處理中特征提取的應(yīng)用及增強(qiáng)算法研究

翁和王，葉球?qū)O

(武夷學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院， 武夷山354300)

摘要：圖像增強(qiáng)和圖像特征提取是圖像識(shí)別的兩個(gè)重要環(huán)節(jié)，圖像增強(qiáng)是提高圖像質(zhì)量的有效手段，是進(jìn)行圖像特征提取并實(shí)現(xiàn)圖像識(shí)別目標(biāo)的重要條件。就圖像處理中特征提取的應(yīng)用及圖像增強(qiáng)算法進(jìn)行了探討。

關(guān)鍵詞：圖像增強(qiáng)；特征提??；增強(qiáng)算法

隨著科學(xué)技術(shù)的快速發(fā)展，圖像識(shí)別技術(shù)開(kāi)始被廣泛應(yīng)用于軍事、計(jì)算機(jī)科學(xué)、醫(yī)療影像技術(shù)等多個(gè)領(lǐng)域，并發(fā)揮了重要作用。圖像預(yù)處理和圖像特征提取是提高識(shí)別率的重要前提，所以圖像預(yù)處理和圖像特征提取技術(shù)以及相關(guān)算法有著廣泛的應(yīng)用前景[1-6]。

1　圖像增強(qiáng)算法研究

圖像增強(qiáng)是根據(jù)特定要求對(duì)圖像進(jìn)行加工、完善，提高圖像質(zhì)量，以便處理后的圖像接近人的視覺(jué)特性或者更容易被機(jī)器識(shí)別，實(shí)現(xiàn)提高圖像實(shí)用價(jià)值的目標(biāo)[7-12]。圖像增強(qiáng)是進(jìn)行圖像處理的一種基本技術(shù)，是圖像處理領(lǐng)域中的一個(gè)研究熱點(diǎn)。常用的圖像增強(qiáng)方法有多種，按照處理空間的不同可以分為基于圖像域的和基于變換域的。按照處理對(duì)象的不同可分為基于像素的和基于模板的?；谀０宓膱D像增強(qiáng)一般都是處理該圖像的一部分，而在對(duì)圖像像素處理過(guò)程中，對(duì)單個(gè)像素的增強(qiáng)是不受其他像素影響的。

1.1空域增強(qiáng)算法

直接對(duì)圖像像素的增強(qiáng)處理方法稱(chēng)為空域圖像增強(qiáng)算法，該算法可用公式表示為：

(1)

式中：f(x,y)表示原始圖像；EH表示進(jìn)行圖像增強(qiáng)；g(x,y)表示增強(qiáng)處理后的圖像。

如果EH是點(diǎn)操作，則EH是定義在每個(gè)(x,y)上的；如果EH是模板操作，則EH是在(x,y)鄰域上操作。如果鄰域?yàn)檎叫?，則增強(qiáng)操作較簡(jiǎn)單，此時(shí)正方形可精確到單個(gè)像素進(jìn)行點(diǎn)操作，此情況下(x,y)上的f(x,y)值將決定g(x,y)值。如果將(x,y)上f(x,y)和g(x,y)的灰度值用s，t表示，則式(1)可表示為

(2)

在實(shí)際操作中，像素的鄰域通常都大于這個(gè)像素，其除了本身外還包括其他像素，此時(shí)(x,y)上f(x,y)值以及f(x,y)在以(x,y)為中心的鄰域內(nèi)所有像素值將共同決定(x,y)上的g(x,y)值，如果f(x,y)在(x,y)附近的灰度值為n(s)，則式(1)可表示為

(3)

式中t為關(guān)于s和n(s)的函數(shù)，是s的泛函。

圖像增強(qiáng)以圖像卷積和模板的形式完成。圖像增強(qiáng)對(duì)灰度的變換是將圖像的像素灰度通過(guò)特定函數(shù)的變換后形成新的圖像灰度，常用的方法有灰度線(xiàn)性變換、灰度非線(xiàn)性變換，以及修正直方圖等。直方圖是對(duì)圖像灰值度分布情況進(jìn)行統(tǒng)計(jì)、分析的重要方法，通過(guò)修正直方圖的方法可以增強(qiáng)圖像的對(duì)比度。在圖像的增強(qiáng)處理過(guò)程中，為了更快達(dá)到處理效果，往往需要變換圖像空間，圖像處理后再回到原來(lái)的圖像空間，此時(shí)多采用頻域空間，可表示為

(4)

1.2頻域增強(qiáng)算法

頻域增強(qiáng)方法以卷積理論為理論基礎(chǔ)，假設(shè)g(x,y) 是函數(shù)f(x,y)和線(xiàn)性不變算子h(x,y)卷積的結(jié)果，那么根據(jù)卷積定理可得出：

(5)

式中：G(u,v)，H(u,v)，F(xiàn)(u,v)分別表示為g(x,y)，h(x,y)，f(x,y)的傅里葉變換。

在對(duì)圖像進(jìn)行頻域增強(qiáng)處理過(guò)程中，f(x,y)的值是已知的，可以通過(guò)公式變換得出F(u,v)的值，另外還需要確定H(u,v)的值，可通過(guò)G(u,v)得到g(x,y)的值：

(6)

常用的頻域增強(qiáng)方法有多種，例如高通濾波、低通濾波、同態(tài)濾波、帶通濾波以及帶阻濾波等。

2　圖像特征提取算法研究

在計(jì)算機(jī)視覺(jué)以及模式識(shí)別中，對(duì)象的具體表示狀態(tài)是非常重要的，直接影響著識(shí)別過(guò)程和識(shí)別效果。圖像的模式識(shí)別是近年來(lái)興起的一項(xiàng)新技術(shù)，主要內(nèi)容是圖像特征的識(shí)別和分類(lèi)，通過(guò)對(duì)計(jì)算機(jī)技術(shù)和信息處理技術(shù)的應(yīng)用來(lái)實(shí)現(xiàn)人的認(rèn)識(shí)和理解過(guò)程。圖像特征提取是圖像識(shí)別的關(guān)鍵步驟，主要包括：① 圖像顏色或灰度特征的提??；② 邊緣紋理特征的提取；③ 代數(shù)特征的提??；④ 變換系數(shù)和濾波器系數(shù)特征的提取。

2.1圖像顏色或灰度特征的提取算法

(7)

用n表示每個(gè)特征取值的個(gè)數(shù)，圖像P的該特征直方圖可表示為

(8)

即圖像P某特征的概率分布。

2.2邊緣、紋理特征的提取算法

除了顏色外，紋理特征是圖像的另一個(gè)重要視覺(jué)特征。圖像紋理是紋理基元按照某種特定規(guī)律排列組成的，可以反映出圖像亮度的空間變化情況，并且整體和局部具有相似性。圖像紋理特征與紋理基元的空間大小有關(guān)。如果紋理基元的尺寸較大，則圖像表現(xiàn)出較粗的紋理，如果紋理基元的尺寸較小，則圖像表現(xiàn)出較細(xì)的紋理。紋理的粗糙程度可以用空間自相關(guān)函數(shù)來(lái)描述。除了空間自相關(guān)法，圖像紋理的分析方法還有Tamura法、共生矩陣法等。Tamura提出與人視覺(jué)相關(guān)的紋理特征有6種，包括對(duì)比度、規(guī)則性、方向性、粗糙度、粗略度、規(guī)則度。

灰度共生矩陣法產(chǎn)生于20世紀(jì)70年代，利用灰度共生矩陣法可以得到紋理特征(包括對(duì)比度、能量以及熵等特征)的統(tǒng)計(jì)量。假設(shè)圖像上任一點(diǎn)為(x,y)，其擾動(dòng)點(diǎn)為(x+a,y+b)，兩點(diǎn)形成一個(gè)對(duì)點(diǎn)，(x,y)點(diǎn)的灰度為i，(x+a,y+b)點(diǎn)上的灰度為j，它們形成的灰度值即為(i,j)。在a,b點(diǎn)固定的情況下，在圖像上移動(dòng)(x,y)點(diǎn)可得到各種(i,j)，如果用L表示圖像的灰度級(jí)，則i,j組合可形成L2種。然后統(tǒng)計(jì)出圖像上每種(i,j)值出現(xiàn)的次數(shù)，并進(jìn)行回歸處理，可得到概率P(i,j)，圖像的灰度共生矩陣即為[P(i,j)]。

圖像邊緣是圖像的一種基層特征，通常是由圖像中景物物理特性發(fā)生的變化引起。圖像灰度發(fā)生空間突變，或者圖像梯度方向發(fā)生突變的像素集合即為圖像邊緣。圖像邊緣特征的提取方法有模糊增強(qiáng)邊緣檢測(cè)、經(jīng)典微分邊緣檢測(cè)、多尺度邊緣檢測(cè)等。模糊增強(qiáng)邊緣檢測(cè)主要是用于解決圖像邊緣的模糊性問(wèn)題，通過(guò)對(duì)圖像邊緣灰度對(duì)比度的增強(qiáng)處理，把邊緣的不確定性變?yōu)榇_定性。經(jīng)典微分邊緣檢測(cè)有兩種：1階和2階微分邊緣檢測(cè)，并且2種方法都包括多種算子。其中，在1階微分邊緣檢測(cè)中，Canny算子在定位的精準(zhǔn)度和抗噪音方面表現(xiàn)出極大優(yōu)勢(shì)，而在2階微分邊緣檢測(cè)中，LOG算子的應(yīng)用較為廣泛。多尺度邊緣檢測(cè)是通過(guò)圖像的多尺度分解來(lái)進(jìn)一步確定圖像的邊緣。

2.3圖像代數(shù)特征的提取

圖像的代數(shù)特征是從圖像矩陣中提取出來(lái)的特征，反映的是圖像的內(nèi)在屬性。當(dāng)圖像以矩陣形式表示時(shí)，可用2階矩陣表示灰度圖像，彩色圖像可用3階矩陣表示。圖像代數(shù)特征的提取是基于矩陣?yán)碚摰囊环N圖像特征提取方法，需要以存儲(chǔ)圖像數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)為前提條件。這種圖像特征提取方法的典型代表有SVD(奇異值分解)、PCA(主成分分析)、ICA(獨(dú)立成分分析)，以及LDA(線(xiàn)性判據(jù)分析)。

PCA不僅應(yīng)用于圖像處理，還廣泛應(yīng)用于模式識(shí)別和數(shù)據(jù)壓縮等領(lǐng)域。有研究人員提出，PCA可用于表示人臉圖像，并且圖像重構(gòu)誤差較小，但該方法在其他方面表現(xiàn)出一定局限性。相對(duì)于PCA，LDA用于提取人臉特征則表現(xiàn)出很大優(yōu)勢(shì)，但不論是PCA方法還是LDA方法，其處理的對(duì)象數(shù)據(jù)必須是向量數(shù)據(jù)，而不能對(duì)圖像的矩陣數(shù)據(jù)直接處理，只有將矩陣數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù)后才能進(jìn)行圖像特征的提取。鑒于這個(gè)缺點(diǎn)，之后分別提出了2DPCA和2DLDA。2DPCA和2DLDA是一維PCA和LDA的推廣，不需要進(jìn)行圖像數(shù)據(jù)格式的轉(zhuǎn)換，很大程度上降低了計(jì)算復(fù)雜度。PCA適用于全局特征的圖像特征提取操作，但要進(jìn)行局部特征提取就需要采用ICA方法。ICA相對(duì)于PCA具有多種優(yōu)點(diǎn)：圖像局部特征表示能力較強(qiáng)，提取到的圖像特征穩(wěn)定性好，具有高階去相關(guān)特性等。

2.4圖像變換系數(shù)特征的提取

圖像經(jīng)過(guò)一系列濾波變換(小波變換、傅里葉變換等)后可以將各種變換系數(shù)作為圖像的一種特征?？赏ㄟ^(guò)圖像變換系數(shù)對(duì)圖像進(jìn)行二次特征提取。并不是所有的變換系數(shù)都可以用于圖像的識(shí)別特征，而是需要從多個(gè)變換系數(shù)中提取部分表示能力較強(qiáng)的系數(shù)，或者是由函數(shù)構(gòu)成的組合形式，例如小波能量的提取以及主成分的提取等。小波分析方法自20世紀(jì)80年代提出，發(fā)展到現(xiàn)在，其功能不斷得到完善，是目前一種廣泛應(yīng)用的尺度信號(hào)處理工具，尤其在圖像處理中發(fā)揮了重要作用，將成為未來(lái)的研究熱點(diǎn)。通過(guò)小波變換進(jìn)行圖像特征提取的流程如圖1所示。

圖1　通過(guò)小波變換進(jìn)行圖像特征提取的流程

3　結(jié)束語(yǔ)

圖像增強(qiáng)和圖像特征提取是圖像識(shí)別的重要環(huán)節(jié)，直接影響著圖像識(shí)別的效果。本文主要介紹了圖像增強(qiáng)操作中空域增強(qiáng)算法以及頻域增強(qiáng)算法，并對(duì)4種圖像特征提取的常用方法以及相關(guān)算法進(jìn)行了探討。隨著科學(xué)技術(shù)的發(fā)展，圖像識(shí)別技術(shù)開(kāi)始廣泛應(yīng)用于各個(gè)領(lǐng)域，而作為圖像識(shí)別中的關(guān)鍵步驟，人們開(kāi)始對(duì)圖像增強(qiáng)和圖像特征提取技術(shù)進(jìn)行更深入研究。因?yàn)樵趯?shí)際操作中各項(xiàng)技術(shù)都存在不同程度局限性，所以相關(guān)圖像處理技術(shù)還需要不斷完善。

參考文獻(xiàn)：

[1]王凱.基于圖像紋理特征提取算法的研究及應(yīng)用[D].成都：西南交通大學(xué),2013.

[2]樊春玲,鄒麗君,江婷婷，等.數(shù)字圖像處理技術(shù)在邊緣特征提取中的應(yīng)用[J].山西電子技術(shù),2008(2):34-35.

[3]SCHIFFMANN D A,DIKOVSKAYA D,APPLETON P L，et al.Open microscopy environment and findspots:integrating image informatics with quantitative multidimensional image analysis[J].BioTechniques,2006,41(2)：199-208.

[4]韓濤.指紋圖像預(yù)處理與特征提取算法研究[D].武漢：華中科技大學(xué),2005.

[5]張正言,戴曉強(qiáng),張冰，等.指紋圖像預(yù)處理和特征提取[J].微電子學(xué)與計(jì)算機(jī),2008,25(7):134-136,141.

[6]薛金龍.基于角點(diǎn)的圖像特征提取與匹配算法研究[D].大連：大連理工大學(xué),2014.

[7]古良玲，王玉菡.基于模擬退火遺傳算法的圖像增強(qiáng)[J].激光雜志，2015(2)：19-22.

[8]李竹林,王明芳,呼建雪，等.醫(yī)學(xué)圖像增強(qiáng)算法與特征提取算法研究與實(shí)現(xiàn)[J].計(jì)算機(jī)技術(shù)與發(fā)展,2015(1):115-118.

[9]海潔,吳海燕,羅中劍.高斯變鄰域差分的灰度圖像增強(qiáng)算法[J].激光雜志，2015(1)：57-61.

[10]王高明.霧霾環(huán)境下圖像增強(qiáng)算法研究及其應(yīng)用[D].南京：南京理工大學(xué),2012.

[11]張德發(fā),肜麗.多光源圖像細(xì)化和細(xì)節(jié)增強(qiáng)的協(xié)同圖像處理算法研究[J].重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版),2014(2):260-264.

[12]李錦.圖像增強(qiáng)算法的研究及其應(yīng)用[D].西安：西安電子科技大學(xué),2013.

(責(zé)任編輯楊文青)

收稿日期：2016-02-27

基金項(xiàng)目：福建省自然科學(xué)基金資助項(xiàng)目(2012J01018)

作者簡(jiǎn)介：翁和王(1983—)，男，福建建陽(yáng)人，碩士研究生，主要從事智能圖像技術(shù)研究。

doi:10.3969/j.issn.1674-8425(z).2016.07.020

中圖分類(lèi)號(hào)：TP93

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1674-8425(2016)07-0119-04

Applications of Feature Extraction and Enhancement Algorithm in Image Processing

WENG He-wang, YE Qiu-sun

(College of Mathmatics and Computer, Wuyi University, Wuyishan 354300, China)

Abstract:Image enhancement and image feature extraction are two important links of image recognition. Image enhancement is the effective measure to improve the quality of image and it is a primary requirement for image feature extraction and image recognition purposes. The applications of the feature extraction and image enhancement algorithm inimage processing were discussed.

Key words:image enhancement; feature extraction; enhancement algorithm

引用格式：翁和王，葉球?qū)O.圖像處理中特征提取的應(yīng)用及增強(qiáng)算法研究[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016(7):119-122.

Citation format：WENG He-wang, YE Qiu-sun.Applications of Feature Extraction and Enhancement Algorithm in Image Processing[J].Journal of Chongqing University of Technology(Natural Science)，2016(7):119-122.