鉆孔圖像清晰化方法研究

張建清，譚顯江，張子龍，周亮基，李慶武

（1．長江地球物理探測（武漢）有限公司，武漢430010；2．河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022）

·微機(jī)軟件·

鉆孔圖像清晰化方法研究

張建清1，譚顯江1，張子龍2，周亮基2，李慶武2

（1．長江地球物理探測（武漢）有限公司，武漢430010；2．河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022）

針對(duì)鉆孔圖像光照不均和細(xì)節(jié)不清的問題，提出一種結(jié)合同態(tài)濾波與超分辨率重建的圖像清晰化新方法。利用同態(tài)濾波算法處理HSV顏色空間下鉆孔圖像的亮度分量，有效抑制光照不均的影響并增強(qiáng)圖像對(duì)比度。提出基于樣本聚類的超分辨率重建算法用于鉆孔圖像重建，提高圖像分辨率，突出圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明，提出的方法在解決鉆孔圖像光照不均問題的同時(shí)能有效提高圖像清晰度。

鉆孔圖像；光照不均；分辨率；同態(tài)濾波；超分辨率重建；清晰化

1 引言

隨著科學(xué)技術(shù)的不斷進(jìn)步，地質(zhì)勘測的方法和手段也在不斷地推陳出新，其中采用鉆井后數(shù)字?jǐn)z像技術(shù)獲取具有真實(shí)感的全孔壁圖像進(jìn)行地質(zhì)分析，已成為地質(zhì)勘測的重要方法之一[1]。但是該方法獲取的鉆孔圖像很容易出現(xiàn)光照不均、細(xì)節(jié)不清等問題，不能夠滿足實(shí)際需求。通?？梢钥紤]采用數(shù)字圖像處理的相關(guān)技術(shù)來解決這一問題。目前光照不均圖像的增強(qiáng)技術(shù)主要包括空域增強(qiáng)方法（如直方圖均衡化、梯度增強(qiáng)法）、頻域增強(qiáng)方法（如基于照度—反射模型的同態(tài)濾波法、基于光照補(bǔ)償?shù)膔etinex方法等）、同態(tài)濾波法和retinex方法等圖像增強(qiáng)方法。其中，基于照度—反射模型的同態(tài)濾波法，將圖像的高頻部分和低頻部分分離開來，之后再進(jìn)行濾波處理，以達(dá)到增強(qiáng)圖像對(duì)比度的同時(shí)壓縮圖像動(dòng)態(tài)范圍的目的[1]。由于同態(tài)濾波對(duì)處理光照影響強(qiáng)烈的高光、反光區(qū)域有較好效果，因此得到了廣泛關(guān)注[2-6]。

圖像的超分辨率(Super resolution,SR)重建技術(shù)通過信號(hào)處理手段，利用多幅或單幅低分辨率(Low resolution,LR)圖像重建高分辨率 (High resolution,HR)圖像，從而達(dá)到提升圖像空間分辨率的目的[7]。該技術(shù)被廣泛應(yīng)用在場所監(jiān)控、醫(yī)學(xué)成像、軍事遙感成像等領(lǐng)域。在借鑒以往研究的基礎(chǔ)上，針對(duì)基于稀疏表示的超分辨率重建算法[8]計(jì)算量過大的問題，提出了基于樣本聚類的圖像超分辨率重建算法并用于處理鉆孔圖像，提高圖像分辨率，突出圖像細(xì)節(jié)信息。

2 同態(tài)濾波算法

2.1 同態(tài)濾波原理

根據(jù)照度-反射光照模型可知，一副圖像是由光源的照射分量與目標(biāo)物的反射分量組成，其數(shù)學(xué)模型[9]表示為：

2.2 同態(tài)濾波對(duì)圖像的處理

在同態(tài)濾波過程中，能否取得理想的濾波效果，取決于同態(tài)濾波函數(shù)的選擇。采用高斯型同態(tài)濾波函數(shù)：

3 鉆孔圖像超分辨率重建

3.1 基于稀疏表示的超分辨率重建算法

3.2 基于樣本聚類的超分辨率圖像重建算法

3.2.1 多類聯(lián)合字典訓(xùn)練

3.2.2 鉆孔圖像重建

為了進(jìn)一步減小圖像重建階段的計(jì)算量，引入平滑塊的概念。像素值變化平緩的局部區(qū)域定義為平滑區(qū)[11]。平滑塊的判定可利用圖像塊的熵、局部能量或局部方差。由于方差計(jì)算最為簡單,利用方差區(qū)分平滑區(qū)。局部方差的計(jì)算公式為：

在鉆孔圖像重建階段，將低分辨率鉆孔圖像的插值圖像作為初始重建圖像，并對(duì)從左到右從上到下重疊取塊，為的局部圖像塊。當(dāng)圖像塊為平滑塊時(shí)，利用提出的算法做進(jìn)一步重建對(duì)圖像重建效果提升很小，并且會(huì)消耗較多時(shí)間，因此直接將采用插值放大得到的圖像塊作為高分辨率圖像塊。

圖1 基于樣本聚類的超分辨率圖像重建算法流程圖

4 實(shí)驗(yàn)分析

圖 2（a）和（b）為待處理的鉆孔圖像，分辨率為160×160。利用同態(tài)濾波處理鉆孔圖像時(shí)，參數(shù)選擇如下：利用超分辨率重建算法處理鉆孔圖像時(shí)，參數(shù)選擇如下：字典訓(xùn)練階段，圖像塊的大小為5×5，從自然圖像庫提取圖像塊數(shù)量為30000，聚類數(shù)K=10，每類字典原子數(shù)均設(shè)定為128；鉆孔圖像重建階段，圖像塊大小為5×5，相鄰圖像塊重疊像素?cái)?shù)為3，圖像放大倍數(shù)為2倍。

在 RGB 顏色空間中，R（red）分量、G（green）分量和B（blue）分量存在較大的相關(guān)性，如果要在保持圖像色調(diào)和飽和度不變的同時(shí)對(duì)圖像進(jìn)行增強(qiáng)，則必須同時(shí)對(duì)R分量、G分量和B分量進(jìn)行相同的增強(qiáng)處理。HSV顏色空間與人的心理感知更接近，包括色調(diào)（hue）、飽和度（saturation）和亮度（value）三個(gè)分量。彩色圖像的顏色信息主要體現(xiàn)在色調(diào)和飽和度上，而亮度是一個(gè)與色調(diào)、飽和度無關(guān)的分量，它的改變對(duì)顏色信息影響較少，因此，可以從顏色信息中分離出來[12]。因此將彩色圖像從RGB空間轉(zhuǎn)換到HSV空間，對(duì)亮度分量進(jìn)行同態(tài)濾波增強(qiáng)處理，同時(shí)保持其他分量不變。類似地，圖像重建階段只對(duì)亮度分量采用提出的重建算法處理，對(duì)其他分量直接采用雙立方插值放大到所需要的大小。采用平均梯度和信息熵[13]對(duì)鉆孔圖像處理效果進(jìn)行定量評(píng)價(jià)，將提出的算法與Yang算法做對(duì)比。

圖2 鉆孔圖像處理前后效果對(duì)比圖

圖2是鉆孔圖像處理前后效果對(duì)比圖。如圖2所示，圖（a）和圖（b）為原始低分辨率圖像，通過觀察可以發(fā)現(xiàn)，由于光照不均造成了鉆孔圖像部分區(qū)域過亮，如圖像中心區(qū)域，并且圖像細(xì)節(jié)不夠清晰；圖（c）和圖（d）分別是圖（a）和圖（b）經(jīng)過 Yang算法放大2倍后的圖像，圖像的分辨率得到提升，但是圖像對(duì)比度基本沒有變化；圖（e）和圖（f）分別是圖（a）和圖（b）經(jīng)過提出的算法放大2倍后的圖像，圖像分辨率和對(duì)比度均得到一定提升。相對(duì)于圖（c）和圖（d）來說，圖（e）和圖（f）細(xì)節(jié)信息更加清晰，圖像表面的水泥漿清晰可見。

表1是提出的算法和Yang算法處理效果的質(zhì)量評(píng)價(jià)參數(shù)和時(shí)間對(duì)比。從表中可以看出，經(jīng)提出的方法處理后，鉆孔圖像的平均梯度和信息熵均略高于Yang算法，說明經(jīng)提出的方法處理后，圖像的邊緣更清晰，信息量更多。另外，提出的算法處理鉆孔圖像所需時(shí)間均在30秒左右，而Yang算法所需時(shí)間均在130秒左右，遠(yuǎn)遠(yuǎn)多于提出的算法。

表1 重建的質(zhì)量評(píng)價(jià)參數(shù)和重建時(shí)間(s)對(duì)比

5 結(jié)束語

鉆孔圖像存在光照不均和圖像分辨率較低的問題。針對(duì)圖像光照不均的問題，采用同態(tài)濾波處理圖像，有效抑制了光照不均的影響，同時(shí)增強(qiáng)了圖像對(duì)比度。針對(duì)圖像分辨率過低的問題，基于Yang算法提出了基于樣本聚類的圖像超分辨率重建算法重建圖像，提升了圖像重建效果并大大減少了重建時(shí)間。提出的結(jié)合同態(tài)濾波和圖像超分辨重建算法處理鉆孔圖像，有效提升了圖像清晰度，突出了圖像細(xì)節(jié)信息，水泥漿清晰可見。

[1] 王川嬰,鐘聲,孫衛(wèi)春.基于數(shù)字鉆孔圖像的結(jié)構(gòu)面連通性研究 [J].巖石力學(xué)與工程學(xué)報(bào),2009,28(12):2405-2410.WANG Chuan-ying,ZHONG Sheng,SUN Wei-chun.Study of connectivity of discontinuities of borehole based on digital borehole images[J].Chinese Journal of Rock Mechanics and Engineering,2009,28(12):2405-2410.

[2] 梁琳,何衛(wèi)平,雷蕾,等.光照不均圖像增強(qiáng)方法綜述倡[J].計(jì)算機(jī)應(yīng)用研究,2010,27(5)：1625-1628.LIANG Lin,HE Wei-ping,LEI Lei,et al.Survey on enhancement methods for non-uniform illumination image[J].Application Research of Computers,2010,27(5):1625-1628.

[3] 劉毅,賈旭芬,田子建.一種基于同態(tài)濾波原理的井下光照不均圖像處理方法[J].工礦自動(dòng)化,2013(1):9-12.LIU Yi,JIA Xu-fen,TIAN Zi-jian.A prcessing method for underground image of uneven illumination based on homomorphic filtering theory[J].Industry and Mine Automation,2013(1):9-12.

[4] 胡竇明,趙海生,李云川,等.一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法[J].紅外技術(shù),2012,34(4):224-228.HU Dou-ming,ZHAO Hai-sheng,LIYun-chuan,Yun-chuan,et al.A new approach to infrared image enhancement based on homomorphic filter[J].Infrared Technology,2012,34(4):224-228.

[5] 張亞飛,謝明鴻.基于分塊DCT同態(tài)濾波的彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(5):1752-1756.ZHANG Ya-fei,XIE Ming-hong.Block-DCT based homomorphic filtering algorithm for color image enhancement[J].Computer Engineering and Design,2013,34(5):1752-1756.

[6] 徐黎明,呂繼東.基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(14):202-208.XU LI-ming,LU Ji-dong.Bayberry image segmentation based on homomorphic filtering and K-means clustering algorithm[J].Transactions of The Chinese Society of Agricultural Engineering,2015,31(14):202-208.

[7] 蘇衡,周杰,張志浩.超分辨率圖像重建方法綜述 [J].自動(dòng)化學(xué)報(bào),2013,39(8):1202-1213.SU Heng,ZHOU Jie,ZHANG Zhi-hao.Survey of super-resolution image reconstruction methods[J].Acta Automatic Sinica,2013,39(8):1202-1213.

[8] Yang J,Wright J,Huang T S,et al.Image super-resolution via sparse representation [J].IEEE transactions on image processing,2010,19(11):2861-2873.

[9] 焦竹青,徐保國.基于同態(tài)濾波的彩色圖像光照補(bǔ)償方法[J].光電子·激光,2010,21(4):602-605.JIAO Zhu-qing,XU Bao-guo.Color image illumination compensation based on homomorphic filtering[J].Journal of Optoelectronics Laser,2010,21(4):602-605.

[10] Chang H,Yeung D Y,Xiong Y.Super-resolution through neighbor embedding[C].//IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC,United states.IEEE Computer Society,2004,I275-I282.

[11] 練秋生,張偉.基于圖像塊分類稀疏表示的超分辨率重構(gòu)算法[J].電子學(xué)報(bào),2012,40(5):920-925.LIAN Qiu-sheng,ZHANG Wei.Image super-resolution algorithms based on sparse representation of classified image patches[J].Acta Electronica Sinica,2012,40(5):920-925.

[12] 蔡式東,楊芳.一種基于HSV空間和粗糙集的彩色圖像分割方法[J].光電子技術(shù),2011,31(1):5-9.CAI Shi-dong,YANG Fang.Color image segmentation based on HSV space and rough-set theory [J].Opto Electronica Technology,2011,31(1):5-9.

[13] 段群,吳粉俠,李紅.雙通道分塊同態(tài)濾波彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(1):82-85.DUAN Qun,WU Fen-xia,LI Hong.An enhanced algorithm of color image based on block homomorphic filter in two channels[J].Computer Technology and Development,2016,26(1):82-85.

Study on the Borehole Image Clarity Enhancing

Zhang Jianqing1,Tan Xianjiang1,Zhang Zilong2,Zhou Linagji2,Li Qingwu2
（1.Changjiang Geophysical Exploration(Wuhan)Co.,Ltd.,Wuhan 430010,China;2.College of Internet of Things Engineering,Hohai University,Changzhou 213022,China）

For the problem of the non-uniform illumination and unclear details of borehole image,a new image clarity enhancing method which combines the homomorphism filtering and super-resolution reconstruction algorithm is proposed.The luminance component is strengthened by homomorphism filtering algorithm in HSV color space,the image luminance range is compressed effectively and image contrast is strengthened.The image super-resolution reconstruction algorithm is proposed based on sample clustering,and it is used to improve image resolution and highlight details by reconstructing image.Experimental results show that the proposed algorithm can solve the effects of non-uniform illumination while effectively improve the visibility of borehole image.

Borehole image;Non-uniform illumination;Resolution;Homomorphism filtering;Superresolution reconstruction;Visibility enhancement

10.3969/j.issn.1002-2279.2017.03.009

TP394.1

A

1002-2279-（2017）03-0038-04

張建清(1965-)，男，浙江金華人，教授級(jí)高級(jí)工程師，主研方向：地球物理勘探及檢測。

2016-11-04