王丹
摘 要: 三維圖像在獲取、存儲和傳遞時,由于受成像系統(tǒng)、傳輸方式、存儲時間和存儲介質(zhì)等多種因素的影響,圖像質(zhì)量會產(chǎn)生一定的退化,嚴(yán)重的情況下會導(dǎo)致圖像失真,影響使用。傳統(tǒng)三維圖像恢復(fù)方法多以線性分析為基礎(chǔ),假設(shè)條件多、運行耗時長、圖像恢復(fù)效果差。為此,提出一種基于數(shù)據(jù)挖掘的三維圖像無損恢復(fù)方法。依據(jù)圖像變化的關(guān)聯(lián)規(guī)則原理,分析三維圖像成像的過程,并對其非相干成像條件做離散化處理;深度挖掘圖像退化前后灰度變化的關(guān)聯(lián)關(guān)系,并基于這種關(guān)聯(lián)關(guān)系對原圖像進行最大后驗估計和先驗計算,實現(xiàn)對三維圖像的無損恢復(fù)。實驗數(shù)據(jù)表明,提出的三維圖像恢復(fù)方法運行時間短、均值誤差低,具有良好的圖像恢復(fù)效果。
關(guān)鍵詞: 關(guān)聯(lián)規(guī)則; 三維圖像; 圖像失真; 離散化處理; 無損恢復(fù); 后驗估計
中圖分類號: TN911.73?34 文獻標(biāo)識碼: A 文章編號: 1004?373X(2018)07?0067?04
Research on 3D image lossless restoration based on data mining
WANG Dan
(College of Mechanical and Electronic Engineering, Huanghe Jiaotong University, Jiaozuo 454950, China)
Abstract: In the acquisition, storage and transmission of 3D image, the image quality degradation and even image distortion in severe situation may appear due to the influence of imaging system, transmission mode, storage time and storage medium, which may impact its usage. The traditional 3D image restoration methods are mostly based on linear analysis, and have the disadvantages of many assumed conditions, long running time and poor image restoration effect. Therefore, a 3D image lossless recovery method based on data mining is proposed. According to the association rules principle of image variation, the imaging process of 3D image is analyzed, and the discretization is performed for its incoherent imaging conditions. The correlation of gray level variation before and after image degradation is mined deeply. On this basis, the maximum posteriori estimation and priori calculation are carried out for the original image to realize the lossless recovery of 3D image. The experimental data shows that the 3D image restoration method has short running time, low mean error and perfect image restoration effect.
Keywords: association rule; 3D image; image distortion; discretization; lossless recovery; posteriori estimation
0 引 言
對退化的三維圖像要進行合理的評定檢測和圖像質(zhì)量恢復(fù),圖像恢復(fù)是一種反問題的求解過程,同時也是光學(xué)數(shù)字圖像處理的重要組成部分[1?4]。三維圖像恢復(fù)通過對圖像退化原因和光學(xué)系統(tǒng)成像的過程進行分析,來恢復(fù)原始圖像的細節(jié),提高圖像的質(zhì)量[5?7]。傳統(tǒng)的三維圖像恢復(fù)方法,如小波分析法約束條件多、圖像的恢復(fù)過程無法使用函數(shù)進行表達;逆濾波法以線性分析為基礎(chǔ),假設(shè)條件過多,方法運行耗時長,難以獲得理想的圖像恢復(fù)效果[8?9]。
為克服傳統(tǒng)三維圖像恢復(fù)方法的弊端和不足,進行基于數(shù)據(jù)挖掘的三維圖像無損恢復(fù)研究。首先依據(jù)關(guān)聯(lián)規(guī)則原理,分析三維圖像成像的過程及圖像退化前后細節(jié)和灰度的變化情況,并將這種變化的非相干成像條件進行離散化處理?;趫D像變化的關(guān)聯(lián)規(guī)則,深度挖掘三維原圖像和變化后圖像的灰度變化關(guān)聯(lián)關(guān)系,并基于這種關(guān)聯(lián)關(guān)系對原圖像進行最大后驗估計和先驗計算,實現(xiàn)對三維圖像的無損恢復(fù)。
1 基于數(shù)據(jù)挖掘的三維圖像無損恢復(fù)研究
1.1 基于關(guān)聯(lián)規(guī)則的三維圖像空間變化分析
關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一種重要方式和方法,設(shè)當(dāng)前三維圖像的灰度特征集合為[I=i1,i2,…,im,]由不同的[m]個數(shù)據(jù)項組成,給定一個灰度數(shù)據(jù)庫[T,]該三維圖像的灰度數(shù)據(jù)庫[T]為特征集合[I]的子集,即[T?I,]如果項集[X?T,]亦[X?I]?;陉P(guān)聯(lián)規(guī)則分析三維圖像的空間變化關(guān)系,實現(xiàn)退化三維圖像的恢復(fù),三維圖像的成像過程可以表示為:
式中:[Fκ,?]為物體上的復(fù)振分布;[Fτ,ξ]為三維成像上的復(fù)振分布。復(fù)振幅模的平方與實際成像中光強對應(yīng)的關(guān)系可以表示為:
將式(2)代入式(1),三維圖像成像的非相干條件可以描述為:
設(shè)[fx,y=gκ,?,τ,ξ2,][Iy=Iκ,?,][λx=I0τ,ξ,]式(3)可以簡化為:
基于關(guān)聯(lián)規(guī)則原理,三維圖像的恢復(fù)過程即為根據(jù)現(xiàn)有的圖像來求解原始圖像[10?11],也就是求解三維圖像的空間變化關(guān)系。
對三維圖像的成像過程進行離散化處理,離散化過程可以描述為:
當(dāng)均值滿足一定條件時,[λj]近似為正態(tài)分布,通過對三維圖像的成像過程進行離散化處理,挖掘圖像退化前后灰度變化的關(guān)聯(lián)關(guān)系,并基于這種關(guān)聯(lián)關(guān)系對原圖像進行最大后驗估計和先驗計算,實現(xiàn)對三維圖像的無損恢復(fù)。
1.2 三維圖像無損恢復(fù)的實現(xiàn)
基于關(guān)聯(lián)規(guī)則對圖像進行無損恢復(fù),會受到多種因素的干擾,使圖像產(chǎn)生一定程度的失真。這種情況下只能挖掘圖像之間灰度特征的變化及其關(guān)聯(lián)關(guān)系,根據(jù)現(xiàn)有圖像對原始圖像進行估計,本文在數(shù)據(jù)挖掘的基礎(chǔ)上,采用最大后驗估計實現(xiàn)對原始圖像的恢復(fù)。
基于數(shù)據(jù)挖掘的最大后驗估計是一種求解三維圖像灰度特征變化最大化的問題:
其中,[fx,y]為基于數(shù)據(jù)挖掘?qū)υ既S圖像的一種估計,圖像灰度特征變化的關(guān)聯(lián)概率可以表示為:
此時,[fx,y]可以改寫為:
通過式(8)的計算,對三維圖像進行最大后驗估計。最大后驗估計要基于一定的假設(shè)條件:三維圖像的恢復(fù)過程中會受到外界噪聲的影響,影響的程度服從高斯噪聲分布[nμ,σ2],而三維圖像恢復(fù)的條件概率為[PY=y,X=x],這種條件概率可以描述為:
基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘能夠準(zhǔn)確表達圖像變化的關(guān)聯(lián)關(guān)系和聚集的概率模型,基于灰度特征的數(shù)據(jù)統(tǒng)計可以描述出近鄰相似像素灰度特征集合的方向和尺度,并且對圖像的隨機特性和關(guān)聯(lián)關(guān)系進行分析,使用較小階的鄰域系統(tǒng)推導(dǎo)出三維圖像的先驗概率模型:
[lnPX=x=η-fx] (10)
式中[η]為系統(tǒng)常數(shù)。選擇集簇的形式,并對相應(yīng)的參數(shù)進行估計,通常參數(shù)估計和集簇選擇只涉及到二階,因為階數(shù)過高會使算法過于復(fù)雜,三維圖像像素集的分布情況如圖1所示。
設(shè)圖1中五種不同情況下的參數(shù)分別為[γ1~γ5,]模型參數(shù)估計問題可以表示為:
三維圖像像素[i]處的勢函數(shù)包含[i]的所有像素灰度特征的綜合,其指示函數(shù)[Gx]可以定義為:
對應(yīng)于三維圖像像素的指示函數(shù),可以化簡為:
以圖像像素的灰度特性變化為依據(jù),對三維圖像邊緣區(qū)域和平滑區(qū)域分別進行處理和圖像恢復(fù),避免硬分類帶來的三維圖像邊緣信息的缺失。
上文假定噪聲圖像與原圖像的各灰度值像素個數(shù)之比相等,將圖像分成像素集的子塊,并分析每一個部分的像素灰度特征變化,因此選擇把某灰度值的像素在子圖像所占比例以及整個圖片各像素的比例作為圖像恢復(fù)的依據(jù),式(12)也可以表示為:
本文依據(jù)關(guān)聯(lián)規(guī)則原理,分析三維圖像成像的過程及圖像退化前后細節(jié)和灰度的變化情況。依據(jù)圖像變化的關(guān)聯(lián)關(guān)系,挖掘三維原圖像和變化后圖像的灰度變化關(guān)聯(lián)關(guān)系,對原圖像進行最大后驗估計和先驗計算,及圖像區(qū)域分塊和參數(shù)的估計,最終實現(xiàn)對三維圖像的無損恢復(fù)。
2 實驗結(jié)果與分析
從圖像無損恢復(fù)的運行耗時、圖像恢復(fù)前后的平均灰度和全變分變化情況及圖像的恢復(fù)效果等方面驗證提出方法的有效性。選用[512×512]的8位灰度圖像作為測試的標(biāo)準(zhǔn)圖像,實驗的測試環(huán)境如表1所示。
2.1 三維圖像無損恢復(fù)運行耗時
由于三維圖像的退化是由多種不同因素引起的,約束條件較多,基于傳統(tǒng)的小波分析方法對圖像的恢復(fù)耗時較長;而本文方法基于數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則原理,對圖像成像的過程進行分析,并挖掘圖像退化前后細節(jié)和灰度的變化情況,在無損圖像恢復(fù)的耗時方面,對比傳統(tǒng)方法具有較大優(yōu)勢,兩種方法的耗時曲線如圖2所示。
在對20幅圖像的恢復(fù)耗時進行統(tǒng)計分析后,圖2的曲線表明,本文方法在圖像恢復(fù)耗時控制方面具有較大優(yōu)勢,恢復(fù)耗時平均低于30 s。
2.2 三維圖像恢復(fù)前后平均灰度和全變分波動情況
隨機抽取一幅三維圖像,基于本文方法對圖像進行恢復(fù),并將恢復(fù)前后的圖像各分割成10個區(qū)域,圖像恢復(fù)前后平均灰度和全變分的數(shù)據(jù)變化情況如表2和表3所示。
從表2和表3的數(shù)據(jù)對比可以看出,采用本文基于數(shù)據(jù)挖掘的三維圖像無損恢復(fù)方法,能夠改善圖像的平均灰度和圖像的變分波動情況。
2.3 圖像恢復(fù)效果對比
為直觀地顯示本文基于數(shù)據(jù)挖掘的三維圖像恢復(fù)效果,分別采用小波分析法和本文方法對退化比較嚴(yán)重的三維圖像進行圖像恢復(fù)處理,如圖3所示。
由圖3可知,本文方法可以恢復(fù)出原圖像的輪廓和部分細節(jié)特征,優(yōu)于傳統(tǒng)方法。在圖像恢復(fù)的均值誤差表現(xiàn)方面,本文方法也具有一定優(yōu)勢,表4為兩種方法圖像無損恢復(fù)的均值誤差對比。
仿真實驗結(jié)果證明,本文方法在圖像無損恢復(fù)的運行耗時、圖像恢復(fù)前后的平均灰度和全變分變化情況及圖像的恢復(fù)效果等方面對比傳統(tǒng)小波分析方法具有一定的優(yōu)勢。
3 結(jié) 語
三維圖像在存儲、傳遞過程中會發(fā)生不同程度的退化,圖像的清晰度下降,本文提出一種基于數(shù)據(jù)挖掘的三維圖像無損恢復(fù)方法,通過挖掘圖像變化前后的關(guān)聯(lián)關(guān)系,實現(xiàn)對圖像的無損恢復(fù),仿真數(shù)據(jù)表明本文方法能夠獲得較好的圖像恢復(fù)效果。
參考文獻
[1] 梁日柳,陳華,莫春球,等.三維點擴散函數(shù)層距與圖像復(fù)原的關(guān)系[J].廣西大學(xué)學(xué)報(自然科學(xué)版),2016,41(3):810?815.
LIANG Riliu, CHEN Hua, MO Chunqiu, et al. On the relationship between the layer distance of three dimensional point spread function and image restoration [J]. Journal of Guangxi University (natural science edition), 2016, 41(3): 810?815.
[2] 童立靖,陳靜.基于逆向工程的扭曲文檔圖像恢復(fù)[J].計算機工程與設(shè)計,2016,37(4):964?968.
TONG Lijing, CHEN Jing. Distorted document image restoration based on reverse engineering [J]. Computer engineering and design, 2016, 37(4): 964?968.
[3] 李曉芳,路佳佳.一種基于兩幅圖像的三維重建方法[J].電子技術(shù)與軟件工程,2017,35(9):71?72.
LI Xiaofang, LU Jiajia. A three?dimensional reconstruction method based on two images [J]. Electronic technology & software engineering, 2017, 35(9): 71?72.
[4] 賀清碧,黃大榮,楊永琴.基于小波分析和多項式細分定位的超分辨率圖像重建算法[J].計算機科學(xué),2016,43(3):313?316.
HE Qingbi, HUANG Darong, YANG Yongqin. Super?resolution reconstruction method based on wavelet analysis and polynomial subdivision location [J]. Computer science, 2016, 43(3): 313?316.
[5] 張浩鵬,魏全茂,張威,等.基于序列圖像的空間目標(biāo)三維重建[J].北京航空航天大學(xué)學(xué)報,2016,42(2):273?279.
ZHANG Haopeng, WEI Quanmao, ZHANG Wei, et al. Sequential?image?based space object 3D reconstruction [J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(2): 273?279.
[6] 尚麗,蘇品剛,顏廷秦,等.組合NNSC收縮技術(shù)和改進四階PDE的MMW圖像恢復(fù)[J].激光雜志,2013,34(1):28?30.
SHANG Li, SU Pingang, YAN Tingqin, et al. MMW image restoration based on the combination of NNSC shrinkage technique and modified four?order PDE model [J]. Laser journal, 2013, 34(1): 28?30.
[7] 黃秀花.三維圖像運動特征配準(zhǔn)方法研究與仿真[J].計算機仿真,2015,32(12):206?209.
HUANG Xiuhua. Research and simulation of non?rigid registration method for three?dimensional image movement process [J]. Computer simulation, 2015, 32(12): 206?209.
[8] 席小霞,宋文愛,邱子璇,等.基于RGB?D值的三維圖像重建系統(tǒng)研究[J].測試技術(shù)學(xué)報,2015,15(5):409?415.
XI Xiaoxia, SONG Wenai, QIU Zixuan, et al. Research on 3D image reconstruction system based on RGB?D values [J]. Journal of test and measurement technology, 2015, 15(5): 409?415.
[9] 張素琦,李斌,劉巧紅.勻速運動模糊圖像復(fù)原算法的研究[J].工業(yè)控制計算機,2016,29(7):109?110.
ZHANG Suqi, LI Bin, LIU Qiaohong. Research on algorithm of uniform motion blurred image restoration [J]. Industrial control computer, 2016, 29(7): 109?110.
[10] 杜永強.過度曝光圖像缺失信息修復(fù)算法[J].科技通報,2016,32(8):146?149.
DU Yongqiang. Algorithm for restoration of missing information in over exposure image [J]. Bulletin of science and technology, 2016, 32(8): 146?149.
[11] 唐述,謝顯中.多正則化混合約束的模糊圖像盲復(fù)原方法[J].電子與信息學(xué)報,2015,37(4):770?776.
TANG Shu, XIE Xianzhong. Multi?regularization hybrid constraints method for blind image restoration [J]. Journal of electronics & information technology, 2015, 37(4): 770?776.