基于Guide濾波和NSCT—PCNN的圖像增強(qiáng)

張雁翔 祁育仙

摘要：針對(duì)圖像不均勻的特點(diǎn)，提出了基于Guide濾波和非下采樣Contourlet變換（NSCT）和脈沖耦合神經(jīng)網(wǎng)絡(luò)（PNCC）的圖像增強(qiáng)方法。首先，采用直方圖均衡化和中值濾波分別對(duì)圖像進(jìn)行了預(yù)處理；其次，采用NSCT-PCNN對(duì)預(yù)處理后的圖像分別進(jìn)行分解，提取出高頻子帶系數(shù)和低頻子帶系數(shù)；然后，Guide濾波對(duì)高頻子帶系數(shù)和低頻子帶系數(shù)進(jìn)行處理；最后通過對(duì)所有子帶系數(shù)進(jìn)行NSCT逆變換，得到增強(qiáng)后的圖像。實(shí)驗(yàn)結(jié)果表明該算法優(yōu)于其他方法，有更好的圖像增強(qiáng)效果和視覺效果。

關(guān)鍵詞：圖像增強(qiáng)；Guide濾波；NSCT-PCNN

中圖分類號(hào)：TN911.73 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-2163（2016）02-

Image enhancement based on Guide Filter and NSCT-PCNN

ZHANG Yanxiang， QI Yuxian

（Information Management and Construcion center，Taiyuan University of Technology，Taiyuan 030024，China）

Abstract： Image contains very significant informationwhich is one of the vital media. Image enhancement is a key technique in image processing. It is widely used in many aspects， also a very necessary technique in image processing. As the character of image is not uniform， a new algorithm based on Guide filtering and NSCT-PCNN is proposed to enhance image. First of all， histogram equalization and median filter are used respectively to preprocess the image. Secondly， image is decomposed by NSCT-PCNN to extract the high frequency subband coefficients and low frequency subband coefficients. Then， the coefficients are dealt with Guide filter. Finally the enhanced image is obtained by taking inverse NSCT transform. The experiments show that the algorithm is superior to other methods， which not only can obtain enhanced result ， but also get better visual effect.

Key words：Image enhancement； Guide filter； NSCT-PCNN

0引言

在信息高速發(fā)展的時(shí)代，語言和圖像已然成為信息傳遞的重要媒介。人們獲取信息的75%來自于視覺系統(tǒng)，而圖像是視覺系統(tǒng)獲取信息的主要來源。圖像增強(qiáng)[1]，即提高圖像目標(biāo)識(shí)別能力，其目的在于改善圖像的視覺效果，突顯圖像中的有用信息，并將圖像轉(zhuǎn)換成更適合計(jì)算機(jī)處理的形式。圖像增強(qiáng)并不考慮圖像質(zhì)量變差的原因，而只是關(guān)注圖像中感興趣的識(shí)別[2]。目前，彩色圖像處理已經(jīng)滲透拓展至醫(yī)學(xué)研究、印刷行業(yè)、智能交通和衛(wèi)星圖像等多個(gè)領(lǐng)域[3]。

圖像增強(qiáng)方法可分為2類：頻域法和空間域法[4～6]。前者是把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)[6～7]。基于頻域的算法是在圖像的某種變換域內(nèi)對(duì)圖像的變換系數(shù)值加進(jìn)某種修正，是一種間接的算法[5，8]，基于空域的算法處理是直接對(duì)圖像灰度級(jí)開展運(yùn)算。目前就圖像增強(qiáng)方法而言，主要有直方圖均衡化方法和多尺度Retinex增強(qiáng)算法。其中，現(xiàn)有的基于直方圖的對(duì)比度增強(qiáng)的方法會(huì)使在低亮度區(qū)域和高亮度區(qū)域過度飽和。多尺度Retinex增強(qiáng)算法在增強(qiáng)圖像對(duì)比度的同時(shí)則會(huì)放大圖像噪聲，且圖像邊緣易出現(xiàn)“光暈”現(xiàn)象。

綜合以上分析，本文提出了基于Guide濾波和NSCT-PCNN的圖像增強(qiáng)算法。特別地，Guide濾波在實(shí)現(xiàn)圖像平滑的同時(shí)穩(wěn)定完整地保持了圖像性能。實(shí)驗(yàn)結(jié)果表明，本文算法優(yōu)于直方圖均衡方法和傳統(tǒng)的Retinex算法，可以獲得更好的視覺效果，在去噪、細(xì)節(jié)增強(qiáng)等方面表現(xiàn)出明顯優(yōu)勢，有利于圖像特征提取。

1圖像增強(qiáng)算法理論

1.1 Guide濾波

Guide濾波器概念是由何凱明等人在2010年正式提出的[9]。

其中， 表示Guide濾波器在 位置的權(quán)值，并且

1.2NSCT

NSCT分為2個(gè)平移不變的部分：

1）非下采樣金字塔，旨在保證NSCT的多尺度分析性質(zhì)。

2）非采樣方向?yàn)V波器組合，確保NSCT的多方向分析[10]。

這2個(gè)特性使得圖像經(jīng)過NSCT變換后所得到的各個(gè)子帶中信息與原圖像一一對(duì)應(yīng)[11]。

1.3PCNN

3結(jié)束語

本文算法采用直方圖均衡化和中值濾波分別對(duì)圖像執(zhí)行了優(yōu)化預(yù)處理，并在其基礎(chǔ)上采用NSCT-PCNN算法進(jìn)行圖像融合，使圖像達(dá)到增強(qiáng)的效果，并用Guide濾波對(duì)圖像分解系數(shù)實(shí)施了整合處理，使圖像更加平滑。實(shí)驗(yàn)結(jié)果表明，本文提出的算法有較好的圖像增強(qiáng)效果。接下來，可將增強(qiáng)后的圖像應(yīng)用到特征提取中開展更深層次的后續(xù)研究。

參考文獻(xiàn)

[1] 石美紅，張軍英，李永剛，等. 一種新的低對(duì)比度圖像增強(qiáng)的方法[J]. 計(jì)算機(jī)應(yīng)用研究， 2005， 22（1）：235-238.

[2] GONZALEZ R C， WOODS R E.數(shù)字圖像處理（matlab版）[M].北京：電子工業(yè)出版社，2005.

[3] 阮秋琦，阮宇智.數(shù)字圖像處理[M]（第二版）.北京：電子工業(yè)出版社，2007.

[4] 侯法柱. 基于FPGA的圖像采集與處理系統(tǒng)設(shè)計(jì)[D]. 長沙：湖南大學(xué)，2010.

[5] 張秋實(shí). 基于單目視覺的車輛檢測算法的研究與實(shí)現(xiàn)[D]. 沈陽東北大學(xué)，2010.

[6] 王琪. 基于機(jī)器視覺的燈頭產(chǎn)品質(zhì)量檢驗(yàn)系統(tǒng)研究[D]. 南京：南京航空航天大學(xué)，2009.

[7] 石可玉. 基于相鄰像素灰度差的邊緣檢測及與其相結(jié)合的小波圖像去噪[D]. 青島青島大學(xué)，2011.

[8] 劉濤，張煒，何付軍，張瑞民，趙洪海. 紅外熱波檢測方法圖像增強(qiáng)環(huán)節(jié)研究[J].紅外與激光工程， 2012， 41（7）：1922-1927.

[9] HE Kaiming，SUN J，TANG X.Guide image filtering . ECCV.Crete， Greece：FORTH， 2010 ，1-14 .

[10] 郝愛枝，鄭晟. 基于NSCT-PCNN變換的多傳感器圖像融合[J]. 科學(xué)技術(shù)與工程，2014， 14（1）：45-48.

[11] 周欣.紅外圖像視覺效果增強(qiáng)技術(shù)的研究[D]. 天津：天津大學(xué)，2008.

[12] MIAO Qiguang， WANG Baoshu. A novel image fusion algorithm based on local contrast and adaptive PCNN[J]. Chinese Journal of Computers， 2008， 31（5）：875-880.