使用小波图像增强

Shivani Jain,王妃

M。科技学者,CSE称,广州PTU校园,珀,印度旁遮普。
助理教授,CSE称,广州PTU校园,珀,印度旁遮普。

文摘

图像增强是基于多尺度奇异点检测的自适应阈值的值是通过最大熵度量计算。小波变换由于其固有财产使用冗余和移不变的。强度的变化发生在不同尺度的图像,因此,他们的最优检测需要使用不同大小的经营者。所以,视觉过滤器应该是一个微分算子,它应该能够调整在任何行动所需的规模和小波是理想的。原则图像增强的目的是处理图像,这样的结果是比原始图像更适合特定的应用程序。本文将概述的基础概念通常用于图像增强。

关键字

图像增强、空间域、频域DCT, DWT,小波变换。

介绍

图像增强是一个过程主要集中在处理图像的方式处理比原始图像更适合特定的应用程序。“具体”这个词有意义。它给出了一个线索,这样一个操作的结果是高度依赖应用程序。换句话说,一个图像增强技术,适用于x射线地形图像可能不适合先生图片[1]。图像增强的主要目的是修改图像的属性,使其更适合一个给定的任务和特定的观察者。在这个过程中,图像的一个或多个属性被修改。

我们使用小波变换由于其固有财产,他们是冗余和移不变的这些变换用于给定的低分辨率图像分解成频率成分。,子带。增强的方法大致可以分为以下两类[1][2]:

1。空间域方法

2。频域方法

在空间域技术[3],我们直接处理图像像素。像素值操纵达到预期的增强。在频域方法,图像首先转移到频域。这意味着,首先计算图像的傅里叶变换。增强操作都进行的傅里叶变换图像,然后进行傅里叶反变换得到合成的图像。为了执行这些增强操作修改图像亮度、对比度或灰色的分布水平。结果输出图像的像素值(强度)将修改根据变换函数应用于输入值。

图像增强只是手段,将一个图像f转换为图像g使用T (T)转换。像素在图像f和g的值用r和s,分别。说,像素值r和s相关的表达式,

s = T (r) eq。(1)

在T是一个像素值r变换映射到一个像素值。这个变换的结果映射到灰度范围作为我们这里只有灰度数字图像。所以,结果被映射到范围(0,L - 1), L = 2 k, k是在图像的比特数。例如,为一个8位图像像素值的范围将[0,255]。

二世。小波变换

一般形式的一维(一维)小波变换是图1所示。这里的信号通过一个低通滤波器和高通滤波器,h和g,分别就两倍采样,构成一个层次的变换。多层或小波变换的“尺度”是由重复低通输出分支上的过滤和大量毁灭的过程。这个过程通常是有限数量的水平进行K和由此产生的系数[1],

d i1 (n),我€{1,…。,K} and dK0(n) eq.(2)

被称为小波系数。指无花果。1,一半的输出是通过过滤输入滤波器H (z)和抽样的两倍,而另一半的输出通过过滤输入滤波器G (z)和采样下来的两倍。H (z)是一个低通滤波器,而过滤G (z)是一个高通滤波器。一维小波变换可以扩展到二维(2 d)小波变换可分离小波滤波器。与分离过滤器2 - D变换可以通过应用一维计算变换输入的所有行,然后重复所有的列上。使用图2中的丽娜形象的显示了一个示例一级(K = 1),二维小波变换。的例子是重复两级(K = 2)小波扩张图2 b。

从图2子带你更重要比其他3子带,因为它代表一个粗糙的版本的原始图像。小波变换的多分辨率特性造成了它的受欢迎程度。

三世。DWT(方向小波变换)

自然图像并不是简单的一维分段光滑栈扫描线;不连续点(即边缘)通常位于光滑曲线(即轮廓)由于光滑边界的物理对象。因此,自然图像包含内在几何结构关键特性的视觉信息[3]。为了确定这种结构,定位关键信息。小波变换[4]历史悠久和成功作为一种有效的图像处理工具。然而,由于分离从一维扩展基地,在高维小波只能捕获定向信息非常有限。在某些小波子带不同方向混合。例如,二维小波只提供三个定向组件,即水平、垂直和对角线。此外,450年和1350年的方向是对角线子带混在一起。与小波在[6]提出的方向扩展,可以提高混合问题,但并没有完全解决。 However, the wavelet transform is still very attractive for image processing applications. The directional wavelet transform (DWT) of discrete image I (m,n) is defined by (1)

Ks(¬1α,¬2,δ)

α尺度参数,Kα(m, n)代表二维母小波的内核,而m和n代表内核的大小。表情问(α)的转子旋转内核Kα逆时针方向的角δ。内核Kα被定义为(2)

在续集中,我们推导方向小波变换的算法。作为一个小波函数,我们决定使用1 - D墨西哥帽函数定义的

墨西哥帽等于一个高斯分布的二阶导数,它被广泛应用于计算机视觉检测多尺度边缘[7,8]。因此,我们使用二维墨西哥帽子内核的示例如图1所示。

从这些例子很明显,内核抑制所有变化与他们的方向不平行。均匀的地区导致灰色颜色(图2中,底下一行)。的结构,如孤立奇点沿着线,创建锥之间的大的振幅系数这些奇异点的位置。另一方面,奇点邻居方向相同的内核是强调黑白像素和显著不同于地面。奇点是可见的零交叉。越奇异方向符合操作员的取向,更密集是获得响应。然而,他们在方向小波变换的好处是:a)信号分解到四维空间和b)检测奇异点线能力。

四、DCT(离散余弦变换)

离散的问题是如此自然,几乎不可避免的,它真的是惊人的,DCT直到1974年才发现[11]。也许这时间延迟了一个潜在的原则。每个连续的问题(微分方程)有许多离散近似(差分方程)。离散情况有了一个新的水平的多样性和复杂性,经常出现在边界条件。事实上,原始论文Ahmed Natarajan,和饶[11]派生DCT-2基础作为一个重要的矩阵的特征向量近似,与条目δj - k -。这是一个有用的类的协方差矩阵的信号。δ数量(1)附近的措施之间的关系最近的邻居。真正的特征向量会给一个最优”Karhunen -Loeve根据《压缩这些信号。更简单的DCT向量是接近最优(δ和独立)。四种标准类型的DCT现在研究直接从他们的基向量。第j k基向量的组成部分

这些正交列的四个DCT矩阵C 1 C 2、3 C, C 4矩阵C 3,上面一行1 /(2)1/2(1,1,1,1)是C4的转置。所有列C 2、3 C 4 (N / 2) 1/2长度。最直接的目标是证明正交性。

诉测量参数

答:MSE

平均平方差异参考信号和扭曲的信号称为均方误差。它可以很容易地通过增加计算像素的平方差异像素和像素总数除以[8]。让麦根自由单色图像噪音我,和K被定义为噪声近似区间这两个信号之间的均方误差定义为:

b . PSNR值

之间的比例参考信号和图像的失真信号称为峰值信噪比,给出了分贝。一般来说,更高的PSNR值应该与更高质量的图像。所以PSNR值被定义为:

日志10 l2 / MSE eq.11 PSNR = 10

这里L反映了图像的最大可能的像素值如果K通道与深度8位编码,然后L = 2 ^ 8 - 1 = 255。PSNR值通常表示的分贝范围内。如果一个信号噪声比高然后将最小均方误差。

六。结论

图像增强是应用在各个领域,图像应该被理解和分析。它提供了各种各样的方法修改图像达到视觉上可接受的图像。技术的选择是一个函数的具体任务,图像内容,观察特点,和观察条件。小波变换能够同时提供的时间和频率信息。一个信号的频率和时间信息,但有时我们不能知道光谱分量存在在任何给定的时间即时。最好的我们能做的就是调查谱组件在任何给定的时间间隔内存在的时间。DWT是一个线性变换作用于一个数据向量的长度是2的整数幂,将其转化成数值不同向量的长度相同。DCT利用interpixel冗余来呈现最自然的优秀解相关图片。

引用

穆纳f . Al-Samaraie博士,博士Nedhal Abdul Majied Al Saiyd”医学彩色图像增强使用小波变换之后,图像锐化,“无处不在的计算和通信卷6号5 pp.1》杂志上。
拉曼Maini Himanshu Aggarwal”,图像增强技术的全面审查,”杂志的计算,卷2,问题3,2010年3月,Issn 2151 - 9617。3所示。Bhabatosh Dwijest Dutta Majumder昌达来说,“数字图像处理和分析”,2002。
m . n .做“定向多分辨率图像表征”,博士论文,2001年。
美国Mallat”,小波信号处理第二版。圣地亚哥”,学术出版社;1999年。
y, m . n .做“定向扩展多维小波变换”,IEEE图像处理,提交;2005年。
e .萤石,脊波”理论和应用程序”,博士论文,部门统计,斯坦福大学;1998年。
D。Heric D。Zazula”,重建对象的轮廓使用方向小波变换”,圆柱反式。第一版。2005;4卷,第1305 - 1312页。
a,却“尺度空间滤波”,Int。联合进行。Conf。人工智能。1983年,埃斯波,芬兰。
c·w·唐h . m .挂“提出了健壮的数字图像水印方案”,IEEE交易在2003年信号处理,卷。51:pp.950 - 959。
n .艾哈迈德·t·Natarajan和k·r·罗,离散余弦变换,IEEE反式。第一版。,C-23 (1974), pp. 90- 93.
吉尔伯特-斯特朗,离散余弦变换,“暹罗评论c 1999工业与应用数学学会41卷,1号,第135 - 147页。