劉靜霞

(華北水利水電大學(xué) 建筑學(xué)院， 鄭州 450046)

圖像處理技術(shù)被廣泛應(yīng)用于植物景觀設(shè)計中.通過圖像處理技術(shù)構(gòu)建植物景觀三維圖像重構(gòu)模型，能夠提高植物景觀設(shè)計的美感.在進行植物景觀設(shè)計中，需要根據(jù)植物景觀三維圖像的規(guī)則性特征點進行圖像邊緣銳化處理，利用植物景觀三維特征掃描技術(shù)實現(xiàn)對三維植物景觀圖結(jié)構(gòu)的重建[1].結(jié)合計算機視覺分析技術(shù)進行植物景觀的邊緣輪廓特征檢測，提高了植物景觀三維圖像分析的準(zhǔn)確性和三維規(guī)劃設(shè)計能力[2].在對大規(guī)模植物景觀三維圖像的邊緣輪廓銳化檢測過程中，將植物景觀三維視景圖像反射到植物景觀的圖結(jié)構(gòu)模型中，提高了對植物景觀區(qū)域的準(zhǔn)確規(guī)劃和辨識能力.研究植物景觀三維圖像邊緣銳化方法在植物景觀的三維重建和規(guī)劃設(shè)計中具有重要意義.

相關(guān)學(xué)者對植物景觀三維圖像邊緣銳化設(shè)計進行了研究，桂金瑤等[3]提出了一種基于模糊理論的海量激光遙感圖像邊緣銳化方法研究，依據(jù)模糊特征分別建立邊緣和噪聲的隸屬度函數(shù)，求解激光遙感圖像像素相對于邊緣和噪聲的隸屬度，并完成對圖像邊緣銳化系數(shù)的調(diào)整和控制，最終實現(xiàn)光照不均勻條件下，對海量激光遙感圖像邊緣的銳化處理.王敬凱等[4]提出一種基于框架域的隨機游走全色銳化方法.該方法利用亮度、色調(diào)、飽和度(IHS)變換和非下采樣框架變換，將原圖像從空間域變換到框架域.此模型根據(jù)高頻框架系數(shù)的鄰域相關(guān)性與尺度相關(guān)性構(gòu)造新的隨機游走協(xié)調(diào)函數(shù)，將高頻框架系數(shù)融合權(quán)重的估計轉(zhuǎn)化為隨機游走標(biāo)記問題的求解.

上述方法存在三維圖像的邊緣銳化圖像表面點自相似性系數(shù)較低，植物景觀布局設(shè)計的效果較差的問題，對此，本文提出基于色調(diào)映射和顏色特征分解的植物景觀三維圖像邊緣銳化方法.

1 圖像稀疏表示模型和輪廓檢測

1.1 三維圖像的稀疏表示模型

為了實現(xiàn)對植物景觀三維圖像的區(qū)域邊緣銳化，首先需要構(gòu)建植物景觀三維圖像的稀疏表示模型，采用分區(qū)域特征匹配方法進行植物景觀三維圖像的分塊檢測和區(qū)域性融合處理.根據(jù)圖像低分辨率的特點，提取植物景觀三維圖像的分塊區(qū)域匹配特征量，得到稀疏表示的最優(yōu)化系數(shù)[5-6]；采用自適應(yīng)融合方法進行植物景觀特征檢測的分塊規(guī)劃設(shè)計；采用銳化模板增強技術(shù)進行植物景觀三維圖像的邊緣銳化處理，提高對植物景觀三維圖像的邊緣銳化能力.植物景觀三維圖像的稀疏表示模型如圖1所示，L表示模板子塊，C表示用于匹配的候選目標(biāo)區(qū)域，P表示植物景觀三維圖像表面點特征空間尺度因子.

采用一個4×4子塊邊緣銳化模型進行植物景觀三維圖像的分塊特征匹配，采用表面點自相似性特征提取方法進行植物景觀三維圖像的灰度重構(gòu)[7].在D維空間中進行植物景觀三維圖像的邊緣輪廓檢測，根據(jù)植物景觀三維圖像的表面點分布差異性，假設(shè)三維圖像為G(x，y；b)，其中，x為橫坐標(biāo)，y為縱坐標(biāo)，b為重建圖像整體梯度方向的像素強度，得到植物景觀三維圖像的稀疏表示為

圖1 植物景觀三維圖像的稀疏表示模型Fig.1 Sparse representation model for 3D image of plant landscape

(1)

(2)

式中：u為三維圖像的區(qū)域邊緣銳化特征總量；Δu為三維圖像的區(qū)域邊緣銳化的特征分量；σ為三維圖像的旋轉(zhuǎn)算子；Δx為圖像的能量變化量.

根據(jù)植物景觀表面點的規(guī)則性進行邊緣銳化處理，得到植物景觀三維圖像區(qū)域邊緣銳化稀疏分布模型為

F=Bdγ0+R

(3)

式中：B為三維圖像像素特征點的峰值信噪比；dγ0為三維圖像的區(qū)域邊緣銳化系數(shù)；R為拉普拉斯算子系數(shù).根據(jù)上述分析，用稀疏表示方法進行植物景觀三維圖像的區(qū)域特征邊緣銳化，構(gòu)建三維圖像的相關(guān)性檢測模板匹配函數(shù)為

(4)

獲得植物景觀三維圖像的背景差分量后，在植物景觀三維圖像的三維特征分布區(qū)域中進行稀疏表示模型設(shè)計和邊緣銳化處理.

1.2 邊緣輪廓特征分解

構(gòu)建植物景觀三維圖像的稀疏表示模型后，采用稀疏線性組合方法進行植物景觀三維圖像邊的邊緣輪廓特征分解[8].采用植物景觀分布邊緣像素點匹配方法得到正則化的線性回歸向量Wj，植物景觀三維圖像的群結(jié)構(gòu)稀疏分布參數(shù)為

(5)

式中，dist(xi，xj)為三維圖像邊像素點xi、xj之間的空間距離.在目標(biāo)塊和重建高分辨率圖像塊之間，得到植物景觀三維圖像的表面點特征提取向量為

(6)

式中：Sk為植物景觀三維圖像表面點的粗細度特征參數(shù)；?為粗細度特征向量之間的夾角.采用分區(qū)域特征匹配方法進行植物景觀三維圖像的分塊融合性檢測和特征塊匹配，植物景觀三維圖像的像素點子集輸出為

I(x)=J(x)T0(x)+E(1-T0(x))

(7)

式中：J(x)為植物景觀三維圖像采樣位移間隔；T0(x)為植物景觀三維圖像采樣間隔；E為三維圖像三維尺度信息.根據(jù)植物景觀表面點的規(guī)則性特征分量進行三維規(guī)劃設(shè)計，計算重疊區(qū)域的像素值.采用多重分形技術(shù)進行塊匹配特征分解[9]，降低植物景觀三維圖像區(qū)域邊緣銳化的表面誤差，植物景觀三維圖像的最小角度回歸分析輸出為

s(k)=φs(k-1)+w(k)

(8)

式中：φ為特征向量的尺度空間分布矩陣；w(k)為特征點k處的投影變換矩陣.

提取植物景觀三維圖像的RGB分量，相應(yīng)得到植物景觀三維圖像的模板跟蹤值，在次微分集合中，得到邊緣銳化模板.根據(jù)上述分析，構(gòu)建圖像的邊緣輪廓特征分解模型進行圖像的邊緣銳化處理.

2 三維圖像邊緣銳化處理

2.1 色調(diào)映射和顏色特征分解

根據(jù)植物景觀的表面點、細節(jié)區(qū)域進行植物景觀圖像超分辨率重構(gòu)和模板匹配，對于植物景觀三維圖像視覺信息特征量，在邊緣輪廓分布區(qū)域(x′，y′)進行表面點梯度分解，計算植物景觀三維圖像所有的向量集，植物景觀三維圖像的邊緣銳化閾值為

(9)

(10)

(11)

植物景觀三維圖像視覺區(qū)域大小為P×Q，在最佳閾值分割下，根據(jù)植物景觀三維圖像的RGB值進行像素特征分離，輸出為

(12)

式中：μpq為圖像空間信息；npq為圖像視覺信息；mpq為圖像結(jié)構(gòu)信息.

2.2 邊緣銳化表面點自相似性

采用稀疏線性組合方法進行植物景觀三維圖像邊的邊緣輪廓特征分解，提取植物景觀三維圖像的邊緣分塊特征量，顏色空間的轉(zhuǎn)換模型為

(13)

式中：assoc(X，Y)為三維尺度信息中的像素固定幅值；cut(X，Y)為顏色空間轉(zhuǎn)換統(tǒng)計特征量.將RGB顏色空間數(shù)值進行歸一化處理，得到模糊調(diào)度集為(i，j)，以此為像素中心，利用銳化模板得到圖像的銳化特征匹配分解模型為

(14)

式中：a為模糊調(diào)度系數(shù)；T為表面點銳化時間；b為銳化特征方向性參數(shù).

將植物景觀三維圖像進行合成與色調(diào)映射處理，在4×4子塊的局部區(qū)域內(nèi)建立植物景觀三維圖像的分塊融合模型為

(15)

式中，K為合成系數(shù).根據(jù)植物景觀的表面點、細節(jié)區(qū)域進行植物景觀圖像超分辨率重構(gòu)和模板匹配，得到植物景觀三維圖像的響應(yīng)函數(shù).

在模板區(qū)域內(nèi)對植物景觀三維圖像進行像素值區(qū)域重構(gòu)，采用自適應(yīng)融合處理方法，植物景觀三維圖像的區(qū)域邊緣銳化表面點自相似性函數(shù)為

(16)

式中，T1為三維圖像的結(jié)構(gòu)相似度.在植物景觀成像的4×4子區(qū)域內(nèi)，通過植物景觀三維圖像的色調(diào)映射處理，實現(xiàn)植物景觀三維圖像邊緣銳化處理.

3 仿真實驗與結(jié)果分析

為了驗證方法在實現(xiàn)植物景觀三維圖像邊緣銳化處理中的應(yīng)用性能，本文進行了實驗分析，實驗設(shè)備如圖2所示.

圖2 實驗設(shè)備圖Fig.2 Experimental equipment

植物景觀三維圖像的匹配模板為120×120的均勻分布模板，植物景觀的模板特征分辨率為400×400，邊緣銳化結(jié)構(gòu)相似度系數(shù)為0.45，得到植物景觀三維圖像如圖3所示.

圖3 植物景觀三維圖像Fig.3 3D image of plant landscape

根據(jù)植物景觀的表面點、細節(jié)區(qū)域進行植物景觀圖像超分辨率重構(gòu)和模板匹配，具體目標(biāo)數(shù)據(jù)為：dγ0方向上的峰值信噪比為255，三維圖像的區(qū)域邊緣銳化系數(shù)為20.1，拉普拉斯算子系數(shù)為134.將目標(biāo)數(shù)據(jù)代入三維圖像區(qū)域邊緣銳化稀疏分布模型中，得到重建植物景觀圖像的整體直方圖分布模型，如圖4所示.采用色調(diào)映射和顏色特征分解方法進行植物景觀三維圖像邊緣銳化處理，得到邊緣銳化結(jié)果如圖5所示.

圖4 相關(guān)性檢測模板匹配的灰度直方圖Fig.4 Grayscale histogram matched with correlation detecting template

圖5 植物景觀三維圖像的邊緣銳化結(jié)果Fig.5 Edge sharpening results of 3D image for plant landscape

分析圖5可知，采用本文方法能有效實現(xiàn)對植物景觀三維圖像邊緣銳化，特征分辨能力較好.根據(jù)式(16)測試植物景觀三維圖像邊緣銳化表面點自相似性系數(shù)，與模糊理論及框架域算法進行對比結(jié)果如表1所示.相似性系數(shù)為常數(shù)，越靠近1說明三維規(guī)劃設(shè)計能力越好.

表1 邊緣銳化表面點自相似性系數(shù)對比Tab.1 Self-similarity coefficients contrast of surface points of sharpened edges

分析表1得知，本文方法的植物景觀三維圖像邊緣銳化表面點自相似性系數(shù)最高，說明對植物景觀的三維規(guī)劃設(shè)計能力較好.

4 結(jié) 論

本文提出了基于色調(diào)映射和顏色特征分解的植物景觀三維圖像邊緣銳化方法.構(gòu)建植物景觀三維圖像的稀疏表示模型，根據(jù)植物景觀的表面點、細節(jié)區(qū)域進行植物景觀圖像超分辨率重構(gòu)和模板匹配，重建植物景觀圖像的整體直方圖分布模型.采用色調(diào)映射和顏色特征分解方法進行植物景觀三維圖像邊緣銳化處理.實驗結(jié)果表明，采用該方法進行植物景觀三維圖像邊緣銳化處理的特征分辨能力較好，提高了植物景觀布局設(shè)計的效果.