湯永清 張新紅 陳虹微 王悅新

摘? 要： 為解決傳統(tǒng)自動(dòng)濾波系統(tǒng)穩(wěn)定性差、運(yùn)行效果不佳的問題，設(shè)計(jì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)。通過改善自動(dòng)濾波系統(tǒng)硬件配置，添加解擾器和復(fù)用器，實(shí)現(xiàn)對(duì)圖像模糊區(qū)域特征的準(zhǔn)確提取。為保障系統(tǒng)運(yùn)行穩(wěn)定，進(jìn)一步優(yōu)化系統(tǒng)軟件運(yùn)行流程，結(jié)合中值濾波原理進(jìn)行降噪，有針對(duì)性地對(duì)采集到的圖像特征進(jìn)行像素?cái)?shù)值恢復(fù)，從而實(shí)現(xiàn)對(duì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的設(shè)計(jì)。最后通過實(shí)驗(yàn)證實(shí)，多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)穩(wěn)定性和運(yùn)行效果得到了明顯提高。

關(guān)鍵詞： 自動(dòng)濾波; 系統(tǒng)設(shè)計(jì); 彩色圖像; 局部模糊; 特征提取; 像素恢復(fù)

中圖分類號(hào)： TN713?34? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）14?0142?04

Design of automatic filtering system for local fuzzy features of

multidimensional color images

TANG Yongqing1，2， ZHANG Xinhong1， CHEN Hongwei1，2， WANG Yuexin1，2

（1. School of Physics & Mechanical Engineering， Longyan University， Longyan 364000， China;

2. Special Vehicle Industry Technology Development Base， Longyan 364000， China）

Abstract： An automatic filtering system for local fuzzy features of multidimensional color images is designed to improve the poor stability and poor operation effect of the traditional automatic filtering system. The hardware configuration of the automatic filtering system is improved， the scrambler and multiplexer are added， so that the accurate extraction of the features in the image fuzzy area can be realized. In order to ensure the stability of the system， the operational process of the system′s software is further optimized， and the noise is reduced by means of the median filtering principle. The pixel value of the collected image features is recovered pertinently to realize the design of automatic filtering system for the local fuzzy features of the multi?dimensional color images. The experimental results verify that the stability and operation effect of the automatic filtering system for the local fuzzy features of the multi?dimensional color images have been improved significantly.

Keywords： automatic filtering; system design; color image; local fuzzy; feature extraction; pixel recover

0? 引? 言

為了更好地實(shí)現(xiàn)對(duì)多維彩色圖像局部模糊特征的自動(dòng)過濾，結(jié)合中值濾波方法對(duì)圖像進(jìn)行去噪，提出多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)優(yōu)化方法。通過對(duì)中值濾波數(shù)值進(jìn)行自動(dòng)采集，搜索局部光軸特征，并對(duì)局部圖像灰度數(shù)值進(jìn)行評(píng)價(jià)，進(jìn)一步計(jì)算出圖像清晰度函數(shù)[1]。

根據(jù)圖像清晰函數(shù)對(duì)過濾區(qū)域進(jìn)行定位，并判斷區(qū)域噪聲數(shù)值，以便結(jié)合小波和中值濾波原理對(duì)噪聲特別是較為特殊的散斑噪聲影響區(qū)域進(jìn)行去噪處理，有效改善圖像局部模糊問題，達(dá)到對(duì)模糊區(qū)域特征有效提取和自動(dòng)去噪的效果，最終實(shí)現(xiàn)對(duì)彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的優(yōu)化設(shè)計(jì)。

1? 圖像局部模糊特征自動(dòng)濾波系統(tǒng)

1.1? 自動(dòng)濾波系統(tǒng)硬件設(shè)計(jì)

為保障多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的有效運(yùn)行，對(duì)系統(tǒng)硬件配置進(jìn)行改善。多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的硬件結(jié)構(gòu)主要包括圖像特征采集器、關(guān)鍵角點(diǎn)操控器、數(shù)據(jù)檢測(cè)終端、A/D 轉(zhuǎn)換器和MCU 單片機(jī)，具體框架結(jié)構(gòu)如圖1所示。

為了更好地實(shí)現(xiàn)對(duì)多維彩色圖像的局部模糊特征進(jìn)行有效的采集和過濾，并對(duì)采集文件進(jìn)行存儲(chǔ)和編輯，進(jìn)一步對(duì)管理平臺(tái)進(jìn)行優(yōu)化，借助圖像處理技術(shù)對(duì)局部模糊圖像預(yù)處理平臺(tái)進(jìn)行設(shè)計(jì)[2]。結(jié)合DVB原理計(jì)算模糊圖像加擾數(shù)值，并根據(jù)數(shù)值輸出特征數(shù)據(jù)。在系統(tǒng)的接收端添加解擾器，通過解擾器對(duì)干擾噪聲導(dǎo)致的圖像局部問題進(jìn)行修復(fù)，從而有效節(jié)約處理時(shí)間，降低處理成本[3]。解擾器設(shè)計(jì)結(jié)構(gòu)如圖2所示。

在圖2中，ECM端口主要負(fù)責(zé)對(duì)圖像中負(fù)責(zé)信息干擾部分進(jìn)行濾波檢測(cè)，并記錄圖像來源、時(shí)間、內(nèi)容、地址、分配等相關(guān)信息[4]。為保障解擾器運(yùn)行的穩(wěn)定，將其設(shè)置為30 MHz的ARC?RISC雙內(nèi)核內(nèi)存，并在硬件結(jié)構(gòu)中添加兩個(gè)集成傳輸流解擾復(fù)用器和一個(gè)控制器[5]，在復(fù)用器中設(shè)置PAL/NTSC數(shù)字濾波處理器，并在控制器中添加多層顯示設(shè)備。

為保障系統(tǒng)的穩(wěn)定運(yùn)行， 進(jìn)一步對(duì)硬件系統(tǒng)結(jié)構(gòu)中的中央處理器和存儲(chǔ)器接口進(jìn)行優(yōu)化，選擇FLASH處理器接口和AMD Ryzen am2bit RISC CPU，以及其他硬件異步設(shè)備，具體包括：最小支持為148 Mbit 32位的1/2層濾波數(shù)值處理總線;最小像素支持度為MPEG?1/31?5（LH@KM到NK@FM）的圖像檢測(cè)器;紅外線濾波接收器/檢測(cè)器;CTIL智能卡接口/T8L/GBS14;3K指令數(shù)據(jù)Cache計(jì)時(shí)器;共享存儲(chǔ)器和處理器接口以及數(shù)字編碼器[6]。

通過對(duì)上述硬件設(shè)備的配置進(jìn)行改善，可更好地保障圖像局部模糊特征進(jìn)度濾波系統(tǒng)的穩(wěn)定運(yùn)行。

1.2? 自動(dòng)濾波系統(tǒng)軟件優(yōu)化

為了進(jìn)一步提高圖像局部模糊特征進(jìn)度濾波系統(tǒng)的運(yùn)行效果，對(duì)系統(tǒng)軟件進(jìn)行優(yōu)化。對(duì)圖像灰度數(shù)值進(jìn)行小波檢測(cè)，并根據(jù)檢測(cè)結(jié)果，修復(fù)和融合圖像模糊區(qū)域。為提高模糊區(qū)域特征處理效果，首先需要采集并計(jì)算圖像模糊檢測(cè)區(qū)域當(dāng)前的特征數(shù)值，具體的特征數(shù)值計(jì)算公式如下：

[L（a，b）=12v（x）-v（y）log（a-b）n-1] （1）

式中：[（a，b）]表示模糊區(qū)域坐標(biāo);[v（x），v（y）]分別為區(qū)域范圍內(nèi)的小波變換母特征點(diǎn)和子特征點(diǎn)。（a，b）與（x，y）之間滿足： [（a，b）=lim0→∞EFA（xn，yn）]。若[p（x，y）]為圖像局部模糊像素灰度數(shù)值，結(jié)合中值濾波原理對(duì)模糊區(qū)域圖像輪廓進(jìn)行分割，并記錄網(wǎng)格圖像中的灰度數(shù)值及特征角點(diǎn)，設(shè)局部區(qū)域的三維點(diǎn)圖像橫縱向坐標(biāo)的標(biāo)準(zhǔn)灰度數(shù)值為[F=p（x，y）·v（y）v（x）]，結(jié)合邊緣約束原理計(jì)算圖像模糊區(qū)域局部濾波波頻，可得公式如下：

[K（x，y）=FL（a，b）-p（x，y）] （2）

進(jìn)一步對(duì)圖像全局的灰度數(shù)值進(jìn)行小波分析和特征檢測(cè)[7]，并根據(jù)檢測(cè)結(jié)果進(jìn)行局部特征融合處理，從而提高對(duì)模糊區(qū)域圖像特征的識(shí)別和修復(fù)效果。

通常情況下圖像局部出現(xiàn)模糊現(xiàn)象大多產(chǎn)生于噪聲影響，因此為了更好地實(shí)現(xiàn)對(duì)圖像局部模糊區(qū)域的有效處理，對(duì)模糊圖像特征識(shí)別過程中采集到的干擾噪聲進(jìn)行降噪處理[8]。設(shè)n為圖像表面光斑灰度數(shù)值，z為干擾濾波波長(zhǎng)，r為常規(guī)抗擾強(qiáng)度，則計(jì)算出圖像模糊區(qū)域疊加光源灰度數(shù)值算法為：

[F（n）=zexpK（x，y）r·（n-1）] （3）

基于上述算法采集圖像中隨機(jī)分布的獨(dú)立光點(diǎn)特征數(shù)值N，利用光點(diǎn)特征相干性原理對(duì)周圍區(qū)域的灰度數(shù)值疊加計(jì)算并根據(jù)計(jì)算結(jié)果進(jìn)行同頻反射處理，從而實(shí)現(xiàn)對(duì)圖像模糊區(qū)域的去噪[9]。為保障去噪處理效果，對(duì)疊加光源灰度數(shù)值去噪，通過對(duì)圖像中強(qiáng)烈光點(diǎn)數(shù)值的采集和過濾，獲取灰度數(shù)值劇烈變化波頻特征數(shù)值m，以及散斑疊加振幅z，具體算法為：

[E=nmF（n）-1n-1mmexp12（m-z）limn→∞w·γ（n-1）n-1] （4）

式中：[γ]表示光點(diǎn)波子;w表示光點(diǎn)區(qū)域的相位角。若檢測(cè)區(qū)域面積元數(shù)值為g，圖像去噪信息的獨(dú)立統(tǒng)計(jì)的量為[ξ][10]，則基于上述原理對(duì)區(qū)域最大和最小去噪數(shù)值進(jìn)行計(jì)算，可記為：

[PL（n）=12ξexp（-g）E-1，? ? ξ≥10，? ? ? ? ? ? ? ? ? ? ? ?0≤ξ<1] （5）

基于以上算法可實(shí)現(xiàn)對(duì)多維彩色圖像局部模糊特征進(jìn)行降噪處理的要求，最大程度上提高降噪效果[11]，以便更好地對(duì)圖像局部模糊特征自動(dòng)濾波處理系統(tǒng)進(jìn)行優(yōu)化和改善。

1.3? 自動(dòng)濾波系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)

考慮到濾波結(jié)構(gòu)的特殊性，在投入濾波和減少負(fù)載的過程中，不同結(jié)構(gòu)變化節(jié)點(diǎn)區(qū)域易出現(xiàn)圖像細(xì)節(jié)丟失等問題，需要結(jié)合線性結(jié)構(gòu)對(duì)圖像固定區(qū)域單一方向性數(shù)值元素進(jìn)行規(guī)范[12]。設(shè)在進(jìn)行自動(dòng)濾波處理的過程中，輸出數(shù)值中只存在一個(gè)向量信息數(shù)值，并根據(jù)所得的向量信息數(shù)值進(jìn)行濾波降噪分解，分別在波長(zhǎng)為500，450，900，225時(shí)對(duì)模糊區(qū)域圖像特征元素進(jìn)行網(wǎng)格分割，并對(duì)網(wǎng)格中關(guān)鍵的角點(diǎn)進(jìn)行歸類。為保障降噪效果，進(jìn)一步對(duì)降噪?yún)^(qū)域的最大降噪數(shù)值和最小降噪數(shù)值進(jìn)行控制，并規(guī)范處理步驟，具體可定義為：

[f（x，y）=min[PL（n）-L]+（x，y）（x-r，y+r）] （6）

[f（a，b）=max[PL（n）-L]+（a，b）（a+r，b-r）] （7）

式中：[f（x，y）]為對(duì)模糊區(qū)域的最小降噪系數(shù);[f（a，b）]為最大降噪系數(shù)。

根據(jù)圖像重構(gòu)和中值濾波原理對(duì)采集的角點(diǎn)像素進(jìn)行匹配，具體多方向線性結(jié)構(gòu)角點(diǎn)像素分量匹配原理如圖3所示。

基于多方向線性結(jié)構(gòu)角點(diǎn)像素分量匹配原理進(jìn)一步對(duì)濾波數(shù)值進(jìn)行計(jì)算，并根據(jù)計(jì)算結(jié)果進(jìn)行圖像形態(tài)恢復(fù)處理，對(duì)于不同方向的角點(diǎn)像素濾波數(shù)值進(jìn)行加權(quán)去噪，從而降低圖像局部區(qū)域的噪點(diǎn)概率。由于在降噪處理過程中，導(dǎo)致圖像局部灰度數(shù)值偏低等問題。為解決以上問題，需對(duì)局部區(qū)域圖像濾波數(shù)值進(jìn)行賦值，通過引入自適應(yīng)權(quán)重因子，對(duì)模糊區(qū)域灰度數(shù)值進(jìn)行改善，具體加權(quán)算法如下：

[Q=a1（x，y）=1sum（x，y）a2（x，y）=f（x，y）-12sum（x，y）? ? ? ? ? ? ? ??an（x，y）=f（x，y）-nnsum（x，y）] （8）

[U=b1（x，y）=1limx→∞（x，y）b2（x，y）=f（a，b）-12limx→∞（x，y）? ? ? ? ? ? ? ??bn（x，y）=f（a，b）-nnlimx→∞（x，y）] （9）

通過上述算法可以更好地對(duì)圖像模糊區(qū)域進(jìn)行優(yōu)化處理，實(shí)現(xiàn)對(duì)圖像局部模糊區(qū)域的恢復(fù)。有效實(shí)現(xiàn)對(duì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的優(yōu)化設(shè)計(jì)，保證系統(tǒng)穩(wěn)定運(yùn)行。

2? 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的運(yùn)行效果，與傳統(tǒng)系統(tǒng)進(jìn)行了對(duì)比實(shí)驗(yàn)。

2.1? 實(shí)驗(yàn)環(huán)境

為保障實(shí)驗(yàn)結(jié)果真實(shí)有效，對(duì)實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)參數(shù)進(jìn)行統(tǒng)一設(shè)置。實(shí)驗(yàn)采用Matlab模型和SPAS/DYEMCT軟件搭建了仿真實(shí)驗(yàn)檢測(cè)平臺(tái)。實(shí)驗(yàn)設(shè)備選擇了內(nèi)存為64 GB的HPLC? Core i5處理器。設(shè)初始采集圖像樣本的像素值為300×300，局部濾波變換持度為0.3～0.6， 圖像灰度數(shù)值分解系數(shù)為1.51，信噪比為-15 dB，自適應(yīng)模板大小為 30×30，模糊圖像訓(xùn)練樣本數(shù)值為1 500。基于以上實(shí)驗(yàn)環(huán)境，進(jìn)一步對(duì)實(shí)驗(yàn)參數(shù)進(jìn)行規(guī)范，具體如表1所示。

2.2? 實(shí)驗(yàn)結(jié)果

在上述實(shí)驗(yàn)環(huán)境和參數(shù)下，對(duì)比傳統(tǒng)自動(dòng)濾波運(yùn)行效果和本文提出的多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)運(yùn)行效果，并繪制成圖，為方便記錄，實(shí)驗(yàn)中將本文方法記錄為B ，傳統(tǒng)系統(tǒng)記錄為A。對(duì)兩種系統(tǒng)運(yùn)行過程中的信噪比去除率效果進(jìn)行檢測(cè)，檢測(cè)次數(shù)為兩次，具體檢測(cè)如圖4所示。

在實(shí)驗(yàn)檢測(cè)過程中，信噪比去除率越高，說明該系統(tǒng)自動(dòng)濾波效果越高，即運(yùn)行效果更佳。根據(jù)圖4檢測(cè)曲線可知，系統(tǒng)B檢測(cè)曲線遠(yuǎn)高于系統(tǒng)A，且隨著檢測(cè)時(shí)間的增加，系統(tǒng)A檢測(cè)整體結(jié)果逐漸呈現(xiàn)下降趨勢(shì)，而系統(tǒng)A整體檢測(cè)曲線仍趨于穩(wěn)定上升狀態(tài)。

3? 結(jié)? 語

結(jié)合中值濾波原理對(duì)多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)進(jìn)行優(yōu)化，通過改善系統(tǒng)硬件配置、簡(jiǎn)化系統(tǒng)軟件流程，實(shí)現(xiàn)了對(duì)自動(dòng)濾波系統(tǒng)性能的優(yōu)化。最后通過實(shí)驗(yàn)檢測(cè)了多維彩色圖像局部模糊特征自動(dòng)濾波系統(tǒng)的實(shí)際效果。實(shí)驗(yàn)結(jié)果證實(shí)，該自動(dòng)濾波系統(tǒng)相比于傳統(tǒng)系統(tǒng)具有更高的實(shí)用性。

參考文獻(xiàn)

[1] 王亮，田萱.單幅散焦圖像的局部特征模糊分割算法[J].計(jì)算機(jī)科學(xué)，2018，45（2）：318?321.

[2] 汪可，張書琦，李金忠，等.基于灰度圖像分解的局部放電特征提取與優(yōu)化[J].電機(jī)與控制學(xué)報(bào)，2018，22（5）：25?34.

[3] 黃蕾，郭超亞.基于變差函數(shù)和局部方差圖的煤巖圖像紋理特征提取[J].工礦自動(dòng)化，2018，44（4）：12?16.

[4] 陳陽，周圓.一種基于深度學(xué)習(xí)模型的圖像模糊自動(dòng)分析處理算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2018，39（3）：584?590.

[5] 向懷坤，白云海.一種改進(jìn)的運(yùn)動(dòng)模糊圖像修復(fù)參數(shù)計(jì)算方法[J].深圳職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2018，17（1）：3?8.

[6] 施恩，李騫，顧大權(quán)，等.基于局部特征的卷積神經(jīng)網(wǎng)絡(luò)模型[J].計(jì)算機(jī)工程，2018，44（2）：282?286.

[7] 蔡青，劉慧英，周三平，等.基于局部和全局信息的自適應(yīng)水平集圖像分割[J].強(qiáng)激光與粒子束，2017，29（2）：24?31.

[8] 劉晨，池濤，李丙春，等.結(jié)合全局和局部信息的水平集圖像分割方法[J].計(jì)算機(jī)應(yīng)用研究，2017（12）：375?380.

[9] 陳陽，周圓.一種基于深度學(xué)習(xí)模型的圖像模糊自動(dòng)分析處理算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2018，39（3）：584?590.

[10] 陳孟臻，盧振坤.基于遞歸濾波和自適應(yīng)亮度響應(yīng)的圖像局部細(xì)節(jié)增強(qiáng)[J].湘潭大學(xué)自然科學(xué)學(xué)報(bào)，2017，39（4）：111?114.

[11] 于立洋，韓琦，牛夏牧.基于MROGH特征描述子的圖像局部拷貝—旋轉(zhuǎn)—移動(dòng)行為取證[J].智能計(jì)算機(jī)與應(yīng)用，2017，7（4）：124?127.

[12] 劉學(xué)，程大江，王峰，等.融合多重信息的圖像局部不變特征描述[J].無線電通信技術(shù)，2017，43（4）：52?55.