基于小波变换的图像增强

基于小波变换的图像修复浅析

 

摘要 数字图像修复是指利用破损图像中已知信息,对其中特定区域进行合理的信息填充的过程。图像修复的目的是在不破坏图像的完整性和视觉效果的同时,恢复图像的丢失信息或者去除其中多余物体,并使修复后的图像看起来和谐自然。基于小波变换的图像去噪是图像去噪的主要方法之一，本文主要介绍了小波变换的一些基本理论,涉及小波的定义，及基于小波变换的在图像修复的应用。

 

关键词 数字图像修复  小波变换  图像处理

 

 

一、引言

通常，有很多因素都会引起数字图像上局部信息的缺损，为了保证图像信息的完整性，需要对这些受损图像进行填充修复。所谓图像修复就是对图像上信息缺损区域进行信息填充的过程，其目的是为了 恢复图像的完整性和原有的视觉效果。目前对于结构图像的修复技术主要有两类：一类是基于偏微分方程(Partial Differential Equation， PDE)的图像修复技术。该类方法的主要思想是利用物理学中的热扩散方程将待修补区域周围信息传播到修补区域中；第二类方法是基于几何图像模型的变分修补技术。该类算法的主要思路是模仿修补师的手工修复图像的过程，通过建立图像的先验模型和数据模型，将修复问题转化为一个泛函求极值的变分问题。由于偏微分方程和变分法是可以通过变分原理相互等价推出的，因此可把这两类方法统称为基于变分PDE的图像修复算法。上述修复算法都采用迭代的方法，修复速度相当慢，而且只能修复小尺度缺损图像，不能胜任大面 积的修复任务。而基于小波变换的图像修复算法，在小波域中采用逐点计算的方法进行修复，给出了算法的理论及其实验结果，并验证了该算法的有效性。

图像在采集、转换和传输过程中。常常会受到成像设备与 外部环境噪声干扰等影响。图像的质量会有所下降。典型表现为图像模糊、失真、有噪声等，这一降质过程称为图像的退化。退化来自于多种形式，比如运动模糊、噪声、以及照相机的离焦模糊等。对于运动模糊，可以对实际的模糊函数提供非常 好的估计并去除退化以还原图像：倘若图像已经被噪声腐蚀。最好的方法是补偿由它引起的退化。图像复原的目的就是尽可能复原被退化图像的本来面目。改善给定图像的质量。图像复原是在研究图像退化原因的 基础上。以退化图像为依据。根据一定的先验知识设计一种算子。把已经退化了的图像加以重建和复原。由于不同应用领域 的图像有不同的退化原因。所以对于同一幅图像。不同应用领 域可以根据不同的退化模型或质量评价标准而采用不同的复原方法。

小波变换是在傅立叶变换基础上发展起来的一种具有多分辨率分析特点的时一频分析方法，其基本思想是通过伸缩、平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了傅立叶变换不易解决的问题，成为继傅立叶变换以来在科学方法上的重大突破。由于其在时频两域都具有表征信号局部特征的能力和多分辨率分析的特点，因此被誉为“数学显微镜"。随着小波理论的日趋成熟，人们对小波变换的实 际应用越来越重视，它已成为信号处理的强有力工具。小波理论已广泛地应用于信号处 理、图像处理、量子场论、地震勘探、语音识别与合成、模式识别、机器视觉、机械故障诊断与监控以等科技领域中。

二、小波变换理论概述

小波变换以成为信号处理的有力工具，本章主要介绍小波的产生背景、小波的概念以及小波的基本理论和基本方法。

2.1 小波变换的产生

小波分析继承和发展了Gabor变换的局部化思想，基本思想来源于可变窗口的伸缩 和平移。1910年Haar提出的Haar基，虽然当时没有“小波"这个词，其实这就是最简 单的小波基，由于Haar基的不连续性，它没能得到广泛的应用。1936年Littlewood—Pley 对傅立叶级数建立了L-P理论，该理论在频域内有以任意尺度分析函数的能力，它是多 尺度分析的雏形。后来，Caldeon、Zygmund、Stern和Weiss等人将L-P理论推广到高 维并建立了奇异积分理论；1974年，Coifman对一维日，空间给出了原子分解，1975年， Caldeon用他提出的再生公式给出了抛物型H1的原子分解，它的离散形式已接近于小波展开。Peetre于1976年在使用L-P方法给出Besov空间统一刻画的同时，引出了Besov 空间的一组基，其展开系数的大小刻画了Besov空间本身。1981年，Stromberg通过对 Haar系数的修正，引入了Soblev空间H’的正交基，这是一组规范化的正交基，这些工作都为小波分析奠定了坚实的数学基础。

小波的概念是法国地质物理学家Morlet于1984年提出的，他在分析地震波时频特性时，希望使用在高频处时窗变窄，低频处频窗变窄的自适应变换。他利用高斯余弦调制函数，将其伸缩和平移得到一组函数系，它后来被称为“Morlet”小波基。1985年， Meyer首次提出光滑的正交小波基--Meyer基。1986年，Meyer及其学生Lemarie提出 了多尺度分析的思想，1988年，Daubechies提出了具有紧支集光滑正交小波基一 Daubechies基。Mallat提出了多分辨分析的概念畸卜531，给出了构造正交小波基的一般方法。Mallat受金字塔算法的启发，以多辨率分析为基础提出了著名的快速小波算法一 Mallat算法(FWT)，其作用和地位相当于傅立叶分析中的FFT算法，这是小波理论突破性成果，宣告小波理论研究走向宽广的应用研究。

2.2 小波变换

小波定义：设其傅立叶变换为 ,当满足允许条件，即完全重构条件或恒等分辨条件. 时，我们称 为一个基本小波或母小波，将母函数经伸缩和平移后，得 。 我们称其为一个小波序列。其中a为伸缩因子，b为平移因子。

小波变换是一种信号的时间——尺度分析方法，他具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可变，时间窗和频率窗都可变的时频局部化分析方法。即再低频部分具有较高的频率分辨率和时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的显微镜。

波分析是把信号分解成低频al和高频dl两部分，在分解中，低频al中失去的信息由高频dl捕获。在下一层的分解中，又将al分解成低频a2和高频d2两部分，低频a2中失去的信息由高频d2捕获，如此类推下去，可以进行更深层次的分解。

二维小波函数是通过一维小波函数经过张量积变换得到的，二维小波函数分解是把尺度j的低频部分分解成四部分：尺度j+1的低频部分和三个方向（水平、垂直、斜线）的高频部分。

 

 

 

 

 

 

 

 

三、基于小波变换的图像修复

目前图像修复技术主要还是集中在基于结构或基于纹理的修复两大方面，修复技术 也在不断的改进。虽然大部分修复技术的修复结果已经能够达到人们的满意，但是大多 都是以牺牲修复时间为代价的。而高额的时间开销在实际应用中却是无法让人接受的。 研究者们意识到这个问题，并提出了一些快速有效地算法。快速行进算法 (Fast Matching Method，FMM)也因此得到了广泛关注。该算法与已有的经典结构类修复 方法(如BSCB模型，TV模型等)的原理不同，它采用的是非迭代式的修复方法，修复过程采用逐步推进，逐个修复像素点的方式进行。在修复单个像素点时，利用其与邻近点的相关性，通过定义权值函数的方式进行加权插值，进而完成修复工作。Criminisi在纹理修复方面具有良好的修复效果，但是Criminisi 算法在保持图像的结构连续性上效果不好，且对于某些具有特殊性质的图像(如光照不均匀的图像)修复效果也较差。这是因为亮度不均匀的图像呈现的渐变特征具有多样化的特点，在纹理匹配的时候容易产生误匹配的现象。而小波变换作为一种频率分离工具，能有效地将信号的高低频分量进行分离，它通过对提取的信号信息进行伸缩，平移等方式来细化信号，进而完成多尺度分析。利用小波变换将图像的高频和低频部分进行分离， 图像的亮度信息主要存在于图像的低频部分，高频部分主要是边缘或者纹理信息，利用 Criminisi算法修复频率分离后的高频部分能有效地避免亮度不均导致的纹理误匹配问题。 因此本小结在对现有图像修复算法深入研究的基础上，给出一种将小波变换、快速步进算法和Criminisi算法相结合的方法，称为基于小波变换的图像修复方法。该方法同时利用了小波变换优良的多分辨率特性，基于纹理合成和基于结构的图像修复算法的各自优势。在小波变换之前先对图像做预处理，以避免小波变换后的缺损区域边缘出现阶跃(即边界处产生很大的小波系数)。基于小波变换的图像修复算法如下所示：

(1) 读入破损图像I和模板矩阵MASK；

(2) 利用FMM算法对破损图像做预处理，得到结果图像Io；

(3) 对结果图像进行小波正变换，得到小波域图像；

(4) 将小波域图像近似子带以外的小波系数全置为0，然后进行小波反变换，即可得到图像的低频 部分L；

(5) 结果图像Io减去图像的低频部分L即可得到图像的高频部分H；

(6) 利用改进优先权的Criminisi算法对高频部分H进行修复，得到修复后的高频部分H*；

（7）结合低频部分L与高频部分H*，两者求和即得到修复后的图像I*。

四、总结

本文简单介绍了图像修复的发展和小波变换的发展，通过对小波变换的原理的分析，进一步深入讨论了小波变换在图像修复方面的应用。通过查查阅资料，为今后对基于小波变换的图像修复技术打下了一定的基础，初步了解了小波变换的原理和特性，对图像修复有了更加深入的了解。