基于X光機圖像識別的雙邊濾波和同態(tài)濾波相融合技術?

李 海 楊驍勇 鳳四海

（中國民用航空飛行學院 廣漢 618300）

1 引言

隨著計算機圖像處理技術的發(fā)展，圖像處理的算法逐漸應用在機場安檢、視頻圖像識別、危險特征提取等領域［1］。機場的旅客行李中含有大量的灰度噪聲和偽信息，給開機員正確識別危險品帶來了困難，因此需要進行X光機圖像偽信息去除和輪廓域平滑處理［1］。目前常見的針對X光機圖像增強的方法有灰度變換法，改變亮度法，邊緣增強等方法。

在安檢過程圖像識別中，張寧等［1］提出了一種輪廓波域邊緣檢測的民航機場X光機圖像識別的優(yōu)化方法，提高了對危險品圖像的識別能力；該方法的缺點是對于圖像的采集過程精度要求較高。金華勇等［2］提出星卡測試法，即采用高吸收系數(shù)的下料制作星型，獲得圖像；該方法的缺陷在于兩條中心軸之間的角度偏離導致測量誤差比較大。陳善婷等［5］提出一種用雙邊濾波器對X射線圖像進行平滑濾波的方法。

受到成像過程中受檢物體材料的影響，安檢過程中很多情況下圖像的高頻部分在短時間內(nèi)很難辨認其邊緣特征。本文在前期工作的基礎之上，基于X光機的圖像識別進行研究，提出一種雙邊濾波和同態(tài)濾波相融合的方法，仿真實驗表明其方法對與X光機成像圖像具有較好的處理效果。

2 雙邊濾波和同態(tài)濾波原理

雙邊濾波（bliateral filter）是一種可以保邊去燥的濾波器，是空間濾波器和值域濾波器的自合［6］?？沼驗V波是對空間上臨近點的加權平均，至于濾波是根據(jù)周圍像素點與中心像素點的值差來加權平均，加權系數(shù)均隨著距離的增加而減少。

2.1 雙邊濾波

2.1.1 空域濾波卷積

設 f(x)為輸入圖像；h(x)為輸出圖像，則

其中c(ε，x)度量領域中心點x與鄰近點ε的幾何鄰近度，ω1為歸一化參數(shù)。

2.1.2 值域濾波卷積

設 f(x)為輸入圖像；h(x)為輸出圖像:

s(f(ε)，f(x)度量了領域中心點x與鄰近點?像素的光度相似性；ω2為歸一化參數(shù)。

2.1.3 雙邊濾波卷積

單獨使用空間濾波無法全面考慮到像素點的位置影響，單獨使用值域濾波也無法顧及像素點的差異影響。雙邊濾波是既考慮了像素點位置又考慮了像素點值的差異而提出的一種濾波方法。其卷積公式可表示如下:

其中ω0=ω1ω2。

基于此思路，給出雙邊濾波的定義公式:

P代表鄰近圖像邊緣信息的像素位置；q代表圖像非邊緣像素點的位置。Ip為p點的像素值；Iq為q點的像素值。?g，?r分別代表空間濾波器和值濾波器的標準方差，ω0表示為歸一化因子。

在低頻圖像中，雙邊濾波器表現(xiàn)為空間濾波，原因在于低頻圖像鄰近像素值差別較小，其像素位置對圖像處理結果的影響大于像素值對圖像的影響。反之，在高頻圖像中，雙邊濾波器表現(xiàn)為值域濾波，原因在于高頻圖像中圖像的鄰近像素值差別較大，對圖像處理結果影響也較大［9～10］。

2.2 同態(tài)濾波

根據(jù)成像原理和光照特性，一副圖像劃分為照度分量i(x，y)和反射分量r(x，y），這樣得到

其中i(x，y)描述光照變化，圖像中表現(xiàn)為低頻區(qū)域；r(x，y）描述圖像的細節(jié)信息，圖像中表現(xiàn)為高頻區(qū)域。

同態(tài)濾波的思路:首先將圖像 f( )x，y 分解為描述光照變化的i(x，y)和描述圖像細節(jié)的r(x，y）；其次對描述光照變化的i(x，y）進行合理壓縮，同時對描述圖像細節(jié)的 r(x，y）進行合理提升［7～8］。

將式（5）進行對數(shù)化處理，得

用離散余弦變換代替同態(tài)濾波的傅里葉變換對式（6）進行變換，得

其中 F(u，v)=DCT(f(x，y))，I(u，v)=DCT(f(x，y)，R(u，v)=DCT(r(x，y))。

采用濾波函數(shù)對 H(u，v)對式（7）進行 F(u，v)進行處理，得

對濾波后的信號采用擬離散余弦變換可得

對上式進行指數(shù)變換，得出進行同態(tài)濾波后的輸出圖像為

同態(tài)濾波后的圖像質量與H(u，v)選擇直接相關，為了消除光照變化的干擾，需要弱化i(u，v)，同時為了增強圖像的細節(jié)，應該加大r(u，v)［11～13］。為此，對傳統(tǒng)同態(tài)濾波器進行改進，具體如下:

其中，n為階數(shù)，D(u，v)為(u，v)與離散余弦變換頻率原點的距離，具體計算公式:

3 本文方法

3.1 流程圖

圖1所示為本文方法的流程圖。X光機圖像識別中圖像雙邊濾波和同態(tài)濾波融合技術處理的過程如下。

圖1 本文方法的流程圖

Step1:讀入一幅待識別的圖像，按照成像畫面特點進行圖像的預處理，得到預處理圖像f(x，y)；

Step2:確定?i?r的值，對預處理圖像進行雙邊濾波處理，得到雙邊濾波后的圖像g(x，y)；

Step3:分離g(x，y)圖像為R、G、B三通道的分通道圖像，對分通道分別進行同態(tài)濾波處理，得到r(x，y)，g(x，y)，b(x，y)；

Step4:通過cat函數(shù)進行合成同態(tài)濾波后的三通道圖像，得到u(x，y)；

Step5:輸出u(x，y)圖像。

3.2 ?i?r值的確定方法

在雙邊濾波中，隨著σi變大，空間函數(shù)的作用變得突出，使圖像去噪效果更加明顯，但是值過大會導致圖像紋理特征過于模糊；隨著σr變大零度函數(shù)變得平滑而穩(wěn)定其亮度突變的邊緣基本保持恒定，使得雙邊濾波轉化為高斯低通濾波，從而失去對邊緣保持的約束作用。當?i?r值過小時，雙邊濾波的效果會消失。因此在本文中，依據(jù)經(jīng)驗選擇幾組參數(shù)進行處理，研究不同參數(shù)下的雙邊濾波效果，見表1。

表1 雙邊濾波的不同參數(shù)

3.3 分通道的同態(tài)濾波方法

分通道的同態(tài)濾波方法是指將一幅圖像進行轉換到特定色彩模下，對此圖像的各個色彩通道進行分離后同態(tài)處理，最后將同態(tài)處理的各個分通道圖像進行合并，生成一幅特定色彩模式的圖像。

圖2所示為本文中圖像的分通道的同態(tài)濾波方法流程圖。具體的處理過程如下。

圖2 分通道同態(tài)濾波處理流程圖

Step1:讀入一幅待處理圖像，對待處理圖像進行色彩空間轉換f(x，y)→f(x，y)RGB，得到RGB色彩空間內(nèi)的f(x，y)RGB。

Step2:利用Matlab將f(x，y)RGB圖像進行分離在R、G、B三個顏色通道上，得f(x，y)R、f(x，y)G、f(x，y)B。

Step3:對 分 通 道圖像f(x，y)R、f(x，y)G、f(x，y)B圖像分別進行同態(tài)濾波處理，得到u(x，y)R、u(x，y)G、u(x，y)B。

Step4:利用Matlab軟件將u(x，y)R、u(x，y)G、u(x，y)B進行合并，得到輸出圖像U(x，y)。

4 實驗與討論

4.1 實驗數(shù)據(jù)

4.1.1 雙邊濾波數(shù)據(jù)

由于目前缺少能夠用來測試σi、σr處理效果的X光機圖像數(shù)據(jù)庫，為了驗證本文方法的有效性，利用X光機對一箱包進行掃描處理，得到如圖3所示的原始圖像。利用雙邊濾波算法對原始圖像進行不同參數(shù)下的雙邊濾波處理，處理結果如表2所示。下面將對處理結果進行同態(tài)濾波處理。

圖3 X光機原圖

表2 不同σi、σr下雙邊濾波處理結果

4.1.2 同態(tài)濾波處理數(shù)據(jù)

從表2雙邊濾波的結果圖中選擇一張圖像邊緣信息呈現(xiàn)較為清晰的一張圖像作為原圖像進行同態(tài)濾波處理，處理結果如表3所示。

表3 不同參數(shù)下的同態(tài)濾波處理結果

4.2 實驗結果

通過雙邊濾波與同態(tài)濾波相融合技術，對原始X光機圖像進行處理，最終得到如表3所示的序列結果圖。通過比對觀察以及圖像的高低頻信息分布情況分析，發(fā)現(xiàn)一張邊緣細節(jié)信息呈現(xiàn)最完整的結果圖。通過比對表3序列結果圖，得到當low=0.8，high=0.8時效果最好。處理結果見圖4。

圖4 處理結果圖

4.3 處理結果的視覺分析

如表4所示為原始圖像、雙邊濾波、本文方法處理結果比對圖。在原始圖像中，圖像邊緣信息較為模糊，對比度較低，識別困難；在雙邊濾波處理結果圖中，圖像邊緣信息銳利，但對比度偏低，識別較為困難；在本文方法處理結果圖中，圖像的邊緣信息銳利，且對比度較高，能夠在安檢過程中快速識別被檢物體邊緣信息。

4.4 處理結果的直方圖分析

通過Matlab軟件分別導出原始圖像，雙邊濾波圖像，本文方法圖像的直方圖（如表5所示）。

各個圖像中像素值為255的像素數(shù)目從大到小依次本文方法結果圖、雙邊濾波結果圖、原始圖像。根據(jù)像素在直方圖中的分布規(guī)律，越趨近于正態(tài)分布，圖像細節(jié)信息越豐富。因此，本文方法優(yōu)于原始圖像與雙邊濾波結果。

表4 處理結果比對圖

表5 直方圖比對結果

4.5 討論

本文針對X光機圖像運用雙邊濾波與同態(tài)濾波相融合技術進行圖像處理，既可以解決圖像的邊緣銳化問題，同時也提高了圖像的對比度。通過處理結果圖在視覺和直方圖兩方面分析，均發(fā)現(xiàn)本文方法處理效果優(yōu)于原始圖像和雙邊濾波處理結果。因此本文的雙邊濾波和同態(tài)濾波相融合技術能夠為安檢過程中快速識別圖像邊緣信息提供技術支持。

需要指出的是本文方法通過機組相近參數(shù)進行雙邊濾波與同態(tài)濾波相融合技術處理，相鄰組參數(shù)之間具有一定的誤差，進而導致處理結果不一定是最優(yōu)。但是只要所取參數(shù)之間相差不大，同時能夠多取幾組參數(shù)，同樣可以達到優(yōu)化原始X光機圖像的目的。

5 結語

不同的濾波器處理方法都可以進行圖像的銳化處理，但難以進行多方面均衡化考慮。本節(jié)從X光機成像特點以及雙邊濾波和同態(tài)濾波的優(yōu)越性兩個方面進行討論本文方法在處理X光機圖像中的優(yōu)勢。由于X光機圖像成像是基于被成像物體的密度，因此很多情況下由于密度相近而導致圖像邊緣信息模糊，且X光機成像為了更加清晰準確地判斷物品的細節(jié)信息；雙邊濾波是既考慮了像素點位置又考慮了像素點值的差異而提出的一種濾波方法；同態(tài)濾波能夠提高圖像的對比度，進而使得邊緣信息更加清晰可視［14～16］。因此，在 X光機圖像識別中采用雙邊濾波和同態(tài)濾波相融合技術能夠更可靠地識別圖像細節(jié)信息，進一步豐富了X光機圖像的識別技術手段。