基于數(shù)據(jù)挖掘的3D圖像無(wú)損修復(fù)方法

郭崇 黃越

（1.沈陽(yáng)理工大學(xué)信息科學(xué)與工程學(xué)院 遼寧省沈陽(yáng)市 110159 2.沈陽(yáng)理工大學(xué)自動(dòng)化與電氣工程學(xué)院 遼寧省沈陽(yáng)市 110159）

數(shù)據(jù)挖掘技術(shù)是指在進(jìn)行某項(xiàng)研究時(shí)，運(yùn)用一定的算法，在大量數(shù)據(jù)中挖掘?qū)Ρ狙芯坑杏玫碾[藏信息的全過(guò)程[1]。目前的3D 圖像修復(fù)中，采用傳統(tǒng)方法的居多，也就是傳統(tǒng)的小波分析法，然而進(jìn)行小波分析法時(shí)，需要設(shè)定大量的約束條件，也就是未知數(shù)過(guò)多，導(dǎo)致在3 圖像修復(fù)過(guò)程中，無(wú)法用標(biāo)準(zhǔn)的函數(shù)進(jìn)行計(jì)算，就需要采用線性分析法，此方法不僅所用時(shí)間較長(zhǎng)，效率低，而且依然難以達(dá)到無(wú)損修復(fù)的效果。為了提高3D 圖像無(wú)損修復(fù)的效率，提出基于數(shù)據(jù)挖掘的3D 圖像無(wú)損修復(fù)方法。首先進(jìn)行基于數(shù)據(jù)挖掘的3D圖像無(wú)損修復(fù)方法設(shè)計(jì)，完成3D圖像無(wú)損修復(fù)，然后進(jìn)行一組實(shí)驗(yàn)，證明該方法能更有效地實(shí)現(xiàn)3D 圖像無(wú)損修復(fù)。

1 3D圖像無(wú)損修復(fù)方法設(shè)計(jì)

1.1 3D圖像空間變化分析

基于數(shù)據(jù)挖掘?qū)?D 圖像進(jìn)行無(wú)損修復(fù)的前提是要通過(guò)數(shù)據(jù)挖掘了解使3D 圖像質(zhì)量變差的原因，在了解圖像失真的原因過(guò)程中，首先采用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則數(shù)據(jù)分析法，設(shè)當(dāng)前研究的3D 圖像的灰度特征值的集合為I={i1,i2,...,im}，且該特征值是各不相同的m 個(gè)數(shù)據(jù)的集合，基于數(shù)據(jù)挖掘技術(shù)深度挖掘該3D 圖像的灰度特征值集合，并用該集合設(shè)定一個(gè)灰度的數(shù)據(jù)庫(kù)，設(shè)該灰度數(shù)據(jù)庫(kù)為T(mén)，則該3D 圖像的灰度數(shù)據(jù)庫(kù)T 與特征值集合I 滿足式中，灰度數(shù)據(jù)庫(kù)屬于特征值集合，設(shè)該3D 圖像的項(xiàng)集為X，如果項(xiàng)集X 滿足即表示該3D 圖像的項(xiàng)集既屬于灰度數(shù)據(jù)庫(kù)，也屬于特征值集合，當(dāng)出現(xiàn)上述關(guān)系時(shí)，基于數(shù)據(jù)挖掘分析，表明該3D 圖像的空間發(fā)生了變化[2,3]。接下來(lái)可以對(duì)這一空間變化進(jìn)行深度數(shù)據(jù)挖掘，為3D 圖像無(wú)損修復(fù)做準(zhǔn)備，根據(jù)數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則，把該3D 圖像的無(wú)損修復(fù)過(guò)程簡(jiǎn)化描述為按照目前已經(jīng)失真的3D 圖像數(shù)據(jù)，轉(zhuǎn)化為數(shù)據(jù)的3D 圖像更加便于數(shù)據(jù)挖掘和分析，并且根據(jù)數(shù)據(jù)挖掘得到的關(guān)系建立相關(guān)函數(shù)式，并進(jìn)行求解得到原始3D 圖像的數(shù)據(jù)，完成修復(fù)。要建立相關(guān)函數(shù)式，就需要參照該3D 圖像空間變化的關(guān)系，并對(duì)該3D 圖像的成像過(guò)程進(jìn)行數(shù)據(jù)挖掘分析中的數(shù)據(jù)離散化處理，當(dāng)?shù)玫降臄?shù)據(jù)平均值滿足一定條件時(shí)，對(duì)該3D 圖像的成像過(guò)程進(jìn)行深度數(shù)據(jù)挖掘，經(jīng)過(guò)離散化處理之后，分析該3D 圖像質(zhì)量變差前后的灰度變化，并根據(jù)分析好的灰度變化關(guān)系原始3D 圖像進(jìn)行數(shù)據(jù)估計(jì)和計(jì)算，實(shí)現(xiàn)對(duì)該3D 圖像的無(wú)損修復(fù)。

表1：3D 圖像修復(fù)前后圖像的平均灰度變化

表2：3D 圖像修復(fù)前后圖像的全變分波動(dòng)

表3：兩種3D 圖像無(wú)損修復(fù)方法的均值誤差對(duì)比

1.2 實(shí)現(xiàn)3D圖像無(wú)損修復(fù)

即使是采用數(shù)據(jù)挖掘中的最佳方法，對(duì)該3D 圖像進(jìn)行無(wú)損修復(fù)，也會(huì)因?yàn)楝F(xiàn)實(shí)中周?chē)喾N因素的參與，導(dǎo)致3D 圖像修復(fù)過(guò)程中出現(xiàn)輕微的失真現(xiàn)象。為了保證把影響失真的其他因素的影響降低到最小，對(duì)該3D 圖像的灰度特征值的變化進(jìn)行更加細(xì)致的數(shù)據(jù)挖掘，實(shí)現(xiàn)對(duì)該3D 原始圖像的無(wú)損修復(fù)[4]。以表示基于數(shù)據(jù)挖掘?qū)υ撛?D 圖像的估計(jì)形式，對(duì)該3D 圖像進(jìn)行了深度數(shù)據(jù)挖掘之后，根據(jù)得到的灰度數(shù)據(jù)顯示，該3D 圖像灰度特征值變化的概率帶入計(jì)算后求得3D 圖像數(shù)據(jù)估計(jì)值。并且分析該3D 圖像的隨機(jī)特性和灰度關(guān)聯(lián)關(guān)系，之后數(shù)據(jù)挖掘分析系統(tǒng)導(dǎo)出該3D 圖像的概率公式：

式中，η 為系統(tǒng)常數(shù)，根據(jù)上述式（1）選擇該3D 圖像的像素集集合的形式，估計(jì)相應(yīng)的灰度參數(shù)。

設(shè)五種不同3D 圖像像素分布情況下的五個(gè)參數(shù)分別為γ1～ γ5，參數(shù)估計(jì)可以為：

該3D 圖像像素的函數(shù)中所有像素灰度特征值的指示函數(shù)為：

則該3D 圖像像素的指示函數(shù)，可以簡(jiǎn)化為：

把該3D 圖像像素的灰度特征值的變化作為參考，首先分別對(duì)該3D 圖像邊緣和平滑區(qū)域進(jìn)行對(duì)應(yīng)處理和無(wú)損修復(fù)，減小該3D圖像區(qū)域變化帶來(lái)的小部分信息缺失。將該3D 圖像的像素分成一個(gè)個(gè)像素集的子集，分析每一個(gè)子集的像素灰度特征值的變化，把其中任意一個(gè)像素子集的灰度值在整個(gè)圖像所占的比例對(duì)照依據(jù)，進(jìn)行該3D 圖像無(wú)損修復(fù)，式（5）也可以為：

基于數(shù)據(jù)挖掘技術(shù)，根據(jù)該3D 圖像失真前后變化之間的聯(lián)系，進(jìn)一步在該3D 原始圖像和變化后的圖像的灰度變化之間建立函數(shù)關(guān)系，對(duì)該3D 原始圖像進(jìn)行數(shù)據(jù)估計(jì)和計(jì)算，并對(duì)該3D 圖像進(jìn)行像素分塊和參數(shù)估計(jì)，最終完成對(duì)該3D 圖像的無(wú)損修復(fù)。

2 實(shí)驗(yàn)研究

2.1 實(shí)驗(yàn)準(zhǔn)備

設(shè)置實(shí)際實(shí)驗(yàn)對(duì)上述方法設(shè)計(jì)進(jìn)行驗(yàn)證，從該3D 圖像用本文基于數(shù)據(jù)挖掘方法進(jìn)行無(wú)損修復(fù)前后的平均灰度和全變分變化情況，以及該3D 圖像的修復(fù)效果證明該方法的實(shí)用性。本次實(shí)驗(yàn)選用700×700 的8 位灰度3D 圖像作為實(shí)驗(yàn)對(duì)象，進(jìn)行實(shí)驗(yàn)的環(huán)境要求采用兼容性比較高的Windows7 電腦操作系統(tǒng)，程序語(yǔ)言為VC6.0C++，CPU 主頻為3Hz。

并且要求的運(yùn)行內(nèi)存為較大的8GB，降低實(shí)驗(yàn)過(guò)程中其他無(wú)關(guān)因素的干擾作用。

2.2 結(jié)果分析

為了使研究結(jié)果更加明顯，選取一幅受損比較嚴(yán)重的3D 圖像，采用本文的3D 圖像無(wú)損修復(fù)方法對(duì)其進(jìn)行修復(fù)，并且該3D 圖像分割成10 個(gè)等距區(qū)域，最后該3D 圖像進(jìn)行無(wú)損修復(fù)前后的平均灰度變化和全變分波動(dòng)情況如表1 和表2 所示。

由表1 可以看出，同一3D 圖像上，各個(gè)區(qū)域的平均灰度值相差不大，而采用了本文提出的基于數(shù)據(jù)挖掘的3D 圖像無(wú)損修復(fù)方法進(jìn)行修復(fù)后，該3D 圖像的平均灰度值發(fā)生了明顯的上升變化，說(shuō)明該方法能夠提高3D 圖像的平均灰度。

由表2 可以看出，同一3D 圖像上，各個(gè)區(qū)域的全變分波動(dòng)無(wú)明顯差別，在進(jìn)行本文提出的基于數(shù)據(jù)挖掘的3D 圖像無(wú)損修復(fù)方法進(jìn)行圖像修復(fù)后，該3D 圖像的全變分波動(dòng)近似于倍速上升，說(shuō)明該方法能夠提升3D 圖像的全變分波動(dòng)。

為了證明本文提出的基于數(shù)據(jù)挖掘的3D 圖像無(wú)損修復(fù)效果更加明顯，分別采用傳統(tǒng)的小波分析法和本文方法對(duì)同一張3D 圖像進(jìn)行修復(fù)，均值誤差如表3 所示。

根據(jù)表3 可以看出，本文提出的方法的均值誤差比傳統(tǒng)的小波分析法小1000 左右，所以證明本文提出的方法在進(jìn)行3D 圖像無(wú)損修復(fù)時(shí)，產(chǎn)生的誤差更小，能夠更加有效地進(jìn)行3D 圖像無(wú)損。

3 結(jié)束語(yǔ)

為減小進(jìn)行3D 圖像無(wú)損修復(fù)時(shí)的耗時(shí)，以及提高工作效率，本文提出基于數(shù)據(jù)挖掘的3D 圖像無(wú)損修復(fù)方法，通過(guò)設(shè)計(jì)修復(fù)方法，以及設(shè)計(jì)實(shí)驗(yàn)，證明了本文提出的方法優(yōu)于傳統(tǒng)的3D 圖像處理方法，減小工作時(shí)長(zhǎng)的同時(shí)還能減小誤差，增大圖像的清晰度。本文的研究為之后的各種圖像修復(fù)提供了理論支持，促進(jìn)了該工作更加高效地進(jìn)行。