发明名称 使用模糊分割之高污染影像分析法
摘要 本发明系利用了模糊自动机(fuzzy automata)的原理,从布满高斯及脉冲混合杂讯的影像中,仍能取得其原影像特征值,并以模糊集合来表示,而模糊集合的归属度函数便可以用来进行杂讯滤除、影像多值化分割(multi-level Thresholding and segmentation)、影像边缘撷取(edgedetection)等功能,且经过杂讯滤除及多值化处理后的影像,则可以作为第二阶段的杂点滤除参考,在经过二个阶段的滤除杂讯处理之后,能够让受到50%以上高斯及脉冲混合杂讯污染的影像,进一步将SNR及PSNR值提升约10db。此演算法的核心部分,由于计算与空间复杂度很低,可使用自行设计的数位16位元浮点数及多管线式的运算单元来实现,即可以让影像得到24-bit truecolor的效果,并可使演算法方面突破了高杂讯的影像成功进行Thresholding以及影像分割之瓶颈。
申请公布号 TWI273514 申请公布日期 2007.02.11
申请号 TW094117326 申请日期 2005.05.26
申请人 崑山科技大学 发明人 陈朝烈;庄启杰;杨钧承
分类号 G06T7/00(2006.01) 主分类号 G06T7/00(2006.01)
代理机构 代理人 许崑钟 台南县永康市中华路12号4楼之2
主权项 1.一种使用模糊分割之高污染影像分析法,其包含 有二阶段式滤波器,其中: 第一阶段的影像滤波器对受污染的影像进行统计 产生histogram,使用杂讯影像的直方图(histogram)自动 产生隶属度函数(Membership Functions)的LR参数左分布( Left spread)、均値(mean)m、以及右分布(Right spread) ,用以代表其LR模糊集合(,m,)LR,然后利用自 动取得的模糊集合以及隶属度函数根据模糊理论 进行杂讯之滤除并产生第一阶段的临界影像( Thresholded Image); 第二阶段的影像滤波器中,系将第一阶段所得影像 再取样做水平扫描,转成复杂度较低的影像,此阶 段会对前一部分所产生的临界影像做取样的动作, 将取样的中心点与其周边的数値一一做比较,判断 是否为第一阶段未滤除杂点,并使用此取样视窗中 非杂点的部份做为填补中心点的依据。 2.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中在第一阶段的影像滤波器中 其处理步骤如下: (一)将影像代入矩阵中并计算出该矩阵的直方图; (二)将直方图分成数个段落,并对每个段落取平均 値; (三)每个段落平均値的差异如果由负値变为正値 就预设为谷点; (四)在两个相邻预设谷点中间求直方图最大値,该 最大値处的灰阶作为峰点(peak),再以两个相邻峰点 之间求直方图最小値,该最小値处的灰阶来作为最 后正确谷点; (五)将直方图最低以及最高灰阶处作为两个谷点, 使用一个正确峰点及邻近两个谷点形成一个模糊 分割,峰点即为LR模糊集合(,m,)LR的均値参数m, 峰点到左邻近谷点的距离为左分布参数,峰点到 右邻近谷点的距离为右分布参数; (六)以取样视窗代入每段模糊分割(,m,)LR的隶 属度函数可得取样视窗中每个像素点对于该分割 的加权値以及该取样视窗对于该分割的加权平均 値; (七)对于任一取样视窗,计算最大可能估计値与每 段模糊分割的加权平均値,与最大可能估计値差异 最小的加权平均値作为输出; 如此可得到第一阶段滤除杂点后之影像。 3.如申请专利范围第2项所述之使用模糊分割之高 污染影像分析法,其中在第一阶段的影像滤波器中 第一步骤我们只取出直方图在最大灰阶値-5与最 小灰阶値+5之间的部份,如此可将影像中大多的突 波杂讯Impulse Noise滤除。 4.如申请专利范围第2项所述之使用模糊分割之高 污染影像分析法,将第一阶段滤除杂点后之影像中 的灰阶値进行更新以产生临界影像(thresholded image) ,其做法为第一阶段滤除杂点后之影像中落入两邻 近谷点之间(含较小的谷点)的所有灰阶値以其相 对峰点的灰阶値取代,完成之后即为第一阶段临界 影像。 5.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中参数、m、代入模糊数 得k组隶属度函数値,可自己计算出取样视窗中之 最大可能估计値,由取样视窗値乘上最大可能估计 値得加权値,由加权値除以隶属度函数即为加权平 均値。 6.如申请专利范围第2项所述之使用模糊分割之高 污染影像分析法,其中加权平均値与最大可能估计 値的差异値为最小时则选择输出至一矩阵中,并反 覆此过程直至影像处理完毕,以完成第一阶段的影 像滤波器进行杂讯之滤除。 7.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中在第二阶段的影像滤波器中 其处理步骤如下: (1)将经过第一阶段影像滤波器处理的临界影像后 放置到一个NN的TH(I, J)矩阵内; (2)对TH(I, J)矩阵使用nn的取样视窗xd(I+i, J+j)做水 平扫描; (3)设定杂点判定门槛値Kt将取样视窗的中心点分 别与周围的各点做比较; (4)若少于Kt个点与中心点具有相同灰阶値,则该中 心点判定为杂点; (5)取出取样视窗中扣除中心点以外非杂点的数値; 并做中间値运算; (6)将判定为杂点的中心点代换为中间値运算后的 値,每个取样视窗都完成上述步骤之后即得到第二 阶段影像杂讯滤波影像; 如此在经过二个阶段的滤除杂讯处理之后可以大 幅增加影像的SNR以及PSNR値,使影像杂讯滤波器可 以让影像更为清晰。 8.如申请专利范围第6项或第7项所述之使用模糊分 割之高污染影像分析法,其中在第二阶段的影像滤 波器中之第四步骤,可设杂点判断门槛値为Kt,杂点 判断値为K,将取样视窗的中心点分别与周围各点 比较,当数値相同杂点判断値K累加,当数値不相同 杂点判断値K不变,当K<Kt时,判定中心点为杂点,当K ≧Kt时,判定中心点不为杂点。 9.如申请专利范围第6项或第7项所述之使用模糊分 割之高污染影像分析法,其所产生之第二阶段影像 杂讯滤波影像,再进行第一阶段滤除杂点后之影像 中的灰阶値进行更新以产生临界影像(thresholded image),其做法为第一阶段滤除杂点后之影像中落入 两邻近谷点之间(含较小的谷点)的所有灰阶値以 其相对峰点的灰阶値取代,可以得到最后的临界影 像。 10.如申请专利范围第7项所述之使用模糊分割之高 污染影像分析法,其中最后的临界影像,将此最后 的临界影像进行取样,取样视窗中的中心点若与左 、左上,上,右上四个邻近点比较,若有任一点不同, 则设为最大灰阶値,否则设为0,所有取样视窗完成 之后可以得到边缘侦测影像(Edge Detected Image),其边 缘纹路为白色。 11.如申请专利范围第7项所述之使用模糊分割之高 污染影像分析法,其中的边缘侦测影像取得方法, 取样视窗中的中心点若与左、左上,上,右上四个 邻近点比较,若有任一点不同,则设为0,否则设为最 大灰阶値,所有取样视窗完成之后可以得到黑色边 缘之边缘侦测影像(Edge Detected Image),其边缘纹路为 黑色。 12.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中所采用水平扫描方式可为左 上至右下、右上至左下、左下至右上及右下至左 上。 13.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中所采用水平扫描方式亦可由 垂直的方式取代。 14.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中影像滤波器中之取样视窗除 了以33外,亦可依影像杂讯影像的杂讯污染程度而 对取样视窗做放大的动作,如:55、77、57、75的 取样视窗,可将其较大的杂讯移除,能让处理后的 影像更接近原影像。 15.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,将直方图分段的参考値的给定 为根据熟知的奈奎斯(Nyquist Rate)取样定理订定公 式以获得取样段数cn。 16.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,其中第一阶段的多値分割之后影 像TH,亦可由为其他多値分割的演算法所产生之影 像替代,用以作为第二阶段处理方法的输入。 17.如申请专利范围第1项所述之使用模糊分割之高 污染影像分析法,将第二阶段的处理可以实施多次 ,是为Phase III,其PSNR以及SNR将不会大幅改变。 图式简单说明: 第一图影像取样视窗水平式扫描移动图。 第二图使用模糊推论进行影像处理的示意图。 第三图本发明第一阶段的影像滤波器处理流程图 。 第四图本发明第二阶段的影像滤波器处理流程图 。 第五图本发明两阶段式影像处理示意图。 第六图(a)Baboon原影像 (b)Baboon掺杂70%高度150的脉冲杂讯后影像。 (c)Baboon MEDIAN Filters滤除杂讯后的影像。 (d)Baboon WFM Filter滤除杂讯后的影像。 (e)Baboon AMFG Filter第一阶段滤除杂讯后的影像。 (f)Baboon AMFG Filter第二阶段滤除杂讯后的影像。 第七图(a)Baboon WFM Filter多値化后的影像。 (b)Baboon AMFG Filter第一阶段多値化后的影像。 (c)Baboon AMFG Filter第二阶段多値化。 (d)Baboon WFM Filter边缘抓取后的影像。 (e)Baboon AMFG Filter第一阶段边缘抓取后的影像。 (f)Baboon AMFG Filter第二阶段边缘抓取后的影像。 第八图(a)Lenna原影像 (b)Lenna掺杂70%高度150的脉冲杂讯后影像。 (c)Lenna MEDIAN Filters滤除杂讯后的影像。 (d)Lenna WFM Filter滤除杂讯后的影像。 (e)Lenna AMFG Filter第一阶段滤除杂讯后的影像。 (f)Lenna AMFG Filter第二阶段滤除杂讯后的影像。 第九图(a)Lenna WFM Filter多値化后的影像。 (b)Lenna AMFG Filter第一阶段多値化后的影像。 (c)Lenna AMFG Filter第二阶段多値化。 (d)LennaWFM Filter边缘抓取后的影像。 (e)Lenna AMFG Filter第一阶段边缘抓取后的影像。 (f)Lenna AMFG Filter第二阶段边缘抓取后的影像。 第十图(a)Peppers原影像 (b)Peppers掺杂70%高度150的脉冲杂讯后影像。 (c)Peppers MEDIAN Filters滤除杂讯后的影像。 (d)Peppers WFM Filter滤除杂讯后的影像。 (e)Peppers AMFG Filter第一阶段滤除杂讯后的影像。 (f)Peppers AMFG Filter第二阶段滤除杂讯后的影像。 第十一图(a)Peppers WFM Filter多値化后的影像。 (b)Peppers AMFG Filter第一阶段多値化后的影像。 (c)Peppers AMFG Filter第二阶段多値化。 (d)Peppers WFM Filter边缘抓取后的影像。 (e)Peppers AMFG Filter第一阶段边缘抓取后的影像。 (f)Peppers AMFG Filter第二阶段边缘抓取后的影像。 第十二图(a)Boat原影像 (b)Boat掺杂70%高度150的脉冲杂讯后影像。 (c)Boat MEDIAN Filters滤除杂讯后的影像。 (d)Boat WFM Filter滤除杂讯后的影像。 (e)Boat AMFG Filter第一阶段滤除杂讯后的影像。 (f)Boat AMFG Filter第二阶段滤除杂讯后的影像。 第十三图(a)Boat WFM Filter多値化后的影像。 (b)Boat AMFG Filter第一阶段多値化后的影像。 (c)Boat AMFG Filter第二阶段多値化。 (d)Boat WFM Filter边缘抓取后的影像。 (e)Boat AMFG Filter第一阶段边缘抓取后的影像。 (f)Boat AMFG Filter第二阶段边缘抓取后的影像。
地址 台南县永康市大湾路949号