图像复原研究论文

张玉君史鉴文

（地矿部航空物探总队研究所）

摘要 本文报导了关于深海洋底多金属结核照片的图像复原和图像处理方法技术研究结果。海底照片存在的主要问题是：光照分布不均匀、有时聚焦欠佳、常有铁丝影像、有时有泥浆局部干扰等。本文剖析了光照分布的数学模型，推导了倾斜相机系统和水平相机系统条件下的光照分布及感光光强分布公式。本工作利用图像处理系统研究成功了一套适用于海底照片的图像复原和图像处理技术，给出了详细流程图。做为实例本文附有六幅图片，说明所研究的方法在去除光照不均匀、铁丝干扰、提高反差、增强分辨率、自动分类、科学统计覆盖率等的显著效果，以及通过局部放大研究结核的结构和形态方面的可能性。本文所报导的方法是改善和研究珍贵海底照片的重要工具。

一、前言

地球各大洋海底广泛赋存有锰结核、铁锰结核、多金属结核等丰富宝藏；为了探明其分布和储量，各国在公海正在开展着深海多金属结核的勘探工作，这是一项具有深远意义的造福后代的工作。这种勘探工作所用手段之一是海底照相，根据海底相片估算多金属结核的覆盖率和储量，并对结核的形态进行研究。

深海多金属结核照相由于拍摄环境及装置存在着一系列问题，因此提出图像复原和处理的要求。

在深海洋底照相需要外加光源，数千米深的海水将阳光几乎全部吸收掉了，外加光源与相机的位置相对固定，他们之间的距离大约为20～30cm。相机系统由缆绳绞车控制下降至海洋底，根据重锤触底信号再将相机升起一个高度（～3m），即拍照；这一距离根据海况变化一次下水调整一次。海况是指：海风、洋流、底质等情况。由于洋流的存在，相机系统可能倾斜，拍摄高度随之也有所变化。所获海底多金属结核照片存在一系列影响分辨和研究的问题，主要有：

（1）光照分布不均匀，其中心与照片中心偏离，甚至由于相机倾斜，造成光照分布失去对称规律；

（2）有时聚焦欠佳；

（3）常常出现有铁丝干扰影像；

（4）有时有因重锤搅混海底沉积物而局部模糊。

利用数字图像技术处理深海多金属结核照片的目的在于：

（1）通过图像处理改善照片的质量，主要是图像复原；

（2）通过分类技术分辨裸露核、浅埋及深埋核，并对各类面积进行精确计算，从而得到覆盖率的科学数据；

（3）结核形态研究。

为了达到以上目的首先要对海底照片进行数字化，形成图像数据文件，即可利用数字图像处理系统进行处理。

数字图像处理技术随着计算机技术、遥感科学的发展而在近20年得到极为迅速的发展、成熟与应用。正如图像增强一样，图像复原技术的主要目的，在某种意义上说，是要改善给定的图像。复原是一个过程，这一过程试图利用退化现象的某种先验知识，把已经退化了的图像加以重建或恢复。因此，复原技术是把退化模型化，并运用相反的过程以便恢复原来的图像。

Cannon博士（1983，“Applied Optics”）研究了一种图像复原技术，或称图案去除技术，适用于：规则图形（如纺织品）上手纹处理、散焦图像改善、卫片上探测器与探测间噪声消除、曝光过程中的平移模糊的清晰化等。Srinivasan（1986，“Digital Design”）也阐述了此方法。此技术可分解为明确的三个步骤：

（1）对图像中的“模糊”或“图案”问题进行估计，即分析退化问题的实质；

（2）生成一个近似模型或频率域滤波器，以便准备进行复原或图案去除；

（3）利用威纳（Wiener）滤波器或富里叶（Fouriel）滤波器对图像进行改善。

海底结核图像所存在的具体退化问题有自己的独特性，但Cannon所提出的方法原则仍有重要参考价值。

二、深海多金属结核图像退化问题的剖析

1.光照计算

前言所述噪声中，影响最大的是光照不均匀问题，现将此问题进行数学分析。

已知：光源可认为是点光源；海底假定为一平面，所拍照片对应于abcd四边形；相机底片中心f与光源中心f´之间距离为l，由于相机与光源为硬固定，因此光源永远位于底片平面长对称轴的延长线上；底片中心与abcd四边形的对角线交点o的距离为h；相机倾斜角为α；光源源强为Q，见图1。

求解：写出abcd四边形中任意一点的光照强度函数F=f（Q,h,a,l,x，у）。

解：通过o点作x、y座标轴，任意点g，其座标为x,y，与光源间距离为R。如写出R公式，即求出F方程的表达式。

做h´∥于h，由g点向h´做垂线gK。

张玉君地质勘查新方法研究论文集

光照强度表达示为：当底片平面平行于海底平面时，图1简化为图2，式（4）简化为（5）式。

张玉君地质勘查新方法研究论文集

从图2可见：

图1相机系统倾斜条件下的光照强度计算示意图

图2相机系统水平条件下的光照强度计算示意图

张玉君地质勘查新方法研究论文集

若（5）式中y=0，

则：

张玉君地质勘查新方法研究论文集

（6）式为x轴上各点的光照强度，显然这是一个以о´点为中心的对称曲线，示意于图3。

图3沿x轴光照强度分布曲线

而在abcd平面上光照分布则为一个曲面，它由上图中之曲线，以mo ′为轴旋转而成。

对于式（4），即对于相机系统发生倾斜时，此曲线及曲面显然将变得复杂化，并将失去轴对称性。

2.感光光强计算

在拍照时还要考虑到底片各点感光光强同样与距离有关。

令L为感光光强函数，用与前述类似方法可求出对应于倾斜和水平两种状态L的表达式。

对于倾斜相机系统：

张玉君地质勘查新方法研究论文集

对于水平相机系统，显然公式可较简单：

张玉君地质勘查新方法研究论文集

图像复原的实质是试图用理论的或试验的方法建立起深海结核图像的感光光强分布本底图像，从原图中扣除，便可去除光照不均匀所造成的失真，达到图面基本改善。

从（8）式可知，实际上α角是最大的难点。试图利用底片或照片本身，逆演求解α角也将是十分困难的。故本研究用试验方法建立光强分布本底图像，较好地实现了复原。

三、深海多金属结核图像复原和处理方法流程

经研究，建立了图4所示之方法流程：

图4深海多金属结核图像复原和处理方法流程

流程图由20个步骤组成，其2—8属图像复原，9—20属图像处理，1为准备工作。

数字化使用I2S公司所产C4500扫描仪，将135底片上的短边方向扫成512行，长边方向对中舍去两边。若扫描所获图像不足512行，则进行适当拼接，这是为了减少快速富氏变换时的边界效应。

挖补是为了解决铁丝干扰，否则不仅图面不完整，而且在频率域处理时，干扰范围还会扩大。

在频率域适当选取低通滤波参数，用指数滤波可以获得近似的光强本底分布图像，并适当选取比例因子从原图中扣除，即可得到基础图像。

利用基础图像通过聚类分析，并提取其中对应于裸露核，浅埋核及深埋核三个类别。叠加后，进行邻域滤波，去除零星干扰，便可进行分类统计了。

对于泥浆搅动干扰区，必要时可在统计前挖去，减少这种干扰所带来的误差。

四、图像复原和处理效果

为了开展此项研究，由广州海洋地质调查局提供了三张海底照相底片，其质量分别属于优、中、差三级。通过实验，均获得了成功的结果。现以中等一级的图像复原和处理结果为例，展示方法的效果。

图片1为原始图像，它的主要问题是：反差小，光强不均匀，存在铁丝干扰，行数不足512。

图片2为经过拼接，挖补和增强的图像，图中反差有所改善，消除了铁丝干扰，补足了行数，但光强不均匀问题仍然存在。

图片3为复原后的图像，成功地克服了光强不均匀问题，为计算机自动分类提供了前提。

图片4为分类处理后所提取裸露核（深灰），浅埋核（白色）和深埋核（浅灰）的合成图像。

图片5为对比图像。左上角为三类核的合成图像，右上角为裸露核图像，左下角为浅埋核图像，右下角为深埋核图像。

通过统计和计算，得到各类结核的象元数、全图总象元素及各类结核的覆盖率。见下表：

张玉君地质勘查新方法研究论文集

此外对优质底片，经过上述处理后，还做了局部放大，经四倍放大后的图像（图片6）对于结核形态研究很有用，从图片6可以清晰地看到环形，盘形、菜花形多金属结核的形态和结构。

图片1

图片2

图片3

图片4

图片5

图片6

五、几点结论

本工作所研究的深海多金属结构图像复原方法可以成功地去除光强不均匀造成的干扰，并可消除铁丝影像干扰，增强清晰度，提高反差，效果显著。

经复原后的图像，具备了计算机自动分类处理的条件，经聚类分析成功地提取了裸露核、浅埋核和深埋核信息，并精确地统计了各自的象元数，求出了各类核的覆盖率。

通过局部放大，有可能进一步研究多金属结核的结构以及形态。

本文所研究成功的方法，无疑对于探明数千米以下深海海底蕴藏的丰富矿产资源有着重要意义，希望能投入半生产性批量处理应用。这种方法当然也可以用于其他方面。

本工作得到广州海洋地质调查局王光宇同志、陈邦彦同志、张国祯同志的支持，本所朱月娥同志多次一起商讨，杨星虹同志拍摄了图片，一并向他们致谢。

参考文献

[1]Cannon M.,Lehar A., Preston F.: Background pattern removal by power spectral filtering, Applied Optics, .

[2]SrinivasanR.:Software image restoration techinques,Digital Design,.

A STUDY OF IMAGE RECONSTRUCTION AND IMAGE PROCESSING TECHNIQUES FOR PHOTOS OF DEEP-SEA POLYMETALLIC NODULES

Zhang Yu jun,Shi Jian wen

（Institute of Aerogeophysical Survsy,Ministry of Geologyand Mineral Resources）

AbstractThis paper reports the results of research on image reconstruction and image processing techniques for photos of polymetallic nodules from the bottom of deep major troubles with submarine photos include uneven distribution of illuminance, unsatisfactory focusing,frequent existence of iron wire image, local mud interference present paper analyses the mathematic model for distribution of illuminance and derives, the formulae for illuminance distribution and light sensitivity distribution under the conditions of inclining camera system and horizontal camera image processing system,we have successfully developed a suite of image reconstruction and image processing techniques suitable for submarine photos and drawn a datailed flow examples,four pictures are attached to this paper, which illustrate the obvious effects of our method in such aspects as eliminating uneven illuminance and iron wire interference,raising contrast and resolution power, automatic classification and scientific statistical analysis of coverage, and indicate the possibility of examining textures and shapes of the nodules by means of partial method described in this paper serves as an important tool for improving and studying precious submarine photos.

原载《物探与化探》，1989,。

随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!

图像识别技术研究综述

摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。

关键词：图像处理;图像识别;成像

中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02

图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。

1 图像处理技术

图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。

1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。

2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。

3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。

4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。

5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。

2 图像识别技术

图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：

指纹识别

指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。

人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。

文字识别

文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。

3 结束语

人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。

参考文献：

[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.

[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.

[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.

[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.

[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.

[6] Sanderson C，Paliwal K Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.

点击下页还有更多>>>图像识别技术论文