广泛的实验分析的图像图像处理设备统计措施

Aqsa RashidM^1*穆罕默德Khurrum Rahim²
¹计算机科学和信息技术部门,Islamia巴哈瓦尔布尔大学Rahim纱线汗,巴基斯坦
²部门电气工程国立大学计算机和新兴科学,伊斯兰堡,巴基斯坦,aqsarashid2@gmail.com

通讯作者:Aqsa拉希德计算机科学和信息技术部门,Islamia巴哈瓦尔布尔大学Rahim纱线汗,巴基斯坦

相关文章Pubmed,谷歌学者

访问更多的相关文章全球研究计算机科学杂志》上

文摘

焦本文的意图是强调设备的基本图像静态图像恢复,de-blurring、去噪、增强、边缘检测、边缘锐化,找到优势地位和更多的根级别电器图像处理和计算机视觉。评价和研究修复,de-blurring和去噪,一些噪音模具的评估进行了讨论,然后统计的结果,添加了一些不同类型的噪声的图像,然后进行过滤的过程监督的效果。审查的增强一些de-enhanced或低对比度图像。我一些图像质量的措施。e、均方误差、峰值信噪比讨论和实验结果得出的结论是这些设备的图像处理的比较研究。本文提供的详细研究选择电器图像处理和计算机视觉实验,评估性能,比较文学研究的结果,并给出趋势为新的和更好的织机能做些什么。

关键字

数字图像、修复、去噪、增强、边缘检测、高斯,γ,指数,盐和胡椒,制服,最小值,最大值,意思是,中点、中位数、标准差、方差、协方差

介绍

研究收集、系统化、仔细观察,推断出数字信息从数据被称为统计数据。最小,最大,意思是,模式,中点,值,方差,标准差,协方差、直方图等是重要的图像统计各根级别使用图像处理和计算机视觉领域像图像增强1- - - - - -3,图像恢复2,3],形象de-blurring [2)、图像去噪(2)、边缘检测等。

数字图像中噪声产生的主要原因在图像采集和/或传播。成像检测的独奏会是影响混杂的原因,如在图像获得环境,或卓越的传感元素本身。的场合,获得电荷耦合器件(CCD)相机拍摄的图像,光梯队和试探温度是影响的主要原因,在合成图像噪声。图像在传输过程中退化主要是由于信道用于传输的入侵。例如,一个图像广播使用无线网络可能是退化由于闪电或其他大气紊乱。

图像增强的主要目的恢复方法恢复图像中一些预定义的意义。虽然躺在附近,图像增强主要是一个主观的过程,而大部分图像恢复是一个客观的过程。恢复努力复原图像已经被使用前一个熟人退化的发生。的区别,增强方法主要是启发式方法旨在操纵图像为了利用人类视觉系统的生理方面。例如,对比拉伸测量作为一种增强方法,因为它是主要基于取悦特性可能给观众,而消除图像模糊通过应用de-blurring函数测量作为恢复方法。

剩下的纸是安排第二部分包括重要图像噪声模具用于实验,第三部分包括基本形象的定义和解释统计数据,第四部分包括实验结果和讨论,第五部分给出结论和引用都包含在本文的最后部分。

典型的图像噪声模型(2- - - - - -7]

本节讨论一些噪声模型添加到图像分析和比较不同的基于图像恢复过滤器静力学的影响。噪声模型给出了概率密度函数(PDF),考虑噪声的均值和方差。

高斯噪声

高斯噪声也命名为放大器噪声、正常的噪声脉冲噪声和随机变异。在数字图像高斯噪声的主要原因在某个阶段发生在收购。它在本质上是加性噪声。噪声概率密度函数(PDF)高斯噪声的定义是:

(2.1)

Z =灰度级,

=μ=意味着Z和σ=标准差

一块这个函数如图1所示。

图1的情节和方程(2.1)表明,70%,z的值将在[(

-σ)(

+σ)),它将[(95%

2σ)(

+ 2σ)]。

γ噪音

这个噪音也命名为Erlang噪音。这种噪声的概率密度函数(PDF)被定义为

(2.2)

> 0,b是一个正整数。均值和方差被定义为μ=意味着= b / a和σ²= b / a和σ²= b /²

一块这个函数如图2所示。

指数噪声

指数噪声的概率密度函数被定义为

(2.3)

> 0,均值和方差PDFμ= 1 /和σ²= 1 /²分别。

一块这个函数如图3所示。这是一个特殊的Erlang概率密度函数,与b = 1。

统一的

指数噪声的概率密度函数被定义为

(2.4)

均值和方差的PDFμ= a + b / 2和σ²= (b)²/ 10分别。一块这个函数(图4)所示。

椒盐噪声

盐和胡椒噪声也被称为尖峰,随机或独立的噪声。黑色和白色圆点,黑白像素,出现在图像的噪声。这个函数的PDF格式的定义是:

(2.5)

如果b > a, b强度图像中会出现黑点,否则它将是黑色的。如果P_一个或P_b零,那么盐和胡椒噪声将被称为单极。一块这个函数如图5所示。

图像统计措施过滤器(8]

如果国际扶轮是恢复图像,CI是破坏形象,W是滑动窗口,NxM滑动窗口的大小,是国际扶轮的坐标(x, y)代表形象,(I, j)滑动窗口的坐标然后基本图像统计措施可以定义和解释如下:

最小值(8]

分钟是最黑暗的点或像素值的图像。最小值滤波器的最小值大小的滑动窗口W NxM输入损坏的CI形象将放置在中央位置的滑动窗口恢复国际扶轮的形象。在数学上定义为:

(2.6)

马克斯(8]

马克斯是图像中最亮的点或像素值。在马克斯过滤器,最大值大小的滑动窗口W NxM输入损坏的CI形象将放置在中央位置的滑动窗口恢复国际扶轮的形象。数学这一过程可以表达为:

(2.7)

中点

中点是最高和最低的平均价值的形象。虽然过滤,它计算的最大和最小值的平均值滑动窗口和把它合成的位置。它的数学定义是:

的意思是

它是最常见的和基本的统计测量。广泛系列的评价一直是城市化的原因。它包括以下几点:

算术平均值

算术平均数是所有像素值的平均。在算术平均值滤波器简单的平均值大小的滑动窗口W NxM图像的恢复图像的像素值所取代。数学这一过程可以表达为:

(2.9)

几何平均数

这是一个变动的算术平均值的变化过滤器。在数学上表示为:

(2.10)

调和平均数

这只是另一种变异的算术平均值滤波器定义为:

(2.11)

Contra-harmonic意味着

这个过滤器收益率恢复图像RI的表达式:

(2.12)

在方程(2.3),问被称为过滤器的顺序。它可以是积极的,消极的或零。

中位数(9- - - - - -12]

它是一个基于排名的过滤器。它只是替换像素的中值的值附近图片元素。它的数学形式是:

(2.13)

α修剪

假设如果d / 2最低和d / 2删除损坏的图像的像素强度值最高,然后CI_r代表其余的像素的形象。一个过滤器由CI的平均值_r就是我们所说的α修剪过滤器。在数学上定义为:

(2.14)

标准偏差(13,14]

标准偏差计算是应用最广泛的衡量的变化意味着在图像处理或期望值。低价值的标准偏差意味着的集合点非常接近均值和逆适用于这一事实数据集将远离均值。它的数学形式是:

(2.15)

方差(13,14]

方差计算多少组数据分散。它是用数学表达为:

(2.16)

协方差(13,14]

这个测量的统计评估两个随机变量的变化。这说明两个变量之间的线性关系。它被定义为:

(2.17)

在方程(2.3),μ代表平均值

实验结果和讨论

测量结果不同的滤波器的性能,一些著名的等措施均方误差(MSE),峰值信噪比(PSNR),通用图像质量指数(UIQI)和结构相似度指数措施(SSIM)计算之间的噪声图像和图像过滤。正式的数学定义,这些措施是:

二是输入图像的像素模式和参考图像RI, N×M代表输入和参考图像的维度,μ_二世输入图像的均值,μ_国际扶轮是参考图像的均值,σ_二世输入图像的标准差,σR_我是参考图像的标准差σ²_ΙΙ输入图像的方差,σ²R_我是参考图像的方差,σ_RIII是输入和参考图像之间的协方差和H_二世和H_红外本的价值分别为输入图像和参考图像的直方图。然后图像质量度量可以被定义为:

实验结果和讨论

图6显示了芭芭拉原始图像和芭芭拉图像添加不同类型噪声之后。图6 (a)是原始芭芭拉灰度图像。(b)与高斯噪声的图像。高斯噪声的均值为0,方差为1。(c)显示了芭芭拉的形象与γ噪声均值2和方差5。(d)显示了芭芭拉形象指数噪声均值和方差1。(e)显示了图像均匀噪声有代表0和方差1。(f)显示了图像椒盐噪声均值和方差0.05。

图7显示了算术平均值滤波器的结果。在图7中,(a)的算术平均值滤波图6 (b), (b)的算术平均值滤波图6 (c), (c)的算术平均值滤波图6 (d), (d)是图6的算术平均值滤波器(e)和(e)的算术平均值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图6很明显,虽然这个过滤器去除噪声,但它创建输出恢复图像模糊效果。这种模糊效应窗口大小成正比。随着滑动窗口的大小增加模糊效应也增加了。

图8显示了几何均值滤波器的结果。在图8中,(a)的几何均值滤波器是图6 (b), (b)是图6的几何均值滤波器(c), (c)是图6的几何均值滤波器(d), (d)是图6的几何均值滤波器(e)和(e)的几何均值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图8很明显,在高斯噪声的存在这个过滤器不给好的结果,在γ和指数噪声结果都比较好,高斯噪声,均匀噪声虽然有些噪音减少但不是全部,在椒盐噪声的存在,它展示了一个不同的变化而言,这个过滤器去除盐噪声和提高辣椒的噪音。

图9显示了谐波均值滤波的结果。在图9中,()是谐波均值滤波器图6 (b)、(b)图6的谐波均值滤波器(c), (c)是图6的谐波均值滤波器(d), (d)图6的谐波均值滤波器(e)和(e)的谐波均值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图9在高斯噪声的存在很明显,这个过滤器不给好的结果,在γ和指数噪声结果都比较好,高斯噪声,均匀噪声虽然有些噪音减少但不是全部,在椒盐噪声的存在,它展示了一个不同的变化而言,这个过滤器去除盐噪声和提高辣椒的噪音。

图10显示了Contra-harmonic意味着滤波器当Q =负的结果。在图10中,()是contra-harmonic均值滤波图6 (b)、(b)是图6的contra-harmonic均值滤波(c), (c)是图6的contra-harmonic均值滤波(d), (d)是图6的contra-harmonic均值滤波(e)和(e)的contra-harmonic均值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图10在高斯噪声的存在很明显,这个过滤器不给好的结果,在γ和指数噪声结果都比较好,高斯噪声,为统一的声音虽然有些噪音减少但不是全部,在椒盐噪声的存在,它展示了一个不同的变化而言,这个过滤器去除盐噪声和提高辣椒的噪音。

图11显示了Contra-harmonic均值滤波的结果,当Q = + ve。在图11中,()是contra-harmonic均值滤波图6 (b)、(b)是图6的contra-harmonic均值滤波(c), (c)是图6的contra-harmonic均值滤波(d), (d)是图6的contra-harmonic均值滤波(e)和(e)的contra-harmonic均值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图10在高斯噪声的存在很明显,这个过滤器不给好的结果,在γ,指数和均匀噪声结果很穷,因为它增加了白噪声和椒盐噪声的存在,它展示了一个不同的变化而言,这个过滤器去除椒盐噪声,增加盐噪声。

图12显示了中值滤波的结果。在图12中,图6 (a)的中值滤波器(b)、(b)的中值滤波图6 (c), (c)的中值滤波图6 (d), (d)是图6的中值滤波器(e)和(e)的中值滤波图6 (f)。这个过滤器滑动窗口的大小是3×3。从图12很明显,在高斯噪声的存在这个过滤器不给好的结果,在γ和指数噪声它显示了良好的效果,为均匀噪声结果很好,盐和胡椒它消除了噪音。

图13显示了马克斯过滤的结果。在图13中,图6 (a)是马克斯过滤器(b), (b)是图6的马克斯过滤器(c), (c)是图6的马克斯过滤器(d), (d)是图6的马克斯过滤器(e)和(e)的最大过滤图6 (f)。这个过滤器滑动窗口的大小是3×3。图13显示了在高斯噪声的存在结果并不好,对伽马、指数和统一的结果是非常贫穷的,因为白色像素和椒盐噪声的结果显示了胡椒噪音和增加盐的去除噪声。

图14显示了最小值滤波器的结果。在图14中,图6 (a)的最小值滤波器(b)、(b)是图6的最小值滤波器(c), (c)是图6的最小值滤波器(d), (d)是图6的最小值滤波器(e)和(e)的最小值滤波器图6 (f)。这个过滤器滑动窗口的大小是3×3。图14显示了在高斯噪声的存在结果并不好,对伽马、指数和均匀的结果很好,盐和胡椒噪声结果表明盐的去除噪声和椒盐噪声的增加。

图15显示了中点滤波器的结果。在图15中,图6 (a)的中点过滤器(b)、(b)是中点图6的过滤器(c), (c)是中点图6的过滤器(d), (d)是中点图6的过滤器(e)和(e)是中点图6 (f)的过滤器。这个过滤器滑动窗口的大小是3×3。图15显示了,结果非常可怜的在所有的情况下。

图16显示了Alpha-trimmed滤波器的结果。在图16中,图6 (a)是alpha-trimmed过滤器(b)、(b)是图6的alphatrimmed过滤器(c), (c)是图6的alpha-trimmed过滤器(d), (d)是图6的alpha-trimmed过滤器(e)和(e)是图6的alpha-trimmed过滤器(f)。这个过滤器滑动窗口的大小是3×3。图16显示,结果是非常贫穷的在所有的情况下。原因在于,这个过滤器适用的多种类型的噪声。

图17显示了标准偏差的影响,协方差和方差。图17 (a)是原始莉娜形象;(b)是莉娜图像在应用标准偏差滤波和边缘检测;(c)是莉娜协方差滤波后图像锐化边缘和(d)是莉娜图像方差滤波器后,它显示了优势地位。

结论

本文提供了详细研究和实验的审查常见图像噪声模具,重要图像统计措施,使用的图像在图像处理和计算机视觉应用统计措施并展示所有过滤实验的影响。的结论是基于实验结果进行近50标准图像。图像统计图像恢复的措施是非常重要的,形象去噪de-blurring图像,图像增强,找到边缘位置,边缘锐化、边缘检测等。实验结果表明:均值滤波减少许多类型的噪音,但它最优秀的图像恢复的高斯,制服或Erlang图像中的噪声和它创造了模糊效果,窗口大小成正比。几何均值滤波器适用于高斯噪声。恢复过程谐波均值滤波适用于高斯噪声和盐的存在。反低均值滤波对盐或胡椒噪声是最好的。中值滤波效果最好的椒盐噪声。最小值滤波器适用于盐椒噪声噪音和马克斯滤波器给出了很好的结果。标准偏差、有限公司方差和方差是非常重要和有用的边缘检测、边缘锐化和边缘位置。图像恢复、增强、去噪和de-blurring基本和预处理步骤在几乎所有的图像处理和计算机视觉的应用程序。所有这些分析是一个非常支持和有用的指南所有那些想要工作在数字图像处理和计算机视觉领域。这个实验还将提供审查指南的研究员项目新的更好的方法在这一领域。