多维彩色图像局部模糊特征自动滤波系统设计

2020-07-23汤永清张新红陈虹微王悦新

现代电子技术 2020年14期

汤永清张新红陈虹微王悦新

摘要：为解决传统自动滤波系统稳定性差、运行效果不佳的问题，设计多维彩色图像局部模糊特征自动滤波系统。通过改善自动滤波系统硬件配置，添加解扰器和复用器，实现对图像模糊区域特征的准确提取。为保障系统运行稳定，进一步优化系统软件运行流程，结合中值滤波原理进行降噪，有针对性地对采集到的图像特征进行像素数值恢复，从而实现对多维彩色图像局部模糊特征自动滤波系统的设计。最后通过实验证实，多维彩色图像局部模糊特征自动滤波系统稳定性和运行效果得到了明显提高。

关键词：自动滤波; 系统设计; 彩色图像; 局部模糊; 特征提取; 像素恢复

中图分类号： TN713?34 文献标识码： A 文章编号： 1004?373X（2020）14?0142?04

Design of automatic filtering system for local fuzzy features of

multidimensional color images

TANG Yongqing1，2， ZHANG Xinhong1， CHEN Hongwei1，2， WANG Yuexin1，2

（1. School of Physics & Mechanical Engineering， Longyan University， Longyan 364000， China;

2. Special Vehicle Industry Technology Development Base， Longyan 364000， China）

Abstract： An automatic filtering system for local fuzzy features of multidimensional color images is designed to improve the poor stability and poor operation effect of the traditional automatic filtering system. The hardware configuration of the automatic filtering system is improved， the scrambler and multiplexer are added， so that the accurate extraction of the features in the image fuzzy area can be realized. In order to ensure the stability of the system， the operational process of the system′s software is further optimized， and the noise is reduced by means of the median filtering principle. The pixel value of the collected image features is recovered pertinently to realize the design of automatic filtering system for the local fuzzy features of the multi?dimensional color images. The experimental results verify that the stability and operation effect of the automatic filtering system for the local fuzzy features of the multi?dimensional color images have been improved significantly.

Keywords： automatic filtering; system design; color image; local fuzzy; feature extraction; pixel recover

0 引言

为了更好地实现对多维彩色图像局部模糊特征的自动过滤，结合中值滤波方法对图像进行去噪，提出多维彩色图像局部模糊特征自动滤波系统优化方法。通过对中值滤波数值进行自动采集，搜索局部光轴特征，并对局部图像灰度数值进行评价，进一步计算出图像清晰度函数[1]。

根据图像清晰函数对过滤区域进行定位，并判断区域噪声数值，以便结合小波和中值滤波原理对噪声特别是较为特殊的散斑噪声影响区域进行去噪处理，有效改善图像局部模糊问题，达到对模糊区域特征有效提取和自动去噪的效果，最终实现对彩色图像局部模糊特征自动滤波系统的优化设计。

1 图像局部模糊特征自动滤波系统

1.1 自动滤波系统硬件设计

为保障多维彩色图像局部模糊特征自动滤波系统的有效运行，对系统硬件配置进行改善。多维彩色图像局部模糊特征自动滤波系统的硬件结构主要包括图像特征采集器、关键角点操控器、数据检测终端、A/D 转换器和MCU 单片机，具体框架结构如图1所示。

为了更好地实现对多维彩色图像的局部模糊特征进行有效的采集和过滤，并对采集文件进行存储和编辑，进一步对管理平台进行优化，借助图像处理技术对局部模糊图像预处理平台进行设计[2]。结合DVB原理计算模糊图像加扰数值，并根据数值输出特征数据。在系统的接收端添加解扰器，通过解扰器对干扰噪声导致的图像局部问题进行修复，从而有效节约处理时间，降低处理成本[3]。解扰器设计结构如图2所示。

在图2中，ECM端口主要负责对图像中负责信息干扰部分进行滤波检测，并记录图像来源、时间、内容、地址、分配等相关信息[4]。为保障解扰器运行的稳定，将其设置为30 MHz的ARC?RISC双内核内存，并在硬件结构中添加两个集成传输流解扰复用器和一个控制器[5]，在复用器中设置PAL/NTSC数字滤波处理器，并在控制器中添加多层显示设备。

为保障系统的稳定运行，进一步对硬件系统结构中的中央处理器和存储器接口进行优化，选择FLASH处理器接口和AMD Ryzen am2bit RISC CPU，以及其他硬件异步设备，具体包括：最小支持为148 Mbit 32位的1/2层滤波数值处理总线;最小像素支持度为MPEG?1/31?5（LH@KM到NK@FM）的图像检测器;红外线滤波接收器/检测器;CTIL智能卡接口/T8L/GBS14;3K指令数据Cache计时器;共享存储器和处理器接口以及数字编码器[6]。

通过对上述硬件设备的配置进行改善，可更好地保障图像局部模糊特征进度滤波系统的稳定运行。

1.2 自动滤波系统软件优化

为了进一步提高图像局部模糊特征进度滤波系统的运行效果，对系统软件进行优化。对图像灰度数值进行小波检测，并根据检测结果，修复和融合图像模糊区域。为提高模糊区域特征处理效果，首先需要采集并计算图像模糊检测区域当前的特征数值，具体的特征数值计算公式如下：

[L（a，b）=12v（x）-v（y）log（a-b）n-1] （1）

式中：[（a，b）]表示模糊区域坐标;[v（x），v（y）]分别为区域范围内的小波变换母特征点和子特征点。（a，b）与（x，y）之间满足： [（a，b）=lim0→∞EFA（xn，yn）]。若[p（x，y）]為图像局部模糊像素灰度数值，结合中值滤波原理对模糊区域图像轮廓进行分割，并记录网格图像中的灰度数值及特征角点，设局部区域的三维点图像横纵向坐标的标准灰度数值为[F=p（x，y）·v（y）v（x）]，结合边缘约束原理计算图像模糊区域局部滤波波频，可得公式如下：

[K（x，y）=FL（a，b）-p（x，y）] （2）

进一步对图像全局的灰度数值进行小波分析和特征检测[7]，并根据检测结果进行局部特征融合处理，从而提高对模糊区域图像特征的识别和修复效果。

通常情况下图像局部出现模糊现象大多产生于噪声影响，因此为了更好地实现对图像局部模糊区域的有效处理，对模糊图像特征识别过程中采集到的干扰噪声进行降噪处理[8]。设n为图像表面光斑灰度数值，z为干扰滤波波长，r为常规抗扰强度，则计算出图像模糊区域叠加光源灰度数值算法为：

[F（n）=zexpK（x，y）r·（n-1）] （3）

基于上述算法采集图像中随机分布的独立光点特征数值N，利用光点特征相干性原理对周围区域的灰度数值叠加计算并根据计算结果进行同频反射处理，从而实现对图像模糊区域的去噪[9]。为保障去噪处理效果，对叠加光源灰度数值去噪，通过对图像中强烈光点数值的采集和过滤，获取灰度数值剧烈变化波频特征数值m，以及散斑叠加振幅z，具体算法为：

[E=nmF（n）-1n-1mmexp12（m-z）limn→∞w·γ（n-1）n-1] （4）

式中：[γ]表示光点波子;w表示光点区域的相位角。若检测区域面积元数值为g，图像去噪信息的独立统计的量为[ξ][10]，则基于上述原理对区域最大和最小去噪数值进行计算，可记为：

[PL（n）=12ξexp（-g）E-1， ξ≥10， 0≤ξ<1] （5）

基于以上算法可实现对多维彩色图像局部模糊特征进行降噪处理的要求，最大程度上提高降噪效果[11]，以便更好地对图像局部模糊特征自动滤波处理系统进行优化和改善。

1.3 自动滤波系统设计实现

考虑到滤波结构的特殊性，在投入滤波和减少负载的过程中，不同结构变化节点区域易出现图像细节丢失等问题，需要结合线性结构对图像固定区域单一方向性数值元素进行规范[12]。设在进行自动滤波处理的过程中，输出数值中只存在一个向量信息数值，并根据所得的向量信息数值进行滤波降噪分解，分别在波长为500，450，900，225时对模糊区域图像特征元素进行网格分割，并对网格中关键的角点进行归类。为保障降噪效果，进一步对降噪区域的最大降噪数值和最小降噪数值进行控制，并规范处理步骤，具体可定义为：

[f（x，y）=min[PL（n）-L]+（x，y）（x-r，y+r）] （6）

[f（a，b）=max[PL（n）-L]+（a，b）（a+r，b-r）] （7）

式中：[f（x，y）]为对模糊区域的最小降噪系数;[f（a，b）]为最大降噪系数。

根据图像重构和中值滤波原理对采集的角点像素进行匹配，具体多方向线性结构角点像素分量匹配原理如图3所示。

基于多方向线性结构角点像素分量匹配原理进一步对滤波数值进行计算，并根据计算结果进行图像形态恢复处理，对于不同方向的角点像素滤波数值进行加权去噪，从而降低图像局部区域的噪点概率。由于在降噪处理过程中，导致图像局部灰度数值偏低等问题。为解决以上问题，需对局部区域图像滤波数值进行赋值，通过引入自适应权重因子，对模糊区域灰度数值进行改善，具体加权算法如下：

[Q=a1（x，y）=1sum（x，y）a2（x，y）=f（x，y）-12sum（x，y） ?an（x，y）=f（x，y）-nnsum（x，y）] （8）

[U=b1（x，y）=1limx→∞（x，y）b2（x，y）=f（a，b）-12limx→∞（x，y） ?bn（x，y）=f（a，b）-nnlimx→∞（x，y）] （9）

通过上述算法可以更好地对图像模糊区域进行优化处理，实现对图像局部模糊区域的恢复。有效实现对多维彩色图像局部模糊特征自动滤波系统的优化设计，保证系统稳定运行。

2 实验结果分析

为验证多维彩色图像局部模糊特征自动滤波系统的运行效果，与传统系统进行了对比实验。

2.1 实验环境

为保障实验结果真实有效，对实验环境和实验参数进行统一设置。实验采用Matlab模型和SPAS/DYEMCT软件搭建了仿真实验检测平台。实验设备选择了内存为64 GB的HPLC? Core i5处理器。设初始采集图像样本的像素值为300×300，局部滤波变换持度为0.3～0.6，图像灰度数值分解系数为1.51，信噪比为-15 dB，自适应模板大小为 30×30，模糊图像训练样本数值为1 500。基于以上实验环境，进一步对实验参数进行规范，具体如表1所示。

2.2 实验结果

在上述实验环境和参数下，对比传统自动滤波运行效果和本文提出的多維彩色图像局部模糊特征自动滤波系统运行效果，并绘制成图，为方便记录，实验中将本文方法记录为B ，传统系统记录为A。对两种系统运行过程中的信噪比去除率效果进行检测，检测次数为两次，具体检测如图4所示。

在实验检测过程中，信噪比去除率越高，说明该系统自动滤波效果越高，即运行效果更佳。根据图4检测曲线可知，系统B检测曲线远高于系统A，且随着检测时间的增加，系统A检测整体结果逐渐呈现下降趋势，而系统A整体检测曲线仍趋于稳定上升状态。

3 结语

结合中值滤波原理对多维彩色图像局部模糊特征自动滤波系统进行优化，通过改善系统硬件配置、简化系统软件流程，实现了对自动滤波系统性能的优化。最后通过实验检测了多维彩色图像局部模糊特征自动滤波系统的实际效果。实验结果证实，该自动滤波系统相比于传统系统具有更高的实用性。

参考文献

[1] 王亮，田萱.单幅散焦图像的局部特征模糊分割算法[J].计算机科学，2018，45（2）：318?321.

[2] 汪可，张书琦，李金忠，等.基于灰度图像分解的局部放电特征提取与优化[J].电机与控制学报，2018，22（5）：25?34.

[3] 黄蕾，郭超亚.基于变差函数和局部方差图的煤岩图像纹理特征提取[J].工矿自动化，2018，44（4）：12?16.

[4] 陈阳，周圆.一种基于深度学习模型的图像模糊自动分析处理算法[J].小型微型计算机系统，2018，39（3）：584?590.

[5] 向怀坤，白云海.一种改进的运动模糊图像修复参数计算方法[J].深圳职业技术学院学报，2018，17（1）：3?8.

[6] 施恩，李骞，顾大权，等.基于局部特征的卷积神经网络模型[J].计算机工程，2018，44（2）：282?286.