边缘增强的遥感图像数据的DCT域.docx
《边缘增强的遥感图像数据的DCT域.docx》由会员分享，可在线阅读，更多相关《边缘增强的遥感图像数据的DCT域.docx（14页珍藏版）》请在冰豆网上搜索。
边缘增强的遥感图像数据的DCT域
边缘增强的遥感图像数据的DCT域
摘要
边缘增强是一个重要的遥感图像数据的图像处理方法。
许多图像的压缩按照使用了离散余弦变换（DTC）的JPEG压缩标准。
由于大多数系数在DCT域中是小的，并且可以被量化为零，操纵在DCT域的数据是一个有效的方式，以节省计算机的资源。
在本文中，提高遥感影像数据在DCT域新的边缘和快速算法被分为3个步骤开发和实施：
高通滤波，加回全部或部分的原始图像的灰度级，和对比度拉伸。
实验结果表明，所产生的图像的质量新的算法是与所产生的相应的方法在空间域的图像的相媲美。
q1999Elsevier科学B.V.保留所有权利。
关键词：
对比度拉伸，DCT域边缘增强滤波，图像压缩
1.介绍
在图像处理中，处理速度，以及内存和I/O利用率是必须考虑的重大问题。
操作压缩后的图像是一个有效处理图像数据的方法，因为大多数图像数据通常存档或以压缩形式发送的。
许多数据压缩标准，如JPEG，MPEG和H.261[1]，离散余弦变换（DCT）[2]，因为大多数系数在DCT域中是小的，并且可以是量化成零。
换言之，在DCT的数据速率域是比在空间域中的低得多。
因此，通过直接计算唯一在变换域中没有逆变换的非零DCT系数来操纵图像可以大大减少存储需求，以及作为计算时间。
许多研究在基于DCT性能操纵压缩图像上已完成[3,4]。
史密斯和罗维[5]推导出了一套算法对代数运算包括标量加法/乘法和像素明智的加法/乘法，和应用程序被描述例子。
Chitprasert和Rao[6]，Ngan和Clarke[7]，和Lee和Lee[8]在图像过滤DCT域提出的算法。
前面提到的研究的基础上，张大千，王梅塞施米特[9,10]为图像平移缩放，重叠（不透明和半透明），线性滤波和像素乘法开发的算法，可以适用于抗锯齿，图像，字幕，和屏蔽。
他们为图像剪切，旋转，使用多通技术和矩阵乘法，和技术的图像/在视频检索，编辑，搜索和匹配DCT域进一步推导出一些新的算法[11,12]。
CHEN和Sethi[13,14]应用（以较早者为准）代数运算和发展自己的内部操作和扫描线算法来处理带有更多的数学细节的压缩/视频影像。
其他重要的操作，如定位感兴趣的区域，并检测边缘宽度，也被描述在文献[15]。
DCT域的计算复杂度的的操作取决于图像压缩率和DCT系数矩阵的稀疏性。
对于块明智的操作，复杂性可以被降低了约65％，以及根据实验数据加快可超过100而没有明显的质量劣化[5,12,14]。
本文汇集了在文献中提出解决一个在遥感上的重要应用的理论方法。
这项工作的新颖之处还在于在在DCT域中一些滤波矩阵的对角线性质的发现，这使得数据计算量减少很多。
图1.原始图像的月亮：
灰色度超过10至90的范围内
图2.在空间域中图1的对比度拉伸：
灰色度为0-255的范围内。
我们为空间特征操作包括高通滤波，对比度拉伸，和在DCT域中边缘增强开发了新的快速的算法。
第2节中详细描述了这些算法，并示出了使用衍生算法处理的图像。
在第3节，给出了性能的分析和评价。
本文在第4节结束。
2．在DCT域的图像增强
遥感图像数据的加强包括凸显图像上的功能之间的区别，以便提高其视觉质量。
目前有许多增强技术。
在这里，我们讨论对比和空间的功能操作，包括对比度拉伸，高通滤波，和边缘增强。
一些远程遥感影像在我们的实验中被使用。
2.1．对比操作
低对比度使得它难以识别一个图像的细节。
这样做的原因是，图像中的数据只使用了可能的灰度级的显示的一小部分，而显示器通常工作在一个256个灰度等级范围内。
对比度拉伸是对比度操纵的一种类型，它是扩大这个图像数据狭窄的范围到更宽的范围内，以便显示的全部256个灰度级别可以使用。
线性拉伸是图像灰度的均匀的扩张。
它利用公式
（1）修改每个图像中的像素：
（1）
其中，输入是在输入图像中的像素的灰度级，输出是操作后的像素的灰度级，MIN是输入图像最小的灰度级和MAX是输入图像最大的灰度级的[16]。
对于JPEG的压缩方案，输入的图像数据在正DCT（FDCT）前从[0255]到[2128,127]进行标准化。
因此，相应的应用公式
（2）改变对比度拉伸：
（2）
其中输入，输出，最小值和最大值是正常化后相应的的值。
由于DCT的拉伸，lincar对比度的线性可以由方程（3）或（4）在DCT域中直接计算。
（3）
（4）
图.3.在DCT域中利用方程对比度拉伸。
（4）：
灰色度
以上为0-255的范围内。
图.6.原始图像的区域的英国图.7.在空间域中使用3*3低通滤波器低通滤波过的英国图像。
在这里，我们假设每个图像子块外的像素和那些内部的有边界的子块像素具有相同的值像镜子一样。
根据这个标准，我们可以使过滤器的矩阵对称的，所以，预矩阵VLM和后的矩阵HLM是彼此相等的。
类似地，由5-5和7-7低通滤波器内核也可以以同样的方式分解。
相应的前置和后置矩阵由方程（6）和（7）描述。
（6）
（7）
VLM和高级别会议的泛化对应的MBY-米低通滤波器内核很简单。
因此，低通滤波器（BLI）和高通滤波器（BHI）在空间域中过滤后的图像子块，可以由方程（8）和（9）计算。
图8.在DCT域中使用VL3和HL3低通滤波过的英国图像。
由于DCT是直链的和分配的矩阵乘法，较早的操作，可以用公式（10）和（11）在DCT域均衡器得到。
图.9.在DCT域中使用VL5和HL5低通滤波过的英国图像。
（10）
（11）
我们对样品图像，英国的区域，这被示于图.6用我们的低通滤波方法。
“空间域操作以不同大小的带过滤器内核的卷积实施。
图.7-10是在空间域中用带有3-3的低通滤波器内核的卷积和使用的早期的低通滤波器由图.6低通滤波过的图的图像。
在DCT域，在中方程（5），（6）及（7）下给出Vl3/Hl3，Vl5/Hl5，和Vl7/Hl7如。
边缘，高通滤波版本可以通过以下方式获得从原始图像减去这四个数字。
通过观察，较大的是过滤器内核的大小，更模糊的是低通滤波形象，更多的是遮挡物。
解决方案（II）
另一种方法是直接使用线性的高通滤波器，即在相邻像素间找出差异。
图5（b）中的样品过滤器，可使用下面的前置和后置矩阵可以实现（见式（12））。
（12）
图.10.在DCT域中使用VL7和HL7低通滤波过的英国图像。
类似于前面，在空间域和DCT域高通滤波处理后图像的子块用下面的公式描述。
图.11是在空间域中用卷积获得的，并且图12在DCT域中通过使用VH3和HH3处理（参见方程（13）和（14））。
（13）
（14）
2.3．边缘增强
正如我们所讨论的，高频成分仅强调的原始图像的局部对比度的，但这样做不保留图像中包含的低频亮度信息。
边缘增强倾向于保持两边缘和信息的低频率。
通常在远程感测数据处理，边缘增强的实现分三个步骤[16]：
1.使用一个高通滤波器边缘提取来获得高频分量图像。
图像的粗糙度决定滤波器的内核的大小。
图像“越粗糙”，过滤器的内核越小。
2.全部或部分，原始图像的灰度级是重新添加到的高通滤波的图像，从而使新图局部对比度的变大了，空间信息比以前更加清晰。
3.对比度拉伸被施加到合成图像。
正如之前提到的，所有这三个步骤可以直接在DCT域中执行。
步骤1可以使用第2.2节中提到的两个解决方案中的任何一个执行。
我们使用前面提到的所有过滤器为后面所描述的边缘增强操作。
图.11.内核在空间域中3*3高通滤图.12.在DCT域中使用方法（Ⅱ）
波器高通滤波过的英国图像。
高通滤波的英国图像。
方法（I）的应用：
在第一种方法中，原始图像是由具有不同尺寸的过滤器首先低通过滤。
然后，模糊图像中从原来的通过高通滤波处理后图像减去，强调边缘。
在这之后，原始图像100％的灰度级被添加回，并且进行对比度拉伸。
图。
13-18分别使用空间域和DCT域的方法增强英国图像。
方法（II）的应用：
在第二种方法中，原始图像是VH3和HH3过滤器高通过滤的。
如图.11和12原始图像100％的灰度级生成的图像边缘被重新添加到高通滤波图像的每个像素。
图19在空间域中由筛选VH3和HH3示出的边缘增强的结果。
图.13.在空间域使用3*3低通滤图.14在DCT域中使用VL3和HL3
波器内核增强的英国图像。
增强过滤过的英国图像。
图20表示在DCT域实施相同的操作。
3.结果分析
3.1．图像质量分析
对比度拉伸，可以有效地提高图像质量，和空间域和DCT域都有的方法导致相同的边缘外观。
利用方程（15）可以测定不同平均数的平方误差（MSE）：
（15）
其中，
是MSE，N是总的像素数，在图像，
是空间域处理图像方法的第n个像素值，和
是通过DCT域操作获得处理后的图像的第n个像素值。
两种对比的的MSE价值的延伸图像（图2和图3）为0.39。
换句话说，DCT域中方法几乎不会造成任何的失真。
遮挡物的过滤技术减少假设块以外的像素的值和块体边界里面的像素的值如镜子成像一样是相同的。
让我们把结果与我们原来的设计比较，我们在其中假定外块的像素值都为0。
在这个假设下，该多滤波器仍然可以是对称的。
图.21显示在我们的第一个假设下的块状效应，此外，通过查看不同的内核的低通滤波的图像大小，图。
8-10，可以看到明显看到越是接近3-3过滤器内核的大小，遮挡物越少。
图.15空间域中使用5*5低通滤波器图.16在DCT域通过VL5和HL5图像增强的英国图像。
增强的英国图像。
3.2速度分析
由于我们直接在压缩图像数据上操作，我们不需要对图像数据做IDCT，DCT变换，解压缩和再压缩。
此外，根据我们的假设，我们开发的低通和高通滤波器矩阵是对称的，对应的DCT变换矩阵是对角。
因此，操作，V*B*H，可以通过一个元素的元素矩阵乘法（*）式实现。
（16）和（17）示出一个例子，使用3-3矩阵。
（16）跟（17）
图.17在空间域中使用7*7低通图.18在DCT域中通过VL7和HL7
滤波器增强的英国图像。
增强的英国图像。
如果图像和过滤器矩阵是N--N，一个使用矩阵乘法线性滤波的自然实现需要2N3乘法和2·（N21）·N2增加[10]，在我们的过滤中只需要N2乘法方法。
设b是DCT系数的总数和非零系数的平均数目的比。
张和梅塞斯密特表明，其优化的实现靠乘法
，避免操作零系数的增加[10]。
同样地，在我们的实现中的乘法数可以减少到
。
需要注意的是较早的方法只有当FDCT过滤器矩阵是对角才可用。
对于对比度拉伸，
乘法和一次减法执行，因为只有DCT系数的直流分量用于计算减法。
4．结论
一组在DCT域中增强图像快速算法被提出。
对比度拉伸，高通滤波，边缘增强被证明在DCT域中仅仅通过使用基于DCT性能的矩阵乘法是可实现的。
另外，在过滤器矩阵的FDTC是对角时，使用元素对元素矩阵的乘法可以进一步简化的计算复杂度
乘法。
使得滤波器矩阵FDCT是对角的标准是分解滤波器内核对称矩阵。
假定块以外的的像素值和那些块的内部的值是相同的，遮挡物可大大被减少，而不是假设他们0的。
此外，使用3×3滤波器的内核，块状的工件可以进一步减少。
我们未来的工作将专注于进一步研究其他有用的DCT域遥感数据分析操作。
图.19.空间域中使用3£3高通滤波图.20.在DCT域中使用VH3和HH3
器内核增强的英国图像。
增强的英国图像。
图.21.在假设每块外为0情况下采用改良VL3和HL3下边缘增强的英国图像。
致谢
这项工作是由美国航空航天局研究资助NAG5-3994，由美国国家科学基金会的研究资助IR
升级会员 