纖維圖像光照不均修正算法的研究.pdf

1、在纖維圖像分析和自動識別系統(tǒng)中，需要用到近距離成像技術(shù)。但在實際的圖像采集過程中，由于顯微鏡、成像系統(tǒng)、圖像采集系統(tǒng)等各種環(huán)境的限制，采用簡單的點光源，這種光源系統(tǒng)提供的照明是非均勻的，在圖像的中心部分是直射，而在其它部分光線發(fā)生角度的偏差，使得圖像上出現(xiàn)光照不均勻。非均勻光照在圖像中產(chǎn)生背景噪聲，它和圖像信號混合在一起，造成圖像的對比度和灰度分布不均。這種失真影響纖維識別處理算法的性能。所以，需通過修正算法消除光照不均引入的背景噪聲。

2、
　　 在有效地去除光照不均產(chǎn)生的背景噪聲的同時，對圖像中有用信息的保留是評價光照不均修正算法性能的一個重要特征。光照不均引起的背景噪聲和圖像中的有用信息在圖像域以及頻率域都存在重疊，因此必須討論消除光照不均時有用分量的損失情況。
　　 本文首先對圖像光照不均算法進行了分析。根據(jù)光照不均校正方法不同，劃分為圖像域和頻率域兩類方法，即基于圖像域的照度不均校正技術(shù)和基于頻域濾波的照度不均校正技術(shù)。前者對圖像所在空間進行處理，

3、圖像域是指由像素組成的空間，圖像域增強方法是指直接作用于像素的增強方法；后者對圖像的處理是通過傅立葉變換、小波變換等變換方法，將圖像轉(zhuǎn)換到頻率域通過分析圖像信號的頻率的不同進行處理操作。但各種不同的處理都有自己的不足之處。圖像域方法為了得到比較好光照不均修正的效果，計算量較大；頻率域方法由于濾波會在圖像邊緣產(chǎn)生模糊效應(yīng)，而且濾波器會產(chǎn)生副作用。并且光照不均修正算法目前還缺乏統(tǒng)一的評價理論，這與沒有衡量光照不均修正質(zhì)量通用的、客觀的標準有

4、關(guān)。修正的方法往往具有針對性，修正后的結(jié)果只是靠人的主觀感覺加以評價。
　　 為克服上述兩種方法的缺點，本文提出了基于線性迭代的光照修正算法。首先，本文對圖像信號的離均差進行線性迭代。在此迭代過程中，通過計算離均差偏離局部平均值的幅度構(gòu)造特征點集合，并用特征點位置的局部強度平均值取代對應(yīng)的強度值，不斷消除強度值變化劇烈的邊緣對強度值變化緩慢的邊緣的影響。最終達到光照不均修正的效果。實驗證明，線性迭代算法能夠較好的去除光照不均背景