ИССЛЕДОВАНИЕ  КОМБИНАЦИИ  ДЕТЕКТОРА  ИМПУЛЬСНОГО  ШУМА  В  БИНАРНЫХ  ИЗОБРАЖЕНИЯХ  И  ПРОЦЕНТИЛЬНЫХ  ФИЛЬТРОВ

Кузьмин  Сергей  Александрович

старший  преподаватель,  СПбГУАП,  Санкт-Петербург

E-mail:  kuzmin_serg@list.ru

RESEARCH  FOR  COMBINATION  OF  DETECTOR  OF  IMPULSE  NOISE  IN  BINARY  IMAGES  AND  PERCENTILE  FILTERS

Kuzmin  Sergey  Alexandrovich

teaching  fellow,  SPb  SUAI,  Saint-Petersburg

АННОТАЦИЯ

В  задачах  поиска  объектов  на  изображениях  часто  применяется  операция  бинаризации.  При  этом  возникают  ошибки  первого  и  второго  рода.  Они  могут  быть  смоделированы  биполярным  шумом.  Рассматривается  система  подавления  этих  шумов  путем  использования  детектора  вероятности  зашумления  изображения  и  адаптивных  процентильных  фильтров.

ABSTRACT

Binarization  is  often  used  in  the  tasks  of  finding  objects  in  the  images.  Thus  appears  false  positives  and  false  negatives.  They  can  be  simulated  by  bipolar  noise.  This  article  is  devoted  to  system  of  suppression  of  noise  by  using  a  detector  of  probability  of  noise  in  image  and  adaptive  percentile  filters. 

Ключевые  слова:  бинаризация,  импульсный  шум,  процентильный  фильтр. 

Keywords:  binarization,  impulse  noise,  percentile  filter.

Моделирование  биполярного  шума  в  бинарном  изображении

Как  помехи  естественного  происхождения,  так  и  неправильный  вид  функции  порогов  ,  при  бинаризации  изображения  приводят  к  неправильной  классификации  пикселей.  Эти  неправильные  решения  (пропуски  и  ложные  тревоги)  могут  быть  смоделированы  биполярным  шумом. 

Обычно  в  качестве  биполярного  шума  используется  смесь  шумов  «соль»  и  «перец»,  но  эта  смесь  имеет  особенность  —  черные  шумовые  пиксели  могут  попасть  на  черные  пиксели  бинарного  изображения,  белые  шумовые  пиксели  могут  попасть  на  белые  пиксели  бинарного  изображения. 

Предлагается  показатель  эффективность  генератора  шума    —  это  отношение  количества  реально  зашумленных  пикселей    к  заданному  количеству  подлежащих  зашумлению  пикселей  .  Количество  реально  зашумленных  пикселей    —  это  мощность  множества  пикселей,  имеющих  в  зашумленном  изображении  другую  яркость  относительно  пикселей  с  теми  же  координатами  в  исходном  изображении.  Понятие  эффективность  генератора  шума  можно  переформулировать  с  помощью  вероятностей  —  отношение  получившейся  вероятности  повреждения  изображения    к  заданной  вероятности  повреждения  изображения  :  . 

Из  особенности  смеси  шумов  «соль»  и  «перец»  следует,  что  чем  больше  заданная  вероятность  повреждения  изображения,  тем  меньше  эффективность  зашумления,  т.  к.  больше  вероятность  попасть  на  пиксель  того  же  цвета  и,  следовательно,  не  исказить  изображение.  В  то  же  время  достоинством  этого  фильтра  является  его  «естественность»,  поскольку  действительно  черные  шумовые  пиксели  могут  приходиться  на  черные  фоновые  пиксели  бинарного  изображения.

Для  исследований  импульсных  шумов  следует  применять  более  эффективный  тип  генератора  биполярного  шума  —  инверсию  яркостей  пикселей  бинарного  изображения  с  заданной  вероятностью.  Для  подтверждения  этого  утверждения  были  проведены  эксперименты  на  бинарных  изображениях  с  разным  содержанием.

Генератор  биполярного  шума  типа  «соль  и  перец»: 

Генератор  биполярного  шума  типа  «инверсия»  [1,  c.  32]: 

Свойства  первого  тестового  бинарного  изображения:  всего  пикселей  100  тысяч  (400х250),  черных  пикселей  50  тысяч,  белых  пикселей  50  тысяч.  Исследование  эффективности  генераторов  шумов  «инверсия»  и  «соль  и  перец»  при  одинаковом  количестве  пикселей  представлено  в  таблице  1.

Таблица  1. 

Исследование  эффективности  генераторов  шумов  для  первого  изображения

Из  этого  эксперимента  можно  сделать  вывод,  что  при  равенстве  мощностей  множеств  черных  и  белых  пикселей  наблюдается  примерно  одинаковая  эффективность  шумов  типа  «соль»,  «перец»  и  их  смеси,  которая  в  2  раза  ниже  эффективности  шума  «инверсия». 

Свойства  второго  тестового  бинарного  изображения:  всего  пикселей  110  592  (384х288),  черных  пикселей  98  494,  белых  пикселей  12  086.  Исследование  эффективности  инверсии  и  соль-перец  при  разном  количестве  пикселей  представлено  в  таблице  2.

Из  этого  эксперимента  можно  сделать  вывод,  что  при  сильном  преобладании  мощности  множества  черных  пикселей  (89,07  %  от  площади  изображения)  над  мощностью  множества  белых  пикселей  (10,93  %  от  площади  изображения)  шумы  «соль»  и  «перец»  повреждают  площади  множества  черных  и  белых  пикселей  примерно  пропорционально  их  долям  от  площади  изображения.  Эффективность  смеси  шумов  оказывается  снова  в  2  раза  ниже,  чем  у  шума  «инверсия».

Таблица  2. 

Исследование  эффективности  генераторов  шумов  для  второго  изображения

Таким  образом,  генератор  шума  «инверсия»  примерно  в  2  раза  эффективнее,  чем  генератор  смеси  шумов  «соль  и  перец».  Значения  эффективности  больше  единицы  связаны  с  двумя  причинами:  1)  генератор  случайных  чисел  может  сгенерировать  большее  количество  шумов  пикселей,  чем  требуется;  2)  есть  ложные  срабатывания  детектора  шума.

Подавление  шума  процентильными  фильтрами

Исправления  классов  пикселей  может  быть  реализовано  с  помощью  процентильных  фильтров,  основанных  на  упорядочивании  яркостей  пикселей  по  возрастанию  и  выбору  одного  из  значений  по  его  рангу  в  этом  вариационном  ряду  в  качестве  выходного  значения  фильтра.  Наиболее  известные  процентильные  фильтры  —  медиана,  операции  математической  морфологии  наращивание  (dilatation)  и  эрозия  (erosion).  Процентильные  фильтры  наращивание  и  эрозия  неустойчивы  к  биполярному  шуму,  т.  к.  усиливают  один  из  типов  помех.  Поэтому  для  исправления  классов  пикселей  после  бинаризации  изображения  понадобились  фильтры,  дающие  эффекты  увеличения  площади  полезного  сигнала  и  уменьшения  площади  шумового  сигнала  в  условиях  биполярного  шума.

Исследования  [1]  показали,  что  ранги  таких  фильтров  находятся  между  краями  и  медианой  вариационного  ряда.  Процентильный  фильтр,  уменьшающий  площадь  белого  сигнала  и  находящийся  между  минимумом  и  медианой  вариационного  ряда,  был  назван  псевдоэрозия.  Процентильный  фильтр,  уменьшающий  площадь  черного  сигнала  и  находящийся  между  максимумом  и  медианой  вариационного  ряда,  был  назван  псевдонаращиванием.  Процентильные  фильтры  представлены  на  рис.  1.

Также  были  найдены  зависимости  рангов  фильтров  псевдонаращивание  и  псевдоэрозия  от  вероятности  повреждения  изображения  биполярным  шумом  (табл.  3).  В  таблице  3  знак  «–»  означает,  что  оба  фильтра  выродились  в  медиану. 

Таким  образом,  при  наличии  детектора  шума,  вычисляющего  вероятность  повреждения  изображения,  можно  оптимально  подавлять  биполярный  шум  в  бинарном  изображении  в  изменяющихся  условиях  наблюдения.

Таблица  3. 

Фильтры  псевдонаращивание  (ПН)  и  псевдоэрозия  (ПЭ)

Блок-схема  обработки  изображения  в  рассматриваемом  случае  изображена  на  рис.  2.  Комбинация  фильтров  псевдонаращивание  и  псевдоэрозия  необходима  для  поддержания  примерно  постоянной  площади  полезных  объектов,  которые  были  повреждены  в  ходе  бинаризации.

Рисунок  1.  Названия  процентильных  фильтров  и  соответствующие  им  ранги  в  вариационном  ряду  для  маски  фильтра  размером  3х3

Рисунок  2.  Блок-схема  обработки  изображения

Детектирование  биполярного  шума

Принцип  работы  детектора  биполярного  импульсного  шума  основан  в  бинарном  изображении  на  прохождении  скользящей  маской  размером  3х3  в  форме  квадрата  по  изображению  с  остановкой  в  каждом  пикселе  и  классификации  каждого  пикселя  на  один  из  двух  классов  —  поврежденный  шумом  или  неповрежденный.  После  анализа  последнего  пикселя  производится  подсчет  статистики  решений  для  всего  изображения.  В  системе  на  рис.  2  в  зависимости  от  детектированной  вероятности  зашумления  пикселя  выбираются  ранги  процентильных  фильтров  псевдонаращивание  и  псевдоэрозия.  Чем  больше  вероятность  зашумления,  тем  ближе  ранги  к  медиане.

Классификация  каждого  пикселя  I[x,y,t]  основана  на  определении  количества  отличающихся  от  него  пикселей  под  маской  детектора.  Отличие  текущего  пикселя  от  соседнего  пикселя  под  маской  определяется  в  результате  сравнения  модуля  разницы  их  яркостей  с  порогом.  Результаты  сравнения  кодируются  в  виде  бинарной  маски  того  же  размера  3х3,  что  удобно  для  подсчета  отличающихся  пикселей:

.

Для  бинарных  изображений  (состоящих  из  пикселей  с  двумя  уровнями  яркостей  0  и  255)  порог  Т≥1.

Классификация  пикселя  на  шумовой  или  нешумовой  производится  по  порогу  на  количество  отличающихся  от  него  соседей  .  Для  типовых  условий  вероятность  повреждения  изображения  шумом  много  меньше  50  процентов,  а  также  имеется  сильная  корреляция  соседних  значений  яркости.  Поэтому  отклонение  текущего  пикселя  от  большого  количества  соседей  означает,  что  с  большой  вероятностью  именно  этот  пиксель  является  шумом,  а  соседи  не  повреждены.  Решения  визуализируются  в  виде  бинарного  изображения:

Для  определения  оптимального  порога  на  количество  отличающихся  соседей  был  проведен  эксперимент,  в  котором  оценивалось  изменение  эффективности  детектора  шума  —  зависимости  детектированной  вероятности  шума  Рвых  (выхода  детектора  шума)  от  заданной  вероятности  при  зашумлении  изображения  Рвх  (на  входе  детектора  шума).  Для  идеального  детектора  шума  эти  вероятности  должны  совпадать,  т.  е.  характеристика  должна  иметь  линейный  вид.  В  ходе  эксперимента  производилось  увеличение  вероятности  повреждения  бинарного  изображения  от  0  до  0.5  (от  0  %  до  50  %  от  площади  изображения).  С  ростом  вероятности  повреждения  изображения  точность  детектирования  падала,  т.  к.  росло  количество  скоплений  поврежденных  пикселей,  которые  принимались  детектором  за  истинный  сигнал.  Результаты  эксперимента  представлены  в  таблице  4  и  на  рисунке  3  (вероятности  реального  и  детектированного  повреждения  изображения  показаны  в  процентах).  По  сравнению  с  таблицей  на  рисунке  3  добавлена  характеристика  идеального  детектора  шума.

Проведенные  эксперименты  показали,  что  при  вероятностях  повреждениях  изображения  вплоть  до  35  %  площади  наиболее  точные  результаты  показывает  порог  на  количество  отличающихся  соседей  ,  т.  е.  в  диапазоне  от  5  до  8. 

Таблица  4. 

Характеристики  эффективности  детектора  импульсного  шума

Рисунок  3.  Характеристики  эффективности  детектора  шума  при  разной  вероятности  повреждения  изображения  (в  процентах)  и  разных  порогах  на  количество  поврежденных  пикселей  в  пределах  маски  детектора

Этот  детектор  шума  может  применяться  на  бинарном  изображении  не  только  для  определения  необходимости  смены  рангов,  но  и  изменения  размера  маски  бинарных  процентильных  фильтров  (б.п.ф.),  если  вероятность  шума  превышает  пороговые  значения  (для  б.п.ф.  с  размером  маски  3х3  пороговая  вероятность  15  %,  для  б.п.ф.  с  размером  маски  5х5  пороговая  вероятность  25  %,  для  б.п.ф.  с  размером  маски  7х7  пороговая  вероятность  35  %  [2,  c.  35],  см.  таблицу  3).  Это  связано  с  тем,  что  при  некоторой  пороговой  вероятности  повреждения  изображения  оптимальные  ранги  б.п.ф.  становятся  равными  медиане  и  если  требуются  эффекты,  близкие  к  наращиванию  и  эрозии  в  этих  условиях,  то  целесообразно  увеличить  размер  маски  и  выбрать  ранги,  соответствующие  этой  вероятности  повреждения.

Измерена  зависимость  точности  детектора  от  вероятности  повреждения  изображения  шумом  «инверсия»  в  случае  порога  n>4.  Результаты  представлены  в  таблице  5.

Таблица  5. 

Вероятности  правильного  обнаружения  и  ложной  тревоги  детектора  импульсного  шума  при  пороге  n>4  в  зависимости  от  вероятности  шума  «инверсия»

Как  и  в  таблице  4,  наблюдается  падение  точности  детектирования  при  росте  вероятности  повреждения  изображения,  т.  к.  растет  количество  скоплений  поврежденных  пикселей,  которые  принимаются  детектором  за  истинный  сигнал.  Также  наблюдается  рост  ложных  тревог,  что  связано  с  растущей  раздробленностью  поврежденных  областей.

Возможная  оптимизация  данного  детектора  по  скорости  состоит  в  том,  что  можно  в  каждом  пикселе  не  продолжать  расчет  отличающихся  соседних  пикселей  от  текущего,  если  уже  найдены  5  отличающихся  пикселей  (стратегия  «остановки  на  полпути»). 

Эффективность  подавления  шума  в  рассмотренной  системе

Измерена  эффективность  подавления  шума  при  использовании  связки  детектор-псевдонаращивание-псевдоэрозия  (блок-схема  рис.  2).  Результаты  представлены  в  таблице  6.

В  результате  обработки  зашумленных  изображений  такой  связкой  наблюдается  уменьшение  доли  поврежденных  пикселей  в  десятки  раз.  Эффективность  может  быть  увеличена  путем  увеличения  количества  звеньев  в  фильтрах  ПН  и  ПЭ  (например,  детектор  шума-ПН-ПН-ПН-ПЭ-ПЭ-ПЭ).

Таблица  6. 

Эффективность  подавления  шума  при  использовании  связки  детектор-псевдонаращивание-псевдоэрозия

Заключение

По  проведенным  исследованиям  сделаны  следующие  выводы:

1.  предложенный  показатель  эффективность  генератора  шума  адекватно  описывает  генераторы  шумов,  т.  к.  результаты  измерений  могут  быть  объяснены;

2.  установлено,  что  эффективность  генератора  биполярного  шума  «инверсия»  выше,  чем  генератора  смеси  шумов  «соль  и  перец»;

3.  предложенный  детектор  биполярного  шума  обладает  наибольшей  точностью  в  случае  выбора  порога  ,  где  —  количество  отличающихся  от  текущего  проверяемого  пикселя  соседних  пикселей;

4.  по  мере  увеличения  вероятности  повреждения  изображения  точность  детектора  шума  падает;

5.  связка  детектор-псевдонаращивание-псевдоэрозия  эффективно  подавляет  шум.

Список  литературы:

1.Кузьмин  С.А.  Исследование  помехоустойчивости  ранговых  операторов  /  10-я  Международная  конференция  и  выставка  «Цифровая  обработка  сигналов  и  её  применение».  М.,  —  2008.  —  Т.  2.  —  С.  501—504.

2.Обработка  изображений  в  прикладных  телевизионных  системах  //  О.С.  Астратов,  А.С.  Афанасенко,  Л.Д.  Вилесов,  С.А.  Кузьмин,  А.А.  Мотыко,  Н.А.  Обухова,  В.М.  Смирнов,  Б.С.  Тимофеев,  В.Н.  Филатов.  Под  ред.  проф.  Б.С.  Тимофеева.  СПб:  ГУАП,  —  2012.  —  272  с.