张建清，谭显江，张子龙，周亮基，李庆武

（1．长江地球物理探测（武汉）有限公司，武汉430010；2．河海大学物联网工程学院，常州213022）

·微机软件·

钻孔图像清晰化方法研究

张建清1，谭显江1，张子龙2，周亮基2，李庆武2

（1．长江地球物理探测（武汉）有限公司，武汉430010；2．河海大学物联网工程学院，常州213022）

针对钻孔图像光照不均和细节不清的问题，提出一种结合同态滤波与超分辨率重建的图像清晰化新方法。利用同态滤波算法处理HSV颜色空间下钻孔图像的亮度分量，有效抑制光照不均的影响并增强图像对比度。提出基于样本聚类的超分辨率重建算法用于钻孔图像重建，提高图像分辨率，突出图像细节信息。实验结果表明，提出的方法在解决钻孔图像光照不均问题的同时能有效提高图像清晰度。

钻孔图像；光照不均；分辨率；同态滤波；超分辨率重建；清晰化

1 引言

随着科学技术的不断进步，地质勘测的方法和手段也在不断地推陈出新，其中采用钻井后数字摄像技术获取具有真实感的全孔壁图像进行地质分析，已成为地质勘测的重要方法之一[1]。但是该方法获取的钻孔图像很容易出现光照不均、细节不清等问题，不能够满足实际需求。通常可以考虑采用数字图像处理的相关技术来解决这一问题。目前光照不均图像的增强技术主要包括空域增强方法（如直方图均衡化、梯度增强法）、频域增强方法（如基于照度—反射模型的同态滤波法、基于光照补偿的retinex方法等）、同态滤波法和retinex方法等图像增强方法。其中，基于照度—反射模型的同态滤波法，将图像的高频部分和低频部分分离开来，之后再进行滤波处理，以达到增强图像对比度的同时压缩图像动态范围的目的[1]。由于同态滤波对处理光照影响强烈的高光、反光区域有较好效果，因此得到了广泛关注[2-6]。

图像的超分辨率(Super resolution,SR)重建技术通过信号处理手段，利用多幅或单幅低分辨率(Low resolution,LR)图像重建高分辨率 (High resolution,HR)图像，从而达到提升图像空间分辨率的目的[7]。该技术被广泛应用在场所监控、医学成像、军事遥感成像等领域。在借鉴以往研究的基础上，针对基于稀疏表示的超分辨率重建算法[8]计算量过大的问题，提出了基于样本聚类的图像超分辨率重建算法并用于处理钻孔图像，提高图像分辨率，突出图像细节信息。

2 同态滤波算法

2.1 同态滤波原理

根据照度-反射光照模型可知，一副图像是由光源的照射分量与目标物的反射分量组成，其数学模型[9]表示为：

2.2 同态滤波对图像的处理

在同态滤波过程中，能否取得理想的滤波效果，取决于同态滤波函数的选择。采用高斯型同态滤波函数：

3 钻孔图像超分辨率重建

3.1 基于稀疏表示的超分辨率重建算法

3.2 基于样本聚类的超分辨率图像重建算法

3.2.1 多类联合字典训练

3.2.2 钻孔图像重建

为了进一步减小图像重建阶段的计算量，引入平滑块的概念。像素值变化平缓的局部区域定义为平滑区[11]。平滑块的判定可利用图像块的熵、局部能量或局部方差。由于方差计算最为简单,利用方差区分平滑区。局部方差的计算公式为：

在钻孔图像重建阶段，将低分辨率钻孔图像的插值图像作为初始重建图像，并对从左到右从上到下重叠取块，为的局部图像块。当图像块为平滑块时，利用提出的算法做进一步重建对图像重建效果提升很小，并且会消耗较多时间，因此直接将采用插值放大得到的图像块作为高分辨率图像块。

图1 基于样本聚类的超分辨率图像重建算法流程图

4 实验分析

图 2（a）和（b）为待处理的钻孔图像，分辨率为160×160。利用同态滤波处理钻孔图像时，参数选择如下：利用超分辨率重建算法处理钻孔图像时，参数选择如下：字典训练阶段，图像块的大小为5×5，从自然图像库提取图像块数量为30000，聚类数K=10，每类字典原子数均设定为128；钻孔图像重建阶段，图像块大小为5×5，相邻图像块重叠像素数为3，图像放大倍数为2倍。

在 RGB 颜色空间中，R（red）分量、G（green）分量和B（blue）分量存在较大的相关性，如果要在保持图像色调和饱和度不变的同时对图像进行增强，则必须同时对R分量、G分量和B分量进行相同的增强处理。HSV颜色空间与人的心理感知更接近，包括色调（hue）、饱和度（saturation）和亮度（value）三个分量。彩色图像的颜色信息主要体现在色调和饱和度上，而亮度是一个与色调、饱和度无关的分量，它的改变对颜色信息影响较少，因此，可以从颜色信息中分离出来[12]。因此将彩色图像从RGB空间转换到HSV空间，对亮度分量进行同态滤波增强处理，同时保持其他分量不变。类似地，图像重建阶段只对亮度分量采用提出的重建算法处理，对其他分量直接采用双立方插值放大到所需要的大小。采用平均梯度和信息熵[13]对钻孔图像处理效果进行定量评价，将提出的算法与Yang算法做对比。

图2 钻孔图像处理前后效果对比图

图2是钻孔图像处理前后效果对比图。如图2所示，图（a）和图（b）为原始低分辨率图像，通过观察可以发现，由于光照不均造成了钻孔图像部分区域过亮，如图像中心区域，并且图像细节不够清晰；图（c）和图（d）分别是图（a）和图（b）经过 Yang算法放大2倍后的图像，图像的分辨率得到提升，但是图像对比度基本没有变化；图（e）和图（f）分别是图（a）和图（b）经过提出的算法放大2倍后的图像，图像分辨率和对比度均得到一定提升。相对于图（c）和图（d）来说，图（e）和图（f）细节信息更加清晰，图像表面的水泥浆清晰可见。

表1是提出的算法和Yang算法处理效果的质量评价参数和时间对比。从表中可以看出，经提出的方法处理后，钻孔图像的平均梯度和信息熵均略高于Yang算法，说明经提出的方法处理后，图像的边缘更清晰，信息量更多。另外，提出的算法处理钻孔图像所需时间均在30秒左右，而Yang算法所需时间均在130秒左右，远远多于提出的算法。

表1 重建的质量评价参数和重建时间(s)对比

5 结束语

钻孔图像存在光照不均和图像分辨率较低的问题。针对图像光照不均的问题，采用同态滤波处理图像，有效抑制了光照不均的影响，同时增强了图像对比度。针对图像分辨率过低的问题，基于Yang算法提出了基于样本聚类的图像超分辨率重建算法重建图像，提升了图像重建效果并大大减少了重建时间。提出的结合同态滤波和图像超分辨重建算法处理钻孔图像，有效提升了图像清晰度，突出了图像细节信息，水泥浆清晰可见。

[1] 王川婴,钟声,孙卫春.基于数字钻孔图像的结构面连通性研究 [J].岩石力学与工程学报,2009,28(12):2405-2410.WANG Chuan-ying,ZHONG Sheng,SUN Wei-chun.Study of connectivity of discontinuities of borehole based on digital borehole images[J].Chinese Journal of Rock Mechanics and Engineering,2009,28(12):2405-2410.

[2] 梁琳,何卫平,雷蕾,等.光照不均图像增强方法综述倡[J].计算机应用研究,2010,27(5)：1625-1628.LIANG Lin,HE Wei-ping,LEI Lei,et al.Survey on enhancement methods for non-uniform illumination image[J].Application Research of Computers,2010,27(5):1625-1628.

[3] 刘毅,贾旭芬,田子建.一种基于同态滤波原理的井下光照不均图像处理方法[J].工矿自动化,2013(1):9-12.LIU Yi,JIA Xu-fen,TIAN Zi-jian.A prcessing method for underground image of uneven illumination based on homomorphic filtering theory[J].Industry and Mine Automation,2013(1):9-12.

[4] 胡窦明,赵海生,李云川,等.一种基于同态滤波的红外图像增强新方法[J].红外技术,2012,34(4):224-228.HU Dou-ming,ZHAO Hai-sheng,LIYun-chuan,Yun-chuan,et al.A new approach to infrared image enhancement based on homomorphic filter[J].Infrared Technology,2012,34(4):224-228.

[5] 张亚飞,谢明鸿.基于分块DCT同态滤波的彩色图像增强算法[J].计算机工程与设计,2013,34(5):1752-1756.ZHANG Ya-fei,XIE Ming-hong.Block-DCT based homomorphic filtering algorithm for color image enhancement[J].Computer Engineering and Design,2013,34(5):1752-1756.

[6] 徐黎明,吕继东.基于同态滤波和K均值聚类算法的杨梅图像分割[J].农业工程学报,2015,31(14):202-208.XU LI-ming,LU Ji-dong.Bayberry image segmentation based on homomorphic filtering and K-means clustering algorithm[J].Transactions of The Chinese Society of Agricultural Engineering,2015,31(14):202-208.

[7] 苏衡,周杰,张志浩.超分辨率图像重建方法综述 [J].自动化学报,2013,39(8):1202-1213.SU Heng,ZHOU Jie,ZHANG Zhi-hao.Survey of super-resolution image reconstruction methods[J].Acta Automatic Sinica,2013,39(8):1202-1213.

[8] Yang J,Wright J,Huang T S,et al.Image super-resolution via sparse representation [J].IEEE transactions on image processing,2010,19(11):2861-2873.

[9] 焦竹青,徐保国.基于同态滤波的彩色图像光照补偿方法[J].光电子·激光,2010,21(4):602-605.JIAO Zhu-qing,XU Bao-guo.Color image illumination compensation based on homomorphic filtering[J].Journal of Optoelectronics Laser,2010,21(4):602-605.

[10] Chang H,Yeung D Y,Xiong Y.Super-resolution through neighbor embedding[C].//IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC,United states.IEEE Computer Society,2004,I275-I282.

[11] 练秋生,张伟.基于图像块分类稀疏表示的超分辨率重构算法[J].电子学报,2012,40(5):920-925.LIAN Qiu-sheng,ZHANG Wei.Image super-resolution algorithms based on sparse representation of classified image patches[J].Acta Electronica Sinica,2012,40(5):920-925.

[12] 蔡式东,杨芳.一种基于HSV空间和粗糙集的彩色图像分割方法[J].光电子技术,2011,31(1):5-9.CAI Shi-dong,YANG Fang.Color image segmentation based on HSV space and rough-set theory [J].Opto Electronica Technology,2011,31(1):5-9.

[13] 段群,吴粉侠,李红.双通道分块同态滤波彩色图像增强算法[J].计算机技术与发展,2016,26(1):82-85.DUAN Qun,WU Fen-xia,LI Hong.An enhanced algorithm of color image based on block homomorphic filter in two channels[J].Computer Technology and Development,2016,26(1):82-85.

Study on the Borehole Image Clarity Enhancing

Zhang Jianqing1,Tan Xianjiang1,Zhang Zilong2,Zhou Linagji2,Li Qingwu2
（1.Changjiang Geophysical Exploration(Wuhan)Co.,Ltd.,Wuhan 430010,China;2.College of Internet of Things Engineering,Hohai University,Changzhou 213022,China）

For the problem of the non-uniform illumination and unclear details of borehole image,a new image clarity enhancing method which combines the homomorphism filtering and super-resolution reconstruction algorithm is proposed.The luminance component is strengthened by homomorphism filtering algorithm in HSV color space,the image luminance range is compressed effectively and image contrast is strengthened.The image super-resolution reconstruction algorithm is proposed based on sample clustering,and it is used to improve image resolution and highlight details by reconstructing image.Experimental results show that the proposed algorithm can solve the effects of non-uniform illumination while effectively improve the visibility of borehole image.

Borehole image;Non-uniform illumination;Resolution;Homomorphism filtering;Superresolution reconstruction;Visibility enhancement

10.3969/j.issn.1002-2279.2017.03.009

TP394.1

A

1002-2279-（2017）03-0038-04

张建清(1965-)，男，浙江金华人，教授级高级工程师，主研方向：地球物理勘探及检测。

2016-11-04