唐慶菊 ，劉元林 ，馮旻，王磊

（1.黑龍江科技學(xué)院 機(jī)械工程學(xué)院，哈爾濱 150027；2.黑龍江科技學(xué)院 嵩山校區(qū)，哈爾濱 150090；3.黑龍江科技學(xué)院 工程訓(xùn)練與基礎(chǔ)實(shí)驗(yàn)中心，哈爾濱 150027）

1 引言

近年來，隨著紅外技術(shù)的不斷發(fā)展和日趨成熟，紅外熱成像技術(shù)的應(yīng)用越來越廣泛，在軍事、醫(yī)療、交通、農(nóng)業(yè)、治安、消防、考古和地質(zhì)等許多領(lǐng)域都發(fā)揮著越來越重要的作用［1-3］。但由于受紅外探測環(huán)境和紅外熱像儀等相關(guān)設(shè)備性能的限制，目前紅外圖像仍具有高背景、低反差的特點(diǎn)，其動(dòng)態(tài)范圍大、對比度低、信噪比也較可見光圖像的低［4-5］。因此，為了提高紅外探測的準(zhǔn)確性，更加清晰地提取紅外圖像中探測目標(biāo)的邊緣輪廓信息，需要對紅外熱像儀采集到的圖像進(jìn)行圖像去噪等后續(xù)處理。

傳統(tǒng)去噪方法是將受噪聲干擾的信號(hào)通過一個(gè)濾波器，將噪聲頻率成份濾掉，對于低信噪比的信號(hào)往往去噪效果較差。本文以超聲激勵(lì)檢測金屬板材內(nèi)部接觸界面類缺陷的紅外圖像為分析對象，基于高斯濾波和中值濾波技術(shù)對紅外圖像進(jìn)行預(yù)處理，然后運(yùn)用小波變換技術(shù)實(shí)現(xiàn)對紅外圖像的去噪。

2 原始紅外圖像特征分析

圖1 原始紅外圖像

圖1 為超聲激勵(lì)金屬板材內(nèi)部接觸界面類缺陷時(shí)采集的一幅紅外圖像。由圖1 可知，由于在試驗(yàn)過程中受到加熱不均、環(huán)境干擾以及紅外熱像儀自身性能的影響，紅外圖像中缺陷處與完好材料處對應(yīng)構(gòu)件表面圖像對比度較差，且含有較強(qiáng)的椒鹽噪聲。

3 紅外圖像預(yù)處理

3.1 高斯濾波和中值濾波原理

高斯濾波是一類根據(jù)高斯函數(shù)形狀選擇權(quán)值的線性平滑濾波器，可有效去除服從正態(tài)分布的噪聲。常用的二維零均值離散高斯濾波器函數(shù)可表示為［6］：

其中σ的大小決定了高斯函數(shù)的寬度。

中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理方法，可有效去除圖像中含有的椒鹽噪聲。中值濾波的原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值進(jìn)行代換。設(shè)該濾波器的濾波器窗口大小為A，尺寸為N=（2K＋1）·（2K＋1），則對于圖像（Xi，j，（i，j）∈Z2）的二維中值濾波器，若數(shù)字圖像用數(shù)集｛Xi，j｝表示，（i，j）取Z2和Z3的某子集［7］。則有：

3.2 紅外圖像預(yù)處理結(jié)果

圖2（a）、（b）分別為經(jīng)高斯濾波和中值濾波后的紅外圖像。圖3 為先進(jìn)行高斯濾波，再進(jìn)行中值濾波處理后的圖像。比較圖2和圖3 可知，經(jīng)高斯濾波和中值濾波聯(lián)合預(yù)處理后的圖像，與單獨(dú)采用其中一種方法處理后的圖像相比，具有更大的信噪比。

圖2 單獨(dú)采用一種方法的圖像預(yù)處理結(jié)果

圖3 高斯和中值濾波聯(lián)合的圖像預(yù)處理結(jié)果

4 紅外圖像的小波去噪

4.1 小波去噪原理及實(shí)現(xiàn)步驟

圖4 小波閾值去噪步驟

小波變換是一種有效的信號(hào)去噪工具，已經(jīng)在圖像處理、模式識(shí)別等諸多領(lǐng)域有所應(yīng)用。利用小波變換的變尺度特性，可實(shí)現(xiàn)對確定信號(hào)的“集中”。若某信號(hào)的能量集中于小波變換域的少數(shù)系數(shù)上，則對這些系數(shù)的取值必然會(huì)大于在小波變換域內(nèi)能量分散于大量小波系數(shù)上的信號(hào)或噪聲的小波系數(shù)值［8］。實(shí)現(xiàn)小波閾值去噪的步驟如圖4所示。

4.2 紅外圖像的二維小波閾值去噪

選擇小波“db”，設(shè)置分解層數(shù)為2。假設(shè)N 為采集到的數(shù)據(jù)，σ 為均值方差，針對本組小波系數(shù)的統(tǒng)計(jì)特性，根據(jù)式（3）對閾值進(jìn)行選擇。在某一分解尺度下，大于閾值的小波系數(shù)將被判定為信號(hào)，小于該閾值的小波系數(shù)將被判定為噪聲［9］。

對經(jīng)預(yù)濾波后的圖像進(jìn)行二維平穩(wěn)小波分解。圖5和圖6 分別給出了采用硬閾值和軟閾值函數(shù)降噪后圖像及殘差圖。與圖3比較可知，經(jīng)軟硬閾值小波降噪后的圖像信噪比均有所增大，且硬閾值函數(shù)降噪后的圖像對比度更大，而軟閾值函數(shù)小波降噪后的圖像更加平滑。

圖5 硬閾值降噪結(jié)果

圖6 軟閾值降噪結(jié)果

5 結(jié)論

以超聲激勵(lì)檢測金屬板材內(nèi)部接觸界面類缺陷的紅外圖像為分析對象，首先基于高斯濾波和中值濾波技術(shù)對紅外圖像進(jìn)行預(yù)處理，然后運(yùn)用小波變換技術(shù)實(shí)現(xiàn)了對紅外圖像的去噪。結(jié)果表明，該圖像去噪方法可有效降低紅外圖像中的噪聲，提高了紅外圖像的信噪比，適用于紅外圖像的增強(qiáng)。

［1］薛莉，朱永凱，王海濤.小波變換在缺陷紅外圖像去噪中的應(yīng)用［J］.無損檢測，2008，30（10）：753-759.

［2］周建民，周其顯，劉燕德.紅外熱成像技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用［J］.農(nóng)機(jī)化研究，2010（2）：1-4.

［3］普恩平，唐上林.紅外熱成像技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用［J］.電力技術(shù)，2009（7）：50-56.

［4］賴睿，劉上乾，王炳健，等.一種新的自適應(yīng)紅外圖像增強(qiáng)算法［J］.半導(dǎo)體光電，2006，27（6）：767-776.

［5］趙耀宏，史澤林，羅海波.自適應(yīng)紅外圖像直方圖均衡增強(qiáng)方法［J］.光電工程，2008，35（3）：97-101.

［6］謝勤嵐.圖像降噪的自適應(yīng)高斯平滑濾波器［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45（16）：182-184.

［7］衛(wèi)保國.一種改進(jìn)的自適應(yīng)中值濾波方法［J］.計(jì)算機(jī)應(yīng)用，2008，28（7）：1732-1734.

［8］王文龍.基于小波變換的紅外圖像處理技術(shù)研究［D］.西安：西安電子科技大學(xué)，2008：25-30.

［9］匡海鵬，等.基于中值預(yù)濾波的航空圖像小波去噪算法研究［J］.應(yīng)用光學(xué)，2010，31（2）：221-224.