劉星潔,侯 娟,任秀敏

（鄭州電力高等?？茖W(xué)校,鄭州 450000）

一種小波改進算法電力設(shè)備紅外圖像去噪方法

劉星潔,侯 娟,任秀敏

（鄭州電力高等專科學(xué)校,鄭州 450000）

針對電力設(shè)備圖像中的散斑噪聲，提出一種小波改進算法電力設(shè)備超聲圖像去噪方法。紅外圖像質(zhì)量下降的主要原因是噪聲的污染，本文將紅外圖像轉(zhuǎn)化到小波域，利用改進的閾值函數(shù)處理各小波系數(shù)。本文所用閾值函數(shù)較較以往方法有較好的連續(xù)性。處理斷路器局部過熱的紅外圖像結(jié)果表明，該方法在去除噪聲的同時可以較好的保留邊緣及部分細(xì)節(jié)。

電力設(shè)備紅外圖像；小波變換；貝葉斯；去噪；閾值函數(shù)

1 引言

目前，紅外技術(shù)因其靈敏度高，實時性強等優(yōu)勢廣泛應(yīng)用于電力設(shè)備監(jiān)測與故障診斷中。但在采集紅外圖像的過程中受探測器噪聲、各種電子器件噪聲的影響，獲得圖片的同時夾雜了很多噪聲。由于噪聲，嚴(yán)重到紅外圖像特征提取和人工識別的準(zhǔn)確性。

傳統(tǒng)的紅外圖像去噪技術(shù)主要可分為空域濾波和頻域濾波。空域濾波主要用在空域上用模板或者卷積對圖像進行處理。頻域濾波是依據(jù)噪聲多表現(xiàn)在高頻的原理，通過去除或者處理高頻部分來抑制噪聲。傳統(tǒng)處理方法不具有自適應(yīng)性，濾除斑點噪聲的同時，丟失圖像中細(xì)節(jié)，邊緣模糊。

近年來，小波變換在圖像處理領(lǐng)域應(yīng)用的較為廣泛。因軟閾值函數(shù)連續(xù)性好，依據(jù)貝葉斯軟閾值去噪算法[7]比較有效。但是，小波系數(shù)的減少對邊界有一定的模糊及失真。文獻[1-2]改進了軟閾值函數(shù)，文獻[1]提出的線性濾波器，在閾值點處上升過快、不夠平滑，處理后的紅外圖像會出現(xiàn)模糊或振鈴現(xiàn)象；文獻[2]閾值函數(shù)不具有自適應(yīng)性，去噪效果不夠理想。

基于此，本文提出一種小波改進算法的圖像去噪方法。處理大量電力設(shè)備紅外圖像的結(jié)果顯示該方法不僅有更好的紅外圖像去噪聲能力，同時不會模糊邊緣。

2 紅外圖像散斑噪聲模型和小波變換

首先要建立噪聲模型，Jain[3]提出如下模型描述：

因加性噪聲對紅外圖像的影響很小，可以忽略aη，則：

使用對數(shù)變換將乘性噪聲轉(zhuǎn)化為加性噪聲[4]，

對式（3）做小波變換：

3 貝葉斯軟閾值去噪

圖像處理學(xué)界，小波子帶的系數(shù)分布通常用廣義高斯分布[5]（GGD）來描述?？杀磉_為：

其中：

Chang[6]等人在此基礎(chǔ)上提出了BayesShrink閾值：

因在實際中子帶圖像一般為β值小于0.5的廣義高斯分布[7]。將式（8）做改進[8]：

用Donoho提出的魯棒中值來估計噪聲方差2nσ：

4 改進的閾值函數(shù)

硬閾值函數(shù)處理后的圖像易出現(xiàn)的振鈴及偽吉布斯效應(yīng)。軟閾值函數(shù)，進行小波貝葉斯閾值去噪后，圖像會相對平滑但因為參數(shù)值固定不具有自適應(yīng)性，處理后的圖像仍有偏差和不連續(xù)性。為了改善這些缺陷，本文將采用一種文獻[9]提出的新閾值函數(shù)[9]，該閾值函數(shù)具有一定的自適應(yīng)性。

其中，β為大于0，在實際的應(yīng)用中β可取一個適中的值。

圖1用圖像展示了改進閾值函數(shù)與硬閾值函數(shù)和軟閾值函數(shù)的曲線。易見改進的函數(shù)曲線在拐點處比較連續(xù)平滑且小波系數(shù)保留的更好[9]。

圖1 新閾值函數(shù)與硬閾值、軟閾值函數(shù)比較

5 去噪算法流程

步驟一：將實驗圖像做對數(shù)變換，變換后的結(jié)果做小波分解；

步驟二：保留低頻小波系數(shù)，用新閾值函數(shù)處理各高頻細(xì)節(jié)子帶小波系數(shù)；

步驟三：將處理后的高頻小波系數(shù)和低頻的小波系數(shù)（未處理）進行小波逆變換；

步驟四：小波逆變換后的結(jié)果做指數(shù)變換，還原得去噪后的圖像。

6 本文算法與其它去噪算法的比較分析

實驗1：斷路器局部過熱圖像去噪效果比較。小波處理時，采用sym4小波為4層，(16)式中β取5。

圖2為原圖及四種方法對比圖，貝葉斯改進閾值處理的結(jié)果在去燥和邊緣保持上明顯優(yōu)于前三種方法。

圖2 斷路器局部過熱去噪效果比較

表1為實驗1原始圖像與去噪后的圖像峰值信噪比和邊緣保持度，表1結(jié)果顯示：新方法信噪比高，圖片邊緣細(xì)節(jié)丟失較少。

表1 實驗1斷路器局部過熱圖像去噪后的評價指標(biāo)

7 結(jié)論

本文運用新的閾值函數(shù)對小波系數(shù)處理，提出一種小波改進算法電力設(shè)備超聲圖像去噪方法研究了。該方法提高了圖像的去噪能力，得到了更高的PSNR和β評價指標(biāo)。本次研究具有一定的實用性但仍然有少量小細(xì)節(jié)丟失現(xiàn)象需進一步改進和研究。

[1]SAHRAEIAN S M,MARVASTI F,SADATI N.Wavelet image denoising based on Improved thresholding neural network and cycle spinning[C].IEEE International Conference on Acoustics,Speech and Signal Processing,2007(01):585-588．

[2]沙俊名,劉澤乾,龐帥等.改進的小波閾值算法在紅外圖像去噪中的應(yīng)用[J].彈箭與制導(dǎo)學(xué)報,2012,32(03):35-38.

[3]JAIN A K.Fundamentals of digital image process-sing[M].Englewood Cliffs,NJ:Prentice Hall,1989.

[4]ASERNAUT H,APRIL G.Properties of speckle integrated with a finite aperture and logarithmically tr-ansform[J]. Journal of the Optical Society of America,1976,66(11):1160-1163.

[5]KHALED Z A,YOUSSEF M K,KADAH Y M.Realtime speckle reduction and coherence enhancement in ultrasound imaging via nonlinear an isotropic diffusion[J].IEEE Transactions on Biomedical Engineering,2002,49(09):997-1014.

[6]CHANG S G,YU B,Vetterli M. Adaptive wavelet thresholding for images denoising and compression[J].IEEE Trans Image Pro cessing,2000,9(09):1532-1546.

[7]萬晟聰,楊新.基于自適應(yīng)小波閾值的SAR圖像降噪[J].信號處理,2009,25(06):874-881.

[8]劉春明,張相芬.基于小波的醫(yī)學(xué)超聲圖像斑點噪聲抑制方法[J].中國醫(yī)學(xué)物理學(xué)雜志,2006,23(05):364-394.

[9]楊恢先,王緒四,謝鵬鶴等.改進閾值與尺度間相關(guān)的小波紅外圖像去噪[J].自動化學(xué)報,2011,37(10):1167-1174.

10.16640/j.cnki.37-1222/t.2018.01.101

鄭州電力高等?？茖W(xué)校校內(nèi)項目(15)。

劉星潔,女,講師,主要研究方向:圖像處理、模式識別、信號處理。