梁利利

（咸陽師范學(xué)院，陜西咸陽712000）

近年來，隨著工業(yè)的快速發(fā)展，鍋爐燃燒的穩(wěn)定性與安全性開始備受社會各界積極關(guān)注，而實時有效檢測爐膛火焰是保證鍋爐運行安全的重要途徑。因此，在爐膛火焰燃燒狀態(tài)檢測中，積極利用先進(jìn)的機(jī)器視覺技術(shù)，以此有效解決圖像噪聲污染問題，確保圖像預(yù)處理與后續(xù)處理工作順利進(jìn)行。圖像噪聲的類型很多，其中高斯噪聲與脈沖噪聲的影響最為突出。圖像去噪算法就不同處理區(qū)域可以劃分為頻域法與空域法[1]。通過深入分析圖像特點、噪聲特性與頻譜規(guī)律等，提出了大量相應(yīng)的圖像去噪算法。因為噪聲主要集中在高頻區(qū)域，圖像頻譜大多分布于低頻區(qū)域，就此規(guī)律，采取低通濾波法。其中有很多處理算法都可以用在圖像濾波中，在空域中開展平滑濾波是一種有效的圖像去噪方式，即均值濾波法，主要通過鄰域像素點灰度值的平均值代替中心像素點灰度值。盡管空域平滑濾波算法的計算流程相對簡單，但是極易造成圖像細(xì)節(jié)模糊。因此，在圖像處理領(lǐng)域，尋找可以保持圖像細(xì)節(jié)信息的算法一直都備受關(guān)注，而中值濾波可以有效處理這一問題，在濾除脈沖噪聲的基礎(chǔ)上，確保圖像邊緣信息不受影響，但是卻無法恰當(dāng)處理高斯噪聲，同樣會導(dǎo)致細(xì)節(jié)損傷。然而，以小波變換為基礎(chǔ)的閾值去噪算法能夠很好地控制高斯與均勻分布，其中小波變化具有其自身的獨特特性，即分辨率多、選基靈活、去相關(guān)性，在頻域與時域中，表征信號局部信息的能力非常突出，能夠瞬態(tài)分析，所以在圖像去噪中備受青睞[2]。

1 小波變換與中值濾波圖像去噪

1.1 小波變換圖像去噪

小波變換能夠科學(xué)有效消除高斯噪聲，而且在小波域中合理設(shè)置閾值，能夠更進(jìn)一步消除噪聲分量，然后基于小波變化恢復(fù)原始信號。因為小波變換可以集中原始信號能量到相對較大的系數(shù)中，并把噪聲能量分散到許多系數(shù)中，所以，噪聲小波的系數(shù)相對要小一些。科學(xué)合理設(shè)置與之相適應(yīng)的閾值函數(shù)，以消除比較小的小波系數(shù)，并保證較大的小波系數(shù)不會發(fā)生變化，這時便能夠快速有效消除噪聲。一般閾值函數(shù)主要包括兩種，即硬閾值函數(shù)與軟閾值函數(shù)。其中，硬閾值函數(shù)具有整體性，而缺乏連續(xù)性，使得圖像去噪后悔出現(xiàn)一定的吉布斯問題。但是，軟閾值函數(shù)不僅整體性較好，而且連續(xù)性也比較突出，但是，因為小波系數(shù)比較大的時候，所處理的系數(shù)與原系數(shù)間一直存在著一定程度偏差，從而對重構(gòu)信號與真實信號差異的縮小有著直接性影響，以此導(dǎo)致重構(gòu)信號存在較大誤差。為了避免這兩者的不足，構(gòu)造新閾值函數(shù)已為必然趨勢[3]。去噪圖像的一般模型為

式中：X為噪聲圖像；f為理想圖像；σ為方差；e為噪聲。去噪目標(biāo)為從含噪聲的圖像中獲取長度為n的理想圖像的逼近圖像，促使在誤差預(yù)估狀態(tài)下，逼近圖像為理想圖像的最近最優(yōu)狀態(tài)。把圖像行列分別做小波變換，就能夠獲得原圖像各個頻率狀態(tài)的子圖，對其進(jìn)行三級小波多尺度分解，具體結(jié)果如圖1所示。LL為低頻分量，HL為豎直方向邊緣細(xì)節(jié)，LH為水平方向邊緣細(xì)節(jié)，HH為45°與135°方向的細(xì)節(jié)，由此可知，小波變換具備非常明顯的細(xì)化與局部分析能力優(yōu)勢。

圖1 正交小波分解圖

1.2 中值濾波圖像去噪

中值濾波器以次序統(tǒng)計為載體恢復(fù)信號，這是一種最具代表性的非線性濾波器，其本質(zhì)在于將數(shù)字圖像某點的值用其鄰域中各個點值的中值加以替換。首先，就所選窗口，確定中心位置在原始圖像中的重合方式。其次，在圖象上移動掃描窗口；再次，將窗口對應(yīng)值合理排序，并將中間值賦予窗口中心位置。一般情況下，中值濾波所選擇的窗口樣式各式各樣，即線形、方形、圓形等等，不同樣式窗口的去噪效果也明顯各不一致[4]。

1.3 改進(jìn)自適應(yīng)中值濾波算法

自適應(yīng)中值濾波是以中值濾波為基礎(chǔ)，就窗口的灰度值中值為依據(jù)，對濾波模板進(jìn)行適當(dāng)調(diào)整。其中，窗口最大灰度值用Gmax表示，最小灰度值用Gmin表示，中值灰度值用Gmid表示。在Gmin＜Gmid＜Gmax的時候，窗口的尺寸如果沒有變化，那么就適當(dāng)擴(kuò)大尺寸，直到找到最為恰當(dāng)?shù)臑V波窗口，或達(dá)到窗口最大值。隨后，對中心點像素灰度值進(jìn)行檢測，其用G（x，y）表示，在Gmin＜G（x，y）＜Gmax的時候，輸出灰度值，或者用Gmid替代灰度值。

中值濾波效果會在濾波模板尺度不斷增大的趨勢下得到明顯改善，但是自適應(yīng)中值濾波效果卻不甚顯著。不過中值濾波與自適應(yīng)中值濾波之間存在著一定程度上的濾波盲目性與非自適應(yīng)性，難以預(yù)先判斷圖像噪聲。據(jù)此，采用改進(jìn)自適應(yīng)中值濾波算法。在自適應(yīng)中值濾波中最后的關(guān)鍵環(huán)節(jié)，因為Gmid提取的是濾波窗口灰度值中值，勢必會受圖像噪聲影響，所以，必須采取行之有效的方法措施全面消除噪聲造成的不利影響[5]。

就m×m濾波窗口，探測像素極值為Gmin與Gmax，平均值為Gave。

檢測異常點，并對窗口各個像素點與平均值進(jìn)行對比分析。

像素點劃分為異常點與正常點兩種，其中，異常點主要包含噪聲點與邊緣點，而沒有被污染的就是正常點，以像素點間距為依據(jù)對異常點進(jìn)行檢測。在圖像中，邊緣點相互連接的，具有一定的連續(xù)性，但是噪聲點卻是獨立存在的，這樣便能夠大體上辨別出噪聲點。

在噪聲分離之后，其余像素點便是正常點，進(jìn)行排序并獲取中間值，以此作為濾波結(jié)果輸出。

2 基于小波變換與自適應(yīng)中值濾波相結(jié)合的爐膛火焰圖像去噪方法

想要有效消除爐膛火焰圖像噪聲，尤其是高斯噪聲與椒鹽噪聲，應(yīng)切實有機(jī)結(jié)合小波變換與自適應(yīng)中值濾波。先對原始圖像進(jìn)行自適應(yīng)中值濾波，再進(jìn)行小波分解，以生成系數(shù)矩陣，對子帶的小波系數(shù)而言，可以利用中值濾波加以處理，并生成全新的系數(shù)矩陣，使用此矩陣重新構(gòu)建圖像。基于小波變換與自適應(yīng)中值濾波相結(jié)合的爐膛火焰圖像去噪算法流程具體如圖2所示。

圖2 算法流程

圖3 不同方向中值濾波

在經(jīng)過小波分解之后，圖像各個頻帶都會帶有一定的方向性，其中，HL子帶為基于行經(jīng)過低通濾波，基于列經(jīng)過高通濾波，然后獲得子圖像，其具備垂直邊緣方向性。LH子帶為圖像基于垂直方向經(jīng)過低通濾波器的高頻信息與水平方向經(jīng)過高通濾波器的低頻信息，其具備水平邊緣方向性。HH子帶為基于水平方向的低通濾波與垂直方向的高通濾波之后，獲取子圖像，其具備對角線邊緣方向性。把爐膛火焰圖像進(jìn)行三級小波分解之后，LL子帶選用低通濾波，LH子帶選用水平方向中值濾波，HL子帶選用垂直方向中值濾波，HH高頻子帶選用對角線中值濾波。然后，通過子帶小波系數(shù)重新構(gòu)建小波，以此獲得去噪圖像。具體如圖3所示[6-7]。

3 實驗結(jié)果討論與分析

采用 Intel CPU Pentium 43.2 GHz，2 GB 內(nèi)存，Matlab2012作為實驗平臺。為了證明基于小波變換與自適應(yīng)中值濾波相結(jié)合的爐膛火焰圖像去噪方法的科學(xué)性與有效性，選擇數(shù)字圖像處理實驗的代表性標(biāo)準(zhǔn)圖片Lena灰度圖像進(jìn)行實驗，圖像大小為512×512，從中添加0.02強度的高斯噪聲與0.05強度的脈沖噪聲相混合的噪聲，采用VisuShinrk算法、高斯混合模型算法以及小波變換與中值濾波相結(jié)合算法對含混合噪聲的圖像進(jìn)行去噪處理[8]。具體實驗結(jié)果如表1所示。

表1 三種方式對Lena圖去除混合噪聲實驗結(jié)果

從中可知，這三種方法中，小波變換與中值濾波相結(jié)合的算法均方誤差（MSE）是最小的，峰值信噪比（PSNR）是最大的，所以，此算法在去除混合噪聲中的效果最佳，具有非常突出的去噪能力，而且從表中還可以看出，高斯混合模型算法的去除混合噪聲效果明顯優(yōu)于VisuShinrk算法。并且，采取這三種方法，小波變換與中值濾波相結(jié)合的算法的圖像視覺效果最佳，而且能夠相對徹底清除干凈高斯噪聲與脈沖噪聲，其中的紋理細(xì)節(jié)處理的也非常清晰，細(xì)節(jié)部分明顯可辨，邊緣部分保存也比較完整，去噪效果十分顯著[9-10]。

4 結(jié)論

總之，在圖像實際應(yīng)用中，會同時收高斯噪聲與椒鹽噪聲的污染，這樣的圖像中，不僅包括椒鹽噪聲，還包含高斯噪聲，對于這種含躁圖像的去噪處理，如果單獨利用中值濾波或者小波交換，根本無法根除噪聲，效果都不甚理想。本文通過實踐證明和實驗分析，得出結(jié)論，可以切實結(jié)合小波交換與中值濾波算法，以此形成混合濾波算法，進(jìn)行噪聲去除，可以先使用中值濾波去除椒鹽噪聲，再使用小波閾值濾波去除高斯噪聲，保持圖像的邊緣信息與細(xì)節(jié)部分，以實現(xiàn)去除所有爐膛火焰圖像噪聲的目標(biāo)。