黃梅玲,陳國棟,張神德,佘明磊,林進潯

(1.福州大學(xué)物理與信息工程學(xué)院,福建 福州 350108;2.福建數(shù)博訊信息科技有限公司,福建 福州 350002)

0 引 言

塔吊坍塌、塔吊平衡臂折斷、塔吊司機室墜落等會危害人的生命財產(chǎn)安全。特別注意的是，在頻發(fā)的塔吊架體斷裂和塔吊大臂折斷的事故中，往往都是因為標(biāo)準(zhǔn)節(jié)或者其他焊接部位出現(xiàn)了裂紋，或者因為發(fā)生了彎曲和變形[1]。因此，對塔吊裂縫的定量分析更應(yīng)該要不斷跟進。

在通過各種的目標(biāo)檢測算法定位得到目標(biāo)區(qū)域圖像后，我們就需要對提取到的圖像進行圖像處理，從而獲取良好的數(shù)據(jù)定量分析。由于目標(biāo)檢測算法捕捉到的圖像攜帶有各種噪聲，比如常見的高斯噪聲、椒鹽噪聲等等，都會影響最終的數(shù)據(jù)定量分析。為了消除目標(biāo)圖像中的噪點，需要對捕捉到的目標(biāo)有噪圖像，進行圖像濾波，實現(xiàn)降噪的目的。在進行更為復(fù)雜的圖像處理之前，首先要對圖像進行去噪處理[2]。在消除噪點的同時，要保證不能對塔吊裂縫的細節(jié)模糊化。對比了空間域的高斯濾波和引導(dǎo)濾波，以及變換域的小波去噪的優(yōu)缺點，最終采取了目前降噪效果最好的BM3D算法來實現(xiàn)對裂縫圖像的去噪。實驗結(jié)果表明，結(jié)合了空域的NLM算法和變換域的小波萎縮算法的BM3D算法可以得到最佳的降噪圖像，提高后續(xù)實驗結(jié)果的準(zhǔn)確性。將BM3D降噪算法應(yīng)用到工地的塔吊裂縫識別中的圖像處理上，具有很好的現(xiàn)實意義。

1 BM3D算法介紹

一般，我們觀察到的塔吊裂縫噪聲圖像都是等于圖像真值加上圖像噪聲。最常見的噪聲就是均值為0、方差為σ2的加性高斯噪聲，以及在圖像上表現(xiàn)為隨機分布的黑白點的椒鹽噪聲(椒鹽噪聲可以通過中值濾波消除)[3]?？臻g域濾波器有兩大類，一類是局部濾波器(含線性和非線性)，另一類是非局部濾波器。如高斯濾波為局部線性，而中值濾波器為局部非線性。中值濾波顧名思義就是采納中間灰度值作為最終的灰度數(shù)值，對初始選定的參考像素的四周鄰域的像素灰度值進行排序(5×5共二十五個)，并將位于中間的數(shù)值作為參考像素的最終灰度值。因為受到椒鹽噪聲影響的像素的灰度值通常都非常大或者非常小，通過排序會被消除掉。而高斯濾波則是將均值濾波中的平均值改為高斯加權(quán)平均值，四周鄰域中距離參考像素越遠的像素灰度值的權(quán)重越小[4]。

為了得到一幅帶有清晰的塔吊裂縫的圖像，我們在啟用各種不同的降噪算法的時候，要在最大限度地保證裂縫信息的完整度的同時，又能夠盡量地去除圖像中的干擾部分。使用中值濾波處理帶有椒鹽噪聲的裂縫圖像時，往往出現(xiàn)裂縫邊緣模糊的現(xiàn)象，這就是因為降噪的時候一并把裂縫的細節(jié)或者邊緣的部分去掉了。此外，小波變換降噪的速度比較慢，實時運行會比較困難；時域的NLM去噪算法中的非局部塊匹配部分，L2距離計算費時費力。提出了一種更高級的非局部去噪算法BM3D。

1.1 BM3D算法背景

空間域的非局部均值降噪方法NLM(non-local means)的思路是利用整幅圖像中相似像素的灰度值來代替當(dāng)前像素的灰度值，所謂相似度可以用歐拉距離來衡量兩個鄰域像素。

BM3D算法對NLM進行了優(yōu)化，吸收了其精華部分即非局部塊匹配，利用參考圖像塊在整幅圖像中根據(jù)“空間相似性”尋找相似區(qū)域。在捕捉相似塊的過程中，BM3D不再采用難以計算的歐式距離，而是選取一個閾值，將參考像素四周的灰度值與閾值相比，只把比閾值小的灰度值清零并舍去，實現(xiàn)硬閾值線性變換。在完成第一步搜索后，NLM對相似塊簡單地在空間域做了加權(quán)平均的均值處理，引入了相似塊的噪聲；而BM3D經(jīng)過協(xié)同濾波的處理，可以減小相似塊的固有噪聲，接著將相似塊域轉(zhuǎn)換，然后在聚合的過程中再進行下一步的加權(quán)處理，最終生成去噪后的捕捉塊。吸取了NLM求相似塊的思路，又融合了小波閾值收縮算法的便捷[5]，BM3D算法的去噪效果對于工地上塔吊裂縫圖像的檢測十分具有借鑒和應(yīng)用意義。

1.2 BM3D算法原理

BM3D算法整體含兩個大步驟，分別是基礎(chǔ)估計階段和最終降噪過程[6]。BM3D算法流程圖如圖1所示。

圖1 BM3D算法流程圖

當(dāng)面對一幅有噪裂縫圖像z時，如公式(1)：

z(x)=y(x)+λ(x),x∈X,

(1)

其中，x是二維圖像坐標(biāo)，屬于空間域X，而y是真實圖像，λ是服從方差為σ2、均值為0的高斯噪聲N(0,σ2)。為了區(qū)分，使用角標(biāo)ht(hard-thresholding)和wie(Wiener ltering)來區(qū)分第一步和第二步的結(jié)果。

(1)基礎(chǔ)估計：將圖像分割成塊，并逐塊估計。

分組：構(gòu)造N1×N1大小的二維凱撒窗，在裂縫圖像上按照規(guī)定的步長移動并搜索圖像塊。假設(shè)初始選中的位于當(dāng)前坐標(biāo)xR∈X的圖像塊R表示為ZxR,并定義為“參考塊”。在相似圖像塊搜索過程中，滑動窗選中的塊Q的坐標(biāo)為x，為了避免理想距離大于閾值的塊被匹配為相似塊，而理想距離小于閾值的塊被剔除，進一步修改成采用粗預(yù)過濾來測量塊距離。即對兩個圖像塊使用歸一化二維線性變換，然后將得到的系數(shù)進行硬閾值，則塊距離公式定義為兩個塊對應(yīng)的矩陣數(shù)值差的模除以圖像塊的大小，如公式(2)：

(2)

(3)

(4)

其中，要利用硬閾值估計公式，調(diào)整變換系數(shù)來去除噪聲，再執(zhí)行逆三維變換，如公式(5)：

(5)

接著，對上面疊加形成的三維數(shù)組，運用硬閾值法進行協(xié)同濾波。由于裂縫圖像的大部分真實信息都集中在三維矩陣較大值處，而高斯噪聲或椒鹽噪聲往往集中在較小值處，因此，硬閾值濾波能夠在有效去除噪聲的同時，最大限度地保留裂縫圖像的真實信息[7]。

(6)

因為某個像元z可能會一些圖像塊中重復(fù)捕捉，因此要對這些重疊的塊估計值進行加權(quán)平均，來得到z的基礎(chǔ)估計值，如計算公式(7)：

(7)

(8)

(2)最終估計：對第一步得到的基礎(chǔ)圖像進行再一次的分塊并逐塊估計。

協(xié)同維納濾波：對兩個三維矩陣都進行新的三維變換κ3D，具體包括了二維DCT余弦變換，以及一維Haar小波變換，用第一步基礎(chǔ)降噪新生成的三維矩陣對原圖像對應(yīng)的原三維矩陣實行維納濾波過程，得到最終的估計權(quán)值，如公式(9)：

(9)

聚集：同理，要對這些估計塊統(tǒng)一進行加權(quán)平均來得到z的最終估計值，如公式(10)：

(10)

由此，就得到了一幅有噪裂縫圖像的最終估計結(jié)果。

2 實驗分析

2.1 數(shù)據(jù)采集及計算平臺

實驗的操作系統(tǒng)是windos10，核心算法采用pycharm軟件在PC機上編程實現(xiàn)，數(shù)據(jù)集來自福州數(shù)博訊軟件開發(fā)有限公司提供的塔吊裂縫圖像。對高斯濾波、快速導(dǎo)向濾波、BM3D進行驗證，得到的數(shù)據(jù)和運行結(jié)果如圖2-圖5、表2-表5所示。

表5 不同程度的噪聲下濾波器最終估計對指標(biāo)的改善

圖2 原圖對比高斯噪聲圖

圖3 高斯噪聲濾波效果對比

圖4 原圖對比椒鹽噪聲圖

圖5 椒鹽噪聲濾波效果對比

采用圖像質(zhì)量評價客觀指標(biāo)(峰值)信號與噪聲的比值來衡量實驗結(jié)果[8]。值越大，表示裂縫圖像的還原度越好。

實驗在64位Window 10操作系統(tǒng)上進行，實驗具體環(huán)境配置如表1所示。

表1 實驗運行環(huán)境

2.2 實驗效果對比

在收集到的關(guān)于塔吊裂縫的圖像中，原始圖像沒有太多的高斯噪聲，這時候可以選擇不用全部應(yīng)用BM3D的兩步降噪，節(jié)約時間。此時，可以要么只進行基礎(chǔ)降噪，利用硬閾值以及三維變換，再進行加權(quán)平均；要么跳過基礎(chǔ)降噪，直接進入維納濾波，都能夠獲取較好的效果圖[9]。以下的降噪結(jié)果表明，不僅裂縫旁邊的地面上的冗余的高斯噪聲幾乎被去除干凈，而且裂縫的細節(jié)邊緣清晰可見，裂縫紋理跟原圖相差無幾。

3 塔吊裂縫實驗結(jié)果

將BM3D濾波的實驗結(jié)果圖，進行SNR測試。實驗證明有噪裂縫圖像經(jīng)過BM3D降噪后，SNR和PSNR都提高。

具體的SNR數(shù)值實驗結(jié)果如表2所示。

表2 高斯/椒鹽噪聲背景下濾波器對信噪比的改善

在實際運用中最常見的還是高斯噪聲，并且噪聲值一般不會很大，當(dāng)σ小于50的情況下，BM3D的優(yōu)化效果都很好[10]。通過調(diào)整BM3D的噪聲參數(shù)σ可以得到不同的降噪效果。

表3 不同高斯噪聲大小的裂縫圖像指標(biāo)

表4 不同程度的噪聲下濾波器基礎(chǔ)估計對指標(biāo)的改善

通過分析實驗表格的實驗結(jié)果，可以發(fā)現(xiàn)BM3D的降噪效果還是比較優(yōu)秀的。實際應(yīng)用中，噪聲小的情況下，例如噪聲值小于30，有噪圖像和原圖對比起來，只有比較小的差別，此時使用BM3D的基礎(chǔ)估計就可以得到比較好的降噪圖。當(dāng)然在噪聲大的情況下，BM3D依舊比其他的濾波器表現(xiàn)的好。

4 結(jié) 語

將BM3D降噪算法應(yīng)用在工地上的塔吊安全檢測中，相比其他濾波器，提高了塔吊裂縫圖像識別的準(zhǔn)確度和精度。實驗結(jié)果表明，無論在噪聲小還是噪聲大的情況下，BM3D算法在裂縫圖像降噪的效果上表現(xiàn)良好，不僅去除大部分的冗余噪聲，還能最大限度地保留了裂縫邊緣細節(jié)，證明了BM3D在圖像降噪上的重要性，以及在實際工地施工中對塔吊裂縫識別的實用性。該算法主要的運算量集中在相似塊的搜索和匹配上，其復(fù)雜度是NL-Means的3倍，處理一張圖片要等待長達幾分鐘的時間，所以暫時還不能做到實時處理，距離真正意義上的實用還是有一定的改進距離，未來的研究方向需要進一步考慮如何在精度和速度的天平上保持最佳平衡。為了切實加強未來的塔吊安全管理，應(yīng)當(dāng)同時提高塔吊裂縫圖像檢測的精度和速度，以便最大限度保證圖像降噪的良好效果以及算法的實用性，從而真正意義上降低塔吊存在的隱患。