一種用于自動調焦圖像的降噪方法

鄒昌帆,黃富瑜,朱曉兵,孫　明,馮志義

(1.中國人民解放軍軍械工程學院 電子與光學工程系,河北 石家莊　050003;

2.中國人民解放軍總裝駐揚州地區軍代室,江蘇 揚州　225009;

3.中國人民解放軍63861部隊,吉林 白城　137001)

?

一種用于自動調焦圖像的降噪方法

鄒昌帆1,2,黃富瑜1,朱曉兵3,孫明3,馮志義3

(1.中國人民解放軍軍械工程學院 電子與光學工程系,河北 石家莊050003;

2.中國人民解放軍總裝駐揚州地區軍代室,江蘇 揚州225009;

3.中國人民解放軍63861部隊,吉林 白城137001)

摘要：圖像清晰度評價是實現數字圖像自動調焦的關鍵,而調焦圖像降噪直接影響著圖像評價的準確性。為有效抑制調焦圖像中存在的兩類主要噪聲,結合椒鹽噪聲和高斯噪聲特點,綜合采用十字中值濾波法和維納濾波法實現了圖像降噪。實驗結果表明,相比于單一降噪方法,綜合方法不僅能最大程度地降低兩類噪聲,而且能較好地保護圖像細節,可作為自動調焦成像系統圖像預處理的主要方法。

關鍵詞：圖像降噪; 十字中值濾波; 維納濾波; 自動調焦

引言

在自動調焦圖像采集過程中,由于周圍環境雜波、成像器件工藝等因素會引入各種各樣的噪聲,使得圖像產生不同程度的模糊,由此影響到圖像的分析和評價,因此有必要對圖像進行預處理,以減少噪聲對圖像評價的影響。從噪聲類型上看,調焦圖像主要考慮椒鹽噪聲和高斯噪聲[1]。從頻域上看,圖像邊緣和噪聲都屬于高頻部分,如果降噪方法選擇不當,會在噪聲抑制的同時損失圖像邊緣信息,影響圖像評價的準確性。目前,典型圖像去噪方法主要有形態學濾波法、中值濾波法、高通濾波法、自適應濾波法、小波變換法等[2-4]。在這些算法中,有的運算量偏大,難以滿足實時目標檢測需求;有的只對特定噪聲效果較好,無法很好地處理多種噪聲。為此,針對調焦圖像中同時存在的椒鹽噪聲和高斯噪聲,本文集成中值濾波和維納濾波的優勢來進行噪聲抑制處理。

1調焦圖像噪聲

在經過圖像非均勻校正和盲元補償后,自動調焦成像系統輸出圖像的噪聲主要有[1]:與成像器件相關的暗電流噪聲;圖像采集時產生的椒鹽噪聲;阻性元器件內部產生的高斯噪聲。經黑色補償后,暗電流噪聲大大降低,因此,調焦圖像的主要噪聲變為后兩種。

椒鹽噪聲也稱脈沖噪聲,是由圖像傳感器、傳輸信道、解碼處理等產生的黑白相間的亮暗點噪聲[5],其噪聲概率密度定義為[6]

(1)

式中:a和b為圖像像素灰度值。假定b>a,則灰度值為a的像素將以概率pa在圖像中顯示為暗點(胡椒微粒),灰度值為b的像素將以概率pb在圖像中顯示為亮點(鹽粉微粒),兩者構成椒鹽噪聲。

高斯噪聲也稱為正態噪聲[6],是一類概率密度函數服從正態分布的噪聲,其概率密度函數為

(2)

式中:z為圖像灰度值;μ為z的期望值;σ為z的標準差。

2綜合中值濾波和維納濾波的降噪理論

中值濾波[7]是一種典型的低通濾波器,屬于兼顧去噪和圖像邊緣保護的非線性濾波技術,它對干擾脈沖和點狀噪聲具有較好的抑制作用,非常適于椒鹽噪聲的濾除。其基本原理是把數字圖像或者數字序列中一點的值用該點鄰域各點的均值代替。對于二維數字圖像進行中值濾波時,其濾波窗口也是二維的,且窗口有多種形狀[1],如線性、方形、圓形、十字形等,如圖1所示,一般需要根據實際情況選取不同的濾波窗口。圖像中任一像素點f(i,j)的中值濾波值為該點鄰域窗口內所有像素點灰度值的平均值,定義為

(3)

式中:S為像素點f(i,j)的N×N鄰域;Median為取均值操作。

圖1　常用中值濾波窗口

在實際應用中,濾波窗口尺寸一般選用3×3、5×5大小,取決于濾波要求。對于緩變的長輪廓物體圖像,方形或圓形濾波窗口效果較好,而對于包含尖角物體的圖像,十字形窗口效果較好。根據目標特性和算法性能需要,本文選用十字中值濾波法對椒鹽噪聲進行抑制。

(4)

在頻域上,式(4)可表示為

(5)

3降噪效果與分析

3.1十字中值濾波效果與分析

利用中值濾波法和鄰域均值濾波法分別對加椒鹽噪聲后的圖像進行處理,部分效果圖見圖2,不同濾波方法對不同大小圖像的濾波處理時間見表1。

圖2　不同濾波法對椒鹽噪聲的處理效果(圖像大小640×512)

濾波方法計算時間/ms160×128320×256640×5121280×1024鄰域均值濾波0.250.963.6014.00方形中值濾波(3×3)0.361.405.5021.02十字中值濾波(3×3)0.261.003.7014.50

從圖2和表1可以看出:鄰域均值濾波法對噪聲處理效果一般,效果圖中仍有噪聲存在,而且整幅圖像變模糊;中值濾波法在平滑噪聲的同時很好地保護了圖像輪廓信息,圖像細節得到了很好的保留;方形中值濾波效果要優于十字中值濾波效果,但后者運算速度要明顯快于前者,而且后者濾波后圖像噪聲在可接受范圍內,因此,十字中值濾波法更適用于實時性要求較高的調焦圖像降噪。

3.2維納濾波效果與分析

利用高斯濾波法和鄰域均值濾波法分別對加高斯噪聲后的圖像進行處理,處理效果如圖3所示?？梢钥闯?鄰域濾波法和維納濾波法都對高斯噪聲有去噪效果,但鄰域濾波后,圖像變得模糊不清,對圖像質量影響較大,而維納濾波后的圖像噪聲水平更低,并且圖像細節沒有遭到破壞,說明了維納濾波對高斯噪聲抑制的有效性。

圖3　不同濾波法對高斯噪聲的處理效果

3.3綜合濾波效果與分析

綜合濾波是兼顧十字中值濾波法和維納濾波法的優勢,對同時含有椒鹽噪聲和高斯噪聲的圖像進行處理的方法,具體處理效果如圖4所示。圖4(a)為原始圖像;圖4(b)為含有兩種噪聲的混合噪聲圖像;圖4(c)和圖4(d)分別為單獨采用十字中值濾波和維納濾波處理后的圖像;圖4(e)為綜合兩種方法濾波后的圖像。由圖4(e)和圖4(c)、圖4(d)可以看出:單一濾波方法并不能有效去噪,濾波圖像中仍殘留噪聲,這是由不同噪聲的性質和不同濾波器的設計目標決定的;分別采用十字中值濾波和維納濾波對混合噪聲圖像處理后,圖像噪聲得到了最大程度的抑制,而且圖像細節也沒有過多丟失,有利于后續圖像質量評價工作的開展。

圖4　不同濾波法對混合噪聲的處理效果

4結論

針對自動調焦圖像中椒鹽噪聲和高斯噪聲的抑制問題,本文兼顧十字濾波法和維納濾波法的各自優勢,采用綜合濾波方法對兩類噪聲進行了降噪處理,取得了較好的效果。降噪實驗表明:與其他濾波法相比,十字濾波法對椒鹽噪聲具有非常好的處理效果,并且算法實時性較好;維納濾波法有效濾除了圖像中存在的高斯噪聲;本文采用的綜合濾波方法即對兩類噪聲進行了最大程度抑制,又沒有過多造成圖像細節的丟失,這為后續基于圖像質量評價的自動調焦設計打下了基礎。

參考文獻：

[1]莫春紅.基于圖像處理的自動調焦技術研究[D].西安:中國科學院研究生院(西安光學精密機械研究所),2013.

[2]卓寧,孫華燕,張海江.紅外圖像中弱小目標檢測算法概述[J].光學儀器,2005,27(4):83-86.

[3]田毅龍,李志軍,王衛華,等.基于雙核判決的紅外小目標檢測方法[J].紅外技術,2012,34(7):398-403.

[4]豆根生.紅外弱小目標圖像預處理及分割方法的研究[J].科學技術與工程,2008,8(18):5313-5317.

[5]王婷,吳亞峰,李仕云.一種椒鹽噪聲點的檢測算法技術研究[J].聲學技術,2007,26(6):1245-1247.

[6]GONZALEZ R C,WOODS R E.數字圖像處理[M].阮秋奇，阮宇智，譯.北京:電子工業出版社,2008.

[7]王群,何永強,周云川.基于中值濾波和生物仿生學的圖像增強研究[J].光電技術應用,2011,26(5):51-54.

[8]劉莉,談文蓉.一種基于PCNN的有效去除高斯噪聲的方法[J].西南民族大學學報(自然科學版),2012,38(4):642-647.

[9]金飛,張彬,司璇,等.基于維納濾波的圖像復原[J].中國傳媒大學學報(自然科學版),2011,18(4):19-23.

[10]劉惠敏,劉繁明,夏琳琳.基于維納濾波的圖像邊緣檢測方法[J].工程圖學學報,2008(6):91-95.

(編輯:劉鐵英)

A noise suppression method for automatic focusing image

ZOUChangfan1,2,HUANGFuyu1,ZHUXiaobing3,SUNMing3,FENGZhiyi3

(1.Department of Electronic and Optical Engineering,Ordnance Engineering College of PLA, Shijiazhuang 050003, China;2.Yangzhou Military Representative Office,the General Armament Department of PLA, Yangzhou 225009, China;3.Unit 63861 of PLA,Baicheng 137001, China)

Abstract：The articulation evaluation is one factor for the automatic focusing of digital images, and the noise suppression of automatic focusing image directly affects the accuracy of image evaluation. To suppress the two main noises of salt/pepper noise and Gaussian noise, the method integrating cross median filtering and Wiener filtering is adopted. The results show that compared with the single noise suppression method, this integrated approach not only can decrease the two kinds of noises smoothly, but also can protect the image details. The proposed method can be used as image preprocessing for the automatic focusing imaging system.

Keywords：image noise suppression; cross median filtering; Wiener filtering; automatic focusing

中圖分類號：TP 911.73

文獻標志碼：A

doi：10.3969/j.issn.1005-5630.2016.01.010

作者簡介：鄒昌帆(1985—),男,碩士研究生,主要從事光電成像理論與應用方面的研究。E-mail:zcfoptics@163.com通信作者： 黃富瑜(1985—),男,講師,主要從事光電對抗和圖像信息處理的研究。E-mail:submitoptics@163.com

收稿日期：2015-04-30