抖動狀態(tài)下運動模糊圖像去噪濾波方法

何曉菊

摘 要： 針對抖動狀態(tài)下的運動模糊圖像去噪濾波一直存在效果不佳、誤差大的問題，提出并設(shè)計了基于最小化全變差與稀疏表示結(jié)合的抖動狀態(tài)下運動模糊圖像去噪濾波器。通過成像噪聲干擾及傳輸信道干擾兩方面對運動模糊圖像產(chǎn)生噪聲的原因進(jìn)行分析，確定抖動點，采用最小化全變差法構(gòu)建全變差去噪模型，并進(jìn)行加權(quán)平均，引入稀疏表示法構(gòu)建運動模糊圖像去噪濾波器模型，達(dá)到抖動狀態(tài)下運動模糊圖像去噪濾波器設(shè)計的目的。實驗結(jié)果表明，采用改進(jìn)去噪濾波器，相比傳統(tǒng)的去噪濾波器其去噪濾波誤差、效率等均有一定的優(yōu)勢。

關(guān)鍵詞： 抖動狀態(tài)； 運動模糊圖像； 圖像去噪； 濾波器設(shè)計

中圖分類號： TN919.85?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）23?0043?04

Abstract： Since the denoising filtering of motion blurred image under dithering condition has the problems of big error and poor effect， a denoising filter of motion blurred image under dithering condition is proposed and designed， which is based on the combination of the minimum total variation and sparse representation. The noise generation reason for the motion blurred image is analyzed in the aspects of imaging noise interference and channel transmission interference to determine the dithering point. The minimum total variation method is used to construct the total?variation denoising model， and the weighted average is carried out for the denoising model. The sparse representation method is introduced to construct the denoising filter model of the motion blurred image to realize the design of denoising filter of the motion blurred image under dithering condition. The experimental results show that， in comparison with the traditional denoising filters， the improved denoising filter has a certain advantages in the aspects of denoising filtering error and efficiency.

Keywords： dithering condition； motion blurred image； image denoising； filter design

0 引 言

隨著計算機(jī)技術(shù)應(yīng)用領(lǐng)域的不斷拓展[1]，由于大氣湍流中折射率的隨機(jī)不均勻分布，采集圖像時光束會在不均勻元上產(chǎn)生散射，對原來穩(wěn)定傳播的光束產(chǎn)生擾動，使得圖像受到抖動影響，形成運動模糊圖像[2?3]。在現(xiàn)實生活應(yīng)用中，大多數(shù)人都想看到高清的圖像，然而出于獲取圖像的相關(guān)設(shè)備存在一定局限性以及外界環(huán)境的干擾等問題，使人們難以捕獲高質(zhì)量的圖像，并扭曲了圖像的細(xì)節(jié)，甚至圖像會產(chǎn)生變形，導(dǎo)致圖像失去自身的使用價值[4?5]。為此對抖動狀態(tài)下的運動模糊圖像進(jìn)行去噪濾波顯得尤為重要，受到廣大學(xué)者的關(guān)注，也出現(xiàn)了很多好的方法。

文獻(xiàn)[6]提出改進(jìn)權(quán)重的運動模糊圖像去噪濾波器，在高斯加權(quán)的歐氏距離基礎(chǔ)上，結(jié)合相關(guān)系數(shù)衡量圖像鄰域間的相似性，將其應(yīng)用到圖像鄰域灰度矩陣間的相似性度量上，可更好地利用圖像鄰域間的相似性。通過對添加不同噪聲水平的圖像進(jìn)行測試，該方法存在去噪效率低的問題；文獻(xiàn)[7]提出基于二維經(jīng)驗?zāi)B(tài)分解自帶閾值估計的方法，通過對圖像進(jìn)行BEMD分解得到二維的內(nèi)蘊模函數(shù)子帶，利用高斯混合模型計算各子帶噪聲方差，獲得更準(zhǔn)確的閾值，通過自適應(yīng)算法分別設(shè)定各子帶閾值將噪聲濾除，但是該方法存在閾值函數(shù)變差較大的缺點。

針對上述問題的產(chǎn)生，提出基于最小化全變差與稀疏表示結(jié)合的抖動狀態(tài)下運動模糊圖像去噪濾波算法，實驗結(jié)果表明，采用改進(jìn)設(shè)計的抖動狀態(tài)下運動模糊濾波圖像去噪濾波器，較傳統(tǒng)的圖像去噪濾波器，其去噪濾波所需時間、效果均有一定的優(yōu)勢，實用性較強。

1 運動模糊圖像去噪形成問題分析

1.1 設(shè)備及環(huán)境因素影響

1.2 傳輸信道干擾影響

在分析傳輸信道干擾產(chǎn)生噪聲影響時，詳細(xì)評估閾值成為解決問題的關(guān)鍵。首先假設(shè)一個閾值[λ]求解其似然估計因數(shù)，然后利用相似然估計[λ]求得最終閾值函數(shù)，進(jìn)而獲取所設(shè)定的閾值。

綜上所述，在分析運動模糊圖像產(chǎn)生噪聲原因的基礎(chǔ)上，確定抖動點，采用最小化全變差法構(gòu)建全變差去噪模型，并進(jìn)行加權(quán)平均，引入稀疏表示法，構(gòu)建運動模糊圖像去噪濾波器模型，并進(jìn)行實驗對比分析。

3 實驗結(jié)果分析

3.1 實驗環(huán)境設(shè)置endprint

實驗在軟件Matlab平臺上進(jìn)行實驗分析，其實驗平臺為：HP Z600 Workstation，Intel coreTM 2 DUO CPU，2.40 GHz ， 7.98 GB內(nèi)存，Windows XP 操作系統(tǒng)。實驗以峰值信噪比為衡量標(biāo)準(zhǔn)進(jìn)行分析，峰值信噪比是信號處理領(lǐng)域廣泛使用的衡量標(biāo)準(zhǔn)，表示一個信號最大可能功率和影響它表示精度的噪聲功率的比值，常用單位為dB。

3.2 實驗結(jié)果分析

為了驗證設(shè)計的去噪濾波器在運動模糊圖像上的有效性及可行性，以二維經(jīng)驗?zāi)B(tài)分解法、局部相關(guān)系數(shù)法與改進(jìn)方法為對比，以均方誤差、去噪精度、去噪效果為對比進(jìn)行實驗分析，結(jié)果如圖1～圖3所示。

由圖1可知，采用二維經(jīng)驗?zāi)B(tài)分解法時，其均方誤差隨著信噪比的增加，其均方誤差逐漸增加，未出現(xiàn)下降的情況，誤差較大，達(dá)到約26.5%；采用局部相關(guān)系數(shù)法時，其均方誤差雖然隨著信噪比的增加而增加，但其整體均方誤差要比二維經(jīng)驗?zāi)B(tài)分解法降低了15.8%；采用改進(jìn)方法時，其均方誤差隨著信噪比的增加而增加，但相比二維經(jīng)驗?zāi)B(tài)分解法、局部相關(guān)系數(shù)法分別降低了18.5%，7.8%，具有一定的優(yōu)勢。這主要是因為在進(jìn)行去噪濾波之前，分別對成像環(huán)境產(chǎn)生的噪聲及傳輸信道產(chǎn)生的噪聲進(jìn)行分析、處理的原因。

由圖2可以看出，采用二維經(jīng)驗?zāi)B(tài)分解法時，其去噪精度隨著去噪時間的增加，其去噪精度逐漸增加，單在140～200 s時趨于平穩(wěn)，約為58.3%；采用局部相關(guān)系數(shù)法時，其去噪精度雖然隨著去噪時間的增加而增加，但其整體去噪精度在40 s開始就趨于穩(wěn)定，未出現(xiàn)太大波動，精度達(dá)到了38.9%；采用改進(jìn)方法時，其去噪精度隨著去噪時間的增加而增加，約為85.4%，相比二維經(jīng)驗?zāi)B(tài)分解法、局部相關(guān)系數(shù)法分別提高了27.1%，46.5%，具有一定的優(yōu)勢，這主要是因為在進(jìn)行去噪濾波之前，分別對成像環(huán)境產(chǎn)生的噪聲及傳輸信道產(chǎn)生的噪聲進(jìn)行分析、處理的原因。

由圖3對比可知，采用傳統(tǒng)方法進(jìn)行運動模糊圖像去噪濾波時，其濾波去噪后，雖然隨著時間的增加，信號波去噪效果有所提高，在一開始進(jìn)行濾波去噪時，其去噪效果不顯著；采用改進(jìn)濾波器進(jìn)行去噪時，其去噪效果較傳統(tǒng)濾波器去噪效果顯著，噪聲消除效果較好，信號波未出現(xiàn)雜質(zhì)粗糙的情況，具有一定優(yōu)勢。

4 結(jié) 論

針對傳統(tǒng)的去噪濾波器去噪效果不佳的問題，提出并設(shè)計了基于最小化全變差與稀疏表示結(jié)合的抖動狀態(tài)下運動模糊圖像去噪濾波器。經(jīng)實驗對比分析證明，采用改進(jìn)濾波器進(jìn)行去噪濾波，相比傳統(tǒng)濾波器，其濾波誤差降低，精度提高，效果較好，具有一定的優(yōu)勢。

參考文獻(xiàn)

[1] 寧陽，張云峰，何軍，等.基于有理函數(shù)的遙感水體污染圖像的自適應(yīng)插值[J].濟(jì)南大學(xué)學(xué)報（自然科學(xué)版），2016（2）：111?117.

[2] 張海鋒，胡春海.同態(tài)濾波與中值濾波相融合的散斑噪聲污染圖像恢復(fù)[J].激光雜志，2016（4）：77?79.

[3] 王杰飛，劉潔瑜，沈強，等.基于噪聲檢測的激光光斑圖像去噪方法[J].計算機(jī)應(yīng)用，2014，34（z2）：302?304.

[4] 許廷發(fā)，蘇暢，羅璇，等.基于梯度和小波變換的水下距離選通圖像去噪[J].中國光學(xué)，2016，9（3）：301?311.

[5] 喬鬧生，張奮.廣義全變分與巴特沃斯高通濾波融合圖像去噪[J].計算機(jī)工程與應(yīng)用，2014，50（19）：20?22.

[6] 李秋妮，晁愛農(nóng)，史德琴，等.一種新的小波半軟閾值圖像去噪方法[J].計算機(jī)工程與科學(xué)，2014，36（8）：1566?1570.

[7] 趙慶平，陳得寶，姜恩華，等.一種改進(jìn)權(quán)重的非局部均值圖像去噪算法[J].電子測量與儀器學(xué)報，2014，28（3）：334?339.

[8] 張寶華，劉鶴.采用子帶分量閾值估計的紅外圖像去噪方法[J].中國激光，2014，41（8）：224?231.

[9] 李艷曉，張磊，張紅剛，等.基于雙CCD探測的外場高精度激光光斑測試技術(shù)[J].紅外與激光工程，2015，44（1）：59?64.

[10] 吳澤楷，李恭強，王文濤，等.基于改進(jìn)圓擬合算法的激光光斑中心檢測[J].激光與紅外，2016，46（3）：346?350.

[11] 高世杰，盛磊，李一芒，等.基于多圖像傳感器的激光光斑采集與處理系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng)，2015，34（11）：92?95.endprint