BM3D去噪算法在儀表圖像識別中的應用

陳 波，丁 寧，邊 境， 孫慧媛

（1.國網浙江省電力有限公司電力科學研究院，杭州 310014；2.杭州意能電力技術有限公司，杭州 310012；3.浙江理工大學，杭州 310007）

0 引言

目前，電力巡檢一般采用人工方式，通過人工抄表記錄對發電廠設備進行依次排查。發電廠或變電站內設備種類多，數量龐大，工作人員巡檢一次需要花費很長時間，而且人工記錄大量數據容易出現差錯，所以人工巡檢的人力成本很高且效果難以保證。為解決人工巡檢中遇到的問題，同時又避免更新設備帶來高昂的費用，使用自主巡檢機器人是解決這一問題的最佳途徑之一。自主巡檢機器人通過其搭載的高清攝像頭、紅外熱成像儀等數據采集設備獲取電廠儀表設備的狀態圖像，然后通過圖像定位和識別算法識別當前設備的狀態信息，從而判斷當前巡檢設備是否發生異常。

自主巡檢機器人不受天氣因素的影響，在一定程度上代替工作人員對各種設備進行巡檢，有效降低運維人員巡視強度和安全風險。然而巡檢機器人在采集圖像過程中，圖像掃描設備受外界影響將不可避免的產生噪聲，從而使得圖像降質[1-2]。降質圖像將直接影響到后續圖像處理的結果，如特征提取、圖像分割、圖像識別等。因此在后續的圖像處理操作之前進行圖像去噪處理是非常必要的，而圖像去噪一直是數字圖像處理和計算機視覺的研究熱點。

近年來，針對圖像噪聲問題，專家學者提出了大量的模型和方法。常見的傳統去噪方法有均值濾波法、中值濾波法、維納濾波法等，這些方法雖然能濾除噪聲，但同時也會平滑圖像中的高頻信息[3]。因此，有必要尋找一種去噪方法，在去除噪聲的同時保留圖像的細節特征。本文采用的BM3D（三維塊匹配）去噪算法是一種將非局部思想與變換域方法成功結合的圖像去噪方法，是目前去噪效果最好的方法之一[4]。BM3D算法通過分割圖像塊，并將相似塊匹配分組，后在變換域中去噪，算法性能與圖像的相似性有一定關聯[5]。將它應用于儀表圖像去噪，能夠得到較好的效果。

1 BM3D去噪算法

BM3D算法提出了一種新的圖像去噪方法，基于塊匹配三維變換域濾波[6]。它不僅利用圖像的自相似性和冗余性等信息，而且結合了變換域的閾值方法，是一種多尺度、非局部的去噪技術，廣泛應用于視頻及圖像的去噪[7-8]。主要分為兩個步驟：第一步是基礎估計；第二步是最終去噪，基礎估計為最終去噪提供權值參數。該方法的算法流程如圖1所示。

第一步，基礎估計。首先將儀表噪聲圖像I1分割成若干個K×K大小的參照塊，取圖像中某一參考塊記為P，然后以該參考塊為中心選取搜索直徑為n的方形區域作為搜索區域。在該區域內搜索與其差異度最小的塊，搜索過程中的滑窗塊用Q表示，把搜索到的塊及其本身整合成一個三維矩陣TP。

尋找相似塊這一過程可用公式來表示：

圖1 BM3D算法流程

其次，將三維矩陣TP中的二維矩陣即噪聲圖像中的圖像塊進行二維Bior小波硬閾值收縮和矩陣第三個維度上進行Haar小波變換。公式如下：

利用如下硬閾值處理，對γ進行調整：

式中：λ3D為硬閥值濾波的閥值參數；σ為噪聲的標準差，代表噪聲的強度；x為圖像塊的矩陣值，用所在圖像塊左上頂點坐標表示。

然后通過在第三維的一維反變換和二維反變換得到處理后的圖像塊。至此，每個二維塊都是對去噪圖像的估計，最后將各圖像塊恢復到其原來的位置。

最后，對于某一像素點可能在多個圖像塊中出現，需要對有重疊的圖像塊估計值加權平均得到該像素點的基礎估計值[9-12]，公式如下：

式中：Q為含像素點的所有圖像塊；RPQ為任一集合G（P）中含像素點i的圖像塊Q的估計值RPQ=；ωP為圖像塊的基礎估計權值，；NP為圖像塊經過硬閾值處理后矩陣數值中的非零個數。

第二步，最終估計。對基礎估計后的圖像再次進行分組并逐塊估計。

類似于基礎估計的圖像分組，首先，對基礎估計得到的圖片再次進行圖像塊分組，此時將會得到兩個三維數組：噪聲圖形成的三維矩陣TP和基礎估計結果的三維矩陣TP′。

然后，將得到的兩個三維矩陣均進行二維變換和一維變換，這里的二維變換采用DCT余弦變換。以基礎估計結果的三維矩陣TP′對原始含噪圖片的三維矩陣TP進行維納濾波，得到最終的估計權值，將各圖像塊恢復到其原來的位置。

最后，與上一步一樣，通過對重疊的圖像塊估計值加權平均得到像素點i的最終估計值：

通過基礎估計、最終估計形成的BM3D算法去噪后的圖像達到了很好的去噪效果，尤其是圖像的細節得到了很好的還原與細化[12]。

2 試驗結果與分析

為了驗證以上去噪方法的性能，本文分別記錄了中值濾波、維納濾波、均值濾波以及BM3D去噪方法4種去噪方法的峰值信噪比和結構相似性。峰值信噪比是衡量去噪圖片質量的常用定量指標，結構相似性是兩幅圖像相似性的指標。對于噪聲圖像I和去噪結果圖像R，峰值信噪比的定義為：

圖片的結構相似性定義為：

為了對比不同去噪算法的性能，試驗中對壓力表圖像和壓差表圖像分別施加圖像噪聲σ=10，σ=20以及σ=30，對BM3D算法與其他幾種傳統的濾波算法進行了比較，其中中值濾波、均值濾波和維納濾波都采用3×3濾波模板。表1給出了對不同圖像施加不同噪聲時幾種去噪算法的比較，從表1的試驗數據可以看出，相對于傳統的圖像去噪算法，BM3D的去噪效果最好，得到的去噪結果圖與原圖像最相似。

對幾種去噪算法的主觀評價如圖2—4所示。

3 結語

本文將BM3D去噪算法應用于發電廠儀表圖像識別的去噪。該方法先將含有噪聲的圖像分塊并根據塊匹配生成三維矩陣，然后在三維變化域去噪，最后逆變換還原圖像。試驗結果表明，利用BM3D算法對儀表圖像進行噪聲去除能取得較好的效果。通過與傳統去噪方法的比較發現BM3D算法有明顯的優勢，但時間復雜度更高。

表1 不同方法去噪結果的PNSR和SSIM指標對比

圖2 σ=10時幾種去噪算法的比較

圖3 σ=20時幾種去噪算法的比較

圖4 σ=30時幾種去噪算法的比較