一種小波改進算法電力設備紅外圖像去噪方法

劉星潔,侯 娟,任秀敏

（鄭州電力高等專科學校,鄭州 450000）

一種小波改進算法電力設備紅外圖像去噪方法

劉星潔,侯 娟,任秀敏

（鄭州電力高等專科學校,鄭州 450000）

針對電力設備圖像中的散斑噪聲，提出一種小波改進算法電力設備超聲圖像去噪方法。紅外圖像質量下降的主要原因是噪聲的污染，本文將紅外圖像轉化到小波域，利用改進的閾值函數處理各小波系數。本文所用閾值函數較較以往方法有較好的連續性。處理斷路器局部過熱的紅外圖像結果表明，該方法在去除噪聲的同時可以較好的保留邊緣及部分細節。

電力設備紅外圖像；小波變換；貝葉斯；去噪；閾值函數

1 引言

目前，紅外技術因其靈敏度高，實時性強等優勢廣泛應用于電力設備監測與故障診斷中。但在采集紅外圖像的過程中受探測器噪聲、各種電子器件噪聲的影響，獲得圖片的同時夾雜了很多噪聲。由于噪聲，嚴重到紅外圖像特征提取和人工識別的準確性。

傳統的紅外圖像去噪技術主要可分為空域濾波和頻域濾波。空域濾波主要用在空域上用模板或者卷積對圖像進行處理。頻域濾波是依據噪聲多表現在高頻的原理，通過去除或者處理高頻部分來抑制噪聲。傳統處理方法不具有自適應性，濾除斑點噪聲的同時，丟失圖像中細節，邊緣模糊。

近年來，小波變換在圖像處理領域應用的較為廣泛。因軟閾值函數連續性好，依據貝葉斯軟閾值去噪算法[7]比較有效。但是，小波系數的減少對邊界有一定的模糊及失真。文獻[1-2]改進了軟閾值函數，文獻[1]提出的線性濾波器，在閾值點處上升過快、不夠平滑，處理后的紅外圖像會出現模糊或振鈴現象；文獻[2]閾值函數不具有自適應性，去噪效果不夠理想。

基于此，本文提出一種小波改進算法的圖像去噪方法。處理大量電力設備紅外圖像的結果顯示該方法不僅有更好的紅外圖像去噪聲能力，同時不會模糊邊緣。

2 紅外圖像散斑噪聲模型和小波變換

首先要建立噪聲模型，Jain[3]提出如下模型描述：

因加性噪聲對紅外圖像的影響很小，可以忽略aη，則：

使用對數變換將乘性噪聲轉化為加性噪聲[4]，

對式（3）做小波變換：

3 貝葉斯軟閾值去噪

圖像處理學界，小波子帶的系數分布通常用廣義高斯分布[5]（GGD）來描述。可表達為：

其中：

Chang[6]等人在此基礎上提出了BayesShrink閾值：

因在實際中子帶圖像一般為β值小于0.5的廣義高斯分布[7]。將式（8）做改進[8]：

用Donoho提出的魯棒中值來估計噪聲方差2nσ：

4 改進的閾值函數

硬閾值函數處理后的圖像易出現的振鈴及偽吉布斯效應。軟閾值函數，進行小波貝葉斯閾值去噪后，圖像會相對平滑但因為參數值固定不具有自適應性，處理后的圖像仍有偏差和不連續性。為了改善這些缺陷，本文將采用一種文獻[9]提出的新閾值函數[9]，該閾值函數具有一定的自適應性。

其中，β為大于0，在實際的應用中β可取一個適中的值。

圖1用圖像展示了改進閾值函數與硬閾值函數和軟閾值函數的曲線。易見改進的函數曲線在拐點處比較連續平滑且小波系數保留的更好[9]。

圖1 新閾值函數與硬閾值、軟閾值函數比較

5 去噪算法流程

步驟一：將實驗圖像做對數變換，變換后的結果做小波分解；

步驟二：保留低頻小波系數，用新閾值函數處理各高頻細節子帶小波系數；

步驟三：將處理后的高頻小波系數和低頻的小波系數（未處理）進行小波逆變換；

步驟四：小波逆變換后的結果做指數變換，還原得去噪后的圖像。

6 本文算法與其它去噪算法的比較分析

實驗1：斷路器局部過熱圖像去噪效果比較。小波處理時，采用sym4小波為4層，(16)式中β取5。

圖2為原圖及四種方法對比圖，貝葉斯改進閾值處理的結果在去燥和邊緣保持上明顯優于前三種方法。

圖2 斷路器局部過熱去噪效果比較

表1為實驗1原始圖像與去噪后的圖像峰值信噪比和邊緣保持度，表1結果顯示：新方法信噪比高，圖片邊緣細節丟失較少。

表1 實驗1斷路器局部過熱圖像去噪后的評價指標

7 結論

本文運用新的閾值函數對小波系數處理，提出一種小波改進算法電力設備超聲圖像去噪方法研究了。該方法提高了圖像的去噪能力，得到了更高的PSNR和β評價指標。本次研究具有一定的實用性但仍然有少量小細節丟失現象需進一步改進和研究。

[1]SAHRAEIAN S M,MARVASTI F,SADATI N.Wavelet image denoising based on Improved thresholding neural network and cycle spinning[C].IEEE International Conference on Acoustics,Speech and Signal Processing,2007(01):585-588．

[2]沙俊名,劉澤乾,龐帥等.改進的小波閾值算法在紅外圖像去噪中的應用[J].彈箭與制導學報,2012,32(03):35-38.

[3]JAIN A K.Fundamentals of digital image process-sing[M].Englewood Cliffs,NJ:Prentice Hall,1989.

[4]ASERNAUT H,APRIL G.Properties of speckle integrated with a finite aperture and logarithmically tr-ansform[J]. Journal of the Optical Society of America,1976,66(11):1160-1163.

[5]KHALED Z A,YOUSSEF M K,KADAH Y M.Realtime speckle reduction and coherence enhancement in ultrasound imaging via nonlinear an isotropic diffusion[J].IEEE Transactions on Biomedical Engineering,2002,49(09):997-1014.

[6]CHANG S G,YU B,Vetterli M. Adaptive wavelet thresholding for images denoising and compression[J].IEEE Trans Image Pro cessing,2000,9(09):1532-1546.

[7]萬晟聰,楊新.基于自適應小波閾值的SAR圖像降噪[J].信號處理,2009,25(06):874-881.

[8]劉春明,張相芬.基于小波的醫學超聲圖像斑點噪聲抑制方法[J].中國醫學物理學雜志,2006,23(05):364-394.

[9]楊恢先,王緒四,謝鵬鶴等.改進閾值與尺度間相關的小波紅外圖像去噪[J].自動化學報,2011,37(10):1167-1174.

10.16640/j.cnki.37-1222/t.2018.01.101

鄭州電力高等專科學校校內項目(15)。

劉星潔,女,講師,主要研究方向:圖像處理、模式識別、信號處理。