架空電力線路紅外圖像降噪方法研究

張麗英

（黑龍江工商學院電子系，黑龍江 哈爾濱 150000）

1 研究背景與圖像處理流程

架空線路由于其特殊的地理特性，且當線路、元件等出現發熱等故障時，人眼很難直接辨別，需根據其紅外圖像溫度圖譜進行故障判斷，因此通常電力工作人員日常巡檢借助無人機搭載紅外相機航拍完成。由于無人機處于不斷運動中，通過紅外成像儀采集到的圖像信息會受到許多噪聲和運動模糊的影響，從而使圖像信息失真、畸變、模糊或混入噪聲。同時，在空中進行拍攝極易受到光照影響，曝光程度也會使圖像出現明暗不均的情況，導致無法從圖像中得到準確信息，為后面的診斷工作帶來不便。因此，對所采集到的紅外圖像進行處理工作是十分必要的，主要改善從圖像的噪聲干擾和畫面模糊等問題，提高畫面清晰度，為下一步的判斷提供理論依據，避免由于畫面模糊等干擾因素，導致故障誤判、漏判。因此，此項研究對于架空線路的安全運行意義重大。

計算機在進行圖像處理時，由于顏色本身非常容易受到光照等因素的影響，RGB 彩色圖像難以提供所有的關鍵信息，通常先將RGB 圖片進行灰度處理，此外，RBG 圖像上的噪聲在灰度化后會表現的更明顯，因此在進行圖像降噪之前，需對RGB 彩色圖像進行灰度處理。進一步對灰度化后的圖像進行降噪處理，最大限度的還原圖像，為下一步故障判斷奠定基礎。總體流程如圖1 所示。

圖1 圖像處理總體流程

2 圖像灰度化處理

當對彩色圖片上的R、G、B 通道做一致化處理時，即為對該圖像進行灰度化[7]。此外，R、G、B 的取值范圍均為0-255。因此，當三個顏色通道一致時，只需要儲存其中的任意一組數值即可。灰度化方法通常有：分量法、最大值法、平均值法和加權平均法[7]。

試驗選擇加權平均法來對圖像進行灰度化處理。該算法基于人眼睛對于RGB 的不同識別效應來設計，處理后的灰度圖能夠更接近理論的判斷條件[4]。其原理為根據人眼對R, G, B 分量的敏感程度，分別賦予不同的權重，對其加權平均，得到灰度值。其處理結果如圖2 所示。

圖2 原圖像與灰度處理圖像

3 傳統的降噪算法

無人機采集紅外圖像時，在數據存儲與傳輸過程中，易出現噪聲干擾，若不進行噪聲處理，對圖片清晰度和質感都有不同程度的影響。其中噪聲類型較為常見的主要是椒鹽（脈沖）噪聲、高斯噪聲，其對應的濾波方法分別為中值濾波和高斯濾波[1]。試驗主要針對這兩種噪聲進行濾波處理，對灰度后圖像進行研究。

3.1 中值濾波

中值濾波是基于排序統計理論的一種非線性信號處理技術，可有效抑制噪聲，并常用來處理脈沖噪聲(又稱椒鹽噪聲)。其基本原理是把數字圖像或數字序列中的一點，用其領域中各點值的中值來替代，使其更接近真實像素值，從而消除噪點。中值濾波的計算公式如下：

其中g（x，y）表示計算出來的中值，并用其代替窗口中心值，使周圍值更接近像素值，從而降低噪聲干擾。median()表示計算中值，W 表示為二維模板的滑動窗口，通常為3*3、5*5 區域。根據實際噪聲情況選擇合適的窗口尺寸，最終達到理想的濾波效果。中值濾波處理效果如圖3 所示。

圖3 中值濾波

試驗使用了3*3 和5*5 兩種窗口尺寸對比降噪。由圖2可知，5*5 濾波窗口在濾波的同時，適當地保留了圖像清晰度，但仍存在部分噪點未濾除；而3*3 模板則恰好相反，濾除大量的噪點同時也降低了圖像的清晰度，處理后的圖像開始變得模糊，出現目標細節丟失的現象。

3.2 高斯濾波

高斯濾波也是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像的降噪[2]。其本質是帶權值的加權均值濾波，其濾波原理為，使用一個模板去掃描圖像中的各點像素，并用模板確定的鄰域內像素的加權平均值替代模板中心像素點的值，最終達到消除噪聲點的作用。其計算公式如下所示。

其中，K 為元素值，（xc，yc）為模板中心坐標，即坐標系原點，σ 為標準差。該公式用于生成高斯濾波模板。類似中值濾波，高斯濾波也常用3*3 和5*5 的模板。高斯濾波處理結果如圖4 所示。

圖4 高斯濾波

觀察圖4 可以發現，同中值濾波類似地，隨著滑動窗口尺寸的增加，3*3 模板的高斯濾波也出現畫面模糊、細節丟失的問題。

4 改進傳統降噪算法

通過觀察中值濾波和高斯濾波降噪結果可以發現，其濾波效果并不是很理想。原因之一是噪聲類型有很多種，一張圖像可能存在一種或幾種噪聲點，只靠單一濾波方法顯然不能達到理想降噪效果。若在降噪前對圖像逐張判斷噪聲類型，再選擇合適的濾波器則工作量過大。因此，提出將幾個主要濾波器通過加權方式組合為一個濾波器，則省去了提前判斷噪聲類型的過程，且可對一張圖像中的幾種噪聲同時濾波，降低了工作量，并提高了降噪效率。

將基于神經網絡濾波、高斯濾波、中值濾波三種算法進行組合使用，可分別對乘性噪聲、高斯噪聲、椒鹽噪聲有較好的濾波效果。其組合原理為對每一種濾波器濾波后的圖像進行加權融合，由于不同的濾波器的性能不同，最后使用擬牛頓搜索算法得到最優化的權重，融合圖像得到最佳效果，其原理如下。

融合后的濾波器相較于單一濾波器，在簡化降噪過程的同時，也提高了濾波效率。其濾波效果與傳統算法對比如圖5 所示。

為了證明算法的有效性，利用試驗濾波效果較好的高斯濾波5*5 模板和中值濾波5*5 模板，使用同一張噪聲灰度圖與融合濾波進行降噪對比。觀察圖5 可以發現在處理各類噪聲圖像時，融合濾波相較于其他兩種濾波方式，在有效去除噪點的同時，也較大的保留了圖像的清晰度，濾波效果更為理想。

圖5 融合合濾波效果對比

試驗結果以結構相似性和峰值信噪比作為算法的評價指標，相似性在0-1 范圍內，數值越大代表結構屬性越接近原圖像；峰值信噪比通常在20-30dB 范圍內，其數值越大代表失真越少。對比結果如表1 所示。

表1 不同算法降噪結果對比

由對比結果可知，融合濾波峰值信噪比較中值濾波和高斯濾波分別高出5.71 和3.03，結構相似性分別高出0.44 和0.21。故基于多評價指標的圖像融合去噪算法具有更好的應用效果。

5 結論

對灰度化后的RGB 紅外圖像進行傳統濾波處理后，存在降噪和細節保留不能兼得的問題。為此提出一種基于多評價指標的圖像融合去噪算法，實驗結果表明，相比傳統單一濾波算法，融合濾波方法能夠在保留結構相似性的同時，降低圖像失真率，具有更好的應用性。提出融合降噪算法的研究和應用對于進一步促進紅外圖像處理技術的發展意義重大。融合降噪技術融入到實際工業生產當中，可幫助提高工作效率。