双树复小波降噪法在绝缘子红外热像中应用.docVIP

双树复小波降噪法在绝缘子红外热像中的应用 一、引言 红外图像的信噪比低，所以在对图像进行分析前必须对其进行降噪处理。绝缘子红外热像是否清晰，图像细节是否完整，特征是否明显，是能否对其污秽等级进行正确识别及对其运行状态进行正确分析的关键。因此，采用高效率的滤波方式对绝缘子红外热像降噪，抑制图像噪声，提升图像质量，是后续特征提取的基础，是进行准确污秽等级识别的前提。 在红外系统和其他元件中主要有六种基本噪声：①热噪声；②散粒噪声；③产生复合噪声；④光子噪声；⑤温度噪声；⑥噪声[1]。由于这些噪声在概率统计特性上服从高斯分布[2]，因此本文考虑的噪声模型为高斯噪声。 针对红外热像的降噪，目前广大研究人员提出了许多算法，从算法的繁简程度和最后的降噪效果两方面综合考虑，现有的降噪方法没有一种具有绝对优势，带噪信号的具体特征是使用何种方法的决定因素[3]。在对多种降噪方法进行比较后，本文采用双树复小波自适应降噪方法对高压绝缘子红外热像进行降噪。 二、双树复小波自适应降噪 图像降噪是一个经典问题，小波降噪方法的成功主要得益于小波变换具有：低熵性、多分辨率、去相关性、选基灵活性等特点[4]。基于小波系数阈值的滤波方法虽然比常用的一些降噪算法对图像的模糊程度要小，但由于其是对小波系数进行截断式处理，在去除噪声的同时会对图像的边缘、突起等部分细小的重要结构进行模糊，因此，也可能导致图像部分信息的丢失。离散小波变换虽然广泛应用于图像降噪，但离散小波缺乏平移不变性和方向敏感性，而这两个缺点直接影响应用结果，有人提出采用具有平移不变性的冗余小波变换来降低图像噪声，从而得到更好的降噪结果，但冗余小波变换会增加算法时间和空间复杂度。针对传统实数小波的局限，Kingsbury提出了复数小波的概念[5]。 由于复数小波兼具平移不变和方向选择性，且计算冗余较其他类似方法显著降低，因此已经在图像降噪、复原、分割以及运动估计等领域取得很好的应用成果。但是复数小波同样存在缺点，由于超过一层分解的复数小波变换的输入是复数形式，构造它的完全重构的逆滤波器非常困难，Kingsbury进一步提出双树复小波变换[6~8] (Dual-Tree Complex Wavelet Transform, DT-CWT)，它满足完全重构条件且保留了复数小波的诸多优点：近似的平移不变性、良好的方向选择性、有限的数据冗余和高效的计算效率等。 1.双树复小波降噪原理 Kingsbury提出的DT-CWT指的是对同一个数据，用两个平行独立的小波变换来完成复数小波变换，其表达式如下： (1) 其中，是实数且为偶函数，为虚数且为奇函数。一维双树复小波变换图如图1。 它包含两个平行的小波树，即树a和树b。如果滤波器和与滤波器和之间的延迟恰好是一个采样值的间隔，那么就可以确保b树中的第一层的向下采样取到a树中因隔点采样而舍弃的系数。另外，为了保证两棵树的所有采样值序列都具有统一的间隔(所有这些采样值都来自于两棵树的第一层原始输入)，一棵树中的滤波器必须与另一棵树中的滤波器之间保持相对于各自采样速率的半个采样值间隔的差距。对于线性相位的滤波器而言，这就要求一棵树中的滤波器应当为奇数长，而另一棵树中的滤波器为偶数长。如果每棵树的不同层次间交替采用奇偶滤波器，那么这两棵树将会呈现较好的对称性。 图1 一维双树复小波变换 为了实现双树复小波变换的逆变换，对上图中的每一棵树分别使用双正交滤波器(设计成与对应的分析滤波器具有完全重构特性)进行逆变换，最后对两棵树的输出结果进行平均，以保证整个系统近似的平移不变性。 采用双树复小波变换分解二维信号与离散小波变换类似，利用可分离的滤波器先沿着列再沿着行实现分解。这里行和列滤波器和复数滤波器一样都强调正频、抵制负频，因此只保留了二维信号谱的第一象限(正频)。为了完整地表示一个实的二维信号，还需要相邻的第二象限(负频)，为此还要利用行或列滤波器的复共轭来滤波，这样在第一、第二象限各产生了三个子带，对应于空间中的六个方向： ±15°，±45°，±75°。 (2) (3) 式中：为图像信号的真实值，为含噪图像信号的观察值，为信号中的噪声，且。 图像在获取、处理和传输过程中每一步都会引入噪声，增大了噪声的不确定性，因而称作随机噪声。实际上我们并非完全明白该过程中噪声污染原理，即使给予某个区间内的噪声的幅值分布，它至多不过代表该区域内的噪声的分布情况，很难说它完全代表噪声的性质和数量关系。仅仅依据噪声来源，不可能精确地预测噪声的大小，无法准确写出噪声的数学函数形式，因此，对于这种不确定的随机现象，我们只能用统计方法来处理它。 3．双树复小波变换在绝缘子红外热像降噪中的应用 本文采用一种基于自适应窗最大似然估计的双树复