太赫兹成像NLM去噪算法优化研究.pdf

引用格式：引用格式：方灿,方波,宋志平,等.太赫兹成像 NLM 去噪算法优化研究J.中国测试，2024,50(1):18-23.FANGCan,FANGBo,SONGZhiping,etal.ResearchonoptimizationofNLMdenoisingalgorithmforterahertzimagingJ.ChinaMeasurement&Test,2024,50(1):18-23.DOI:10.11857/j.issn.1674-5124.2023030018太赫兹成像 NLM 去噪算法优化研究方灿1，方波1，宋志平2，王震3，黎雅恬1，蔡晋辉1(1.中国计量大学计量测试工程学院，浙江杭州310018;2.浙江省新华书店集团信息技术有限公司，浙江杭州310002;3.杭州大华仪器制造有限公司，浙江杭州311400)摘要:太赫兹透射式成像具有对人体无害，对非金属材料有较高的穿透性等特点。但成像图片信噪比较低，因此文章提出一种改进的非局部均值滤波算法，该算法先利用结构张量对图像进行分区处理。对平坦区域进行中值滤波，对非平坦区域采用改进的非局部均值滤波算法，该算法引入结构相似指标，图像通用质量指标，特征相似指标的高斯加权距离作为图像相似准则。为探索该算法在太赫兹透射成像图片的效果，文中根据太赫兹探测器类型的不同分为单点、线阵、面阵扫描成像实验，并展开成像研究发现线阵相机中存在坏点导致成像图片存在暗条纹，可利用高斯加权中值的方式消除暗条纹。单点扫描成像和面阵扫描成像由于运动平台移动因素和像元响应不一致性的干扰，成像图片具有噪声。将成像图片分别运用不同的去噪算法进行降噪重建，结果表明，与传统的非局部均值滤波算法相比，改进的非局部均值滤波算法对太赫兹透射成像图像处理后所得的峰值信噪比值有 19dB 的提升，且和其他传统的去噪算法比较发现改进的非局部均值滤波算法处理后图像的峰值信噪比值也有 28dB 的提升，去噪效果较好。关键词:图像去噪;太赫兹图像;图像质量;非局部均值滤波中图分类号:TN20;TB9文献标志码:A文章编号:16745124(2024)01001806Research on optimization of NLM denoising algorithm for terahertz imagingFANGCan1,FANGBo1,SONGZhiping2,WANGZhen3,LIYatian1,CAIJinhui1(1.CollegeofMetrologyandMeasurementEngineering,ChinaJiliangUniversity,Hangzhou310018,China;2.ZhejiangXinhuaBookstoreGroupInformationTechnologyCo.,Ltd.,Hangzhou310002,China;3.HangzhouDahuaApparatusManufactureCo.,Ltd.,Hangzhou311400,China)Abstract:Terahertztransmissionimaginghasthecharacteristicsofharmlesstothehumanbodyandhighpenetrationtonon-metallicmaterials.However,thesignal-to-noiseofimagingpicturesisrelativelylow,sothispaperproposesanimprovednon-localmeanfilteringalgorithm,whichfirstusesstructuralcomponentstopartitiontheimage.Themedianfilteringalgorithmisperformedforflatareas,andtheimprovednon-localmean filtering algorithm is adopted for non-flat areas,which introduces structural similarity index,imagegeneralqualityindex,andGaussianweighteddistanceoffeaturesimilarityindexasimagesimilaritycriteria.Inordertoexploretheeffectofthealgorithmonterahertztransmissionimagingpictures,thispaperisdividedinto收稿日期:2023-03-06；收到修改稿日期:2023-04-04基金项目:浙江省自然科学基金项目（LY22F050001）；浙江省属高校基本科研业务费专项资金资助（2021YW09）作者简介:方灿（1999-），男，浙江杭州市人，硕士研究生，专业方向为太赫兹成像。通信作者:方波（1981-），男，浙江杭州市人，教授，硕士生导师，博士，主要研究方向为太赫兹计量、太赫兹成像。第50卷第1期中国测试Vol.50No.12024年1月CHINAMEASUREMENT&TESTJanuary,2024single-point,linear array and area scan imaging experiments according to the different types of terahertzdetectors,andtheimagingresultsshowthattherearedeadpixelsinthelinearscancamerathatleadtodarkstripesintheimagingpicture,andtheGaussian-weightedmediancanbeusedtoeliminatethedarkfringes.Singlepointscanningimagingandareascanimaginghavenoiseduetointerferencefrommotionplatformmovementfactorsandinconsistentcellresponse.Theresultsshowthatcomparedwiththetraditionalnon-localmeanfilteringalgorithm,theimprovednon-localmeanfilteringalgorithmimprovesthepeaksignal-to-noiseratioobtainedafterterahertztransmissionimagingimageprocessingby1-9dB,andcompareswithothertraditionaldenoisingalgorithmsandfindsthatthepeaksignal-to-noiseratiooftheimageafterprocessingtheimprovednon-localmeanfilteringalgorithmalsoincreasesby2-8dB,andthedenoisingeffectisbetter.Keywords:imagedenoising;terahertzimages;imagequality;non-localmeanfiltering0 引言太赫兹波通常是指频率在 0.110THz 范围，且波长在 3mm 到 30m 之间的电磁波，其波段位于微波和红外波之间，是正被开发利用的波段。太赫兹波不能透过金属，但是对很多其他非金属物质(比如木头，纸张等)有很强的穿透性且对人体无害所以太赫兹波具有研究价值。随着科学技术的发展，太赫兹波在保密通信，无损检测，生物医学等领域内被探索出具有重大发展潜力1-4。近年来，得益于太赫兹辐射源和快速光学设备的高速发展5，太赫兹透射式成像的研究引起各方面的关注，并且成为太赫兹技术的一个重要发展方向。太赫兹透射式成像可以透过衣服，鞋子，箱包等物体探测到隐藏在其中的危险物品6，因此提高太赫兹成像速度和图像质量具有重要意义。2018年，郭俊文7等人为了去除太赫兹成像中因介质不均匀及激光器抖动造成的图像噪声，使用双边滤波算法对图像去噪复原，该算法中的参数是根据图像整体的高斯分布模型设置。2020 年，王月8等人提出了一种用于太赫兹图像的基于噪声估计的自适应迭代去噪算法，该算法结合噪声估计和加权双平方非局部均值去噪方法。2021 年，MARINAL9等人为解决太赫兹脉冲时域成像得到的 2D 图像模糊并存在伪影问题，提出一种快速联合去模糊和降噪方法，同时考虑到了不同频带和不同噪声类型。2022 年，魏博熠10等人提出了基于 EMD-R/S 分析的太赫兹光谱信号降噪方法，通过实验证明该方法优于小波降噪算法，更能够有效地还原太赫兹光谱信号。本文提出结合结构张量和多因素加权高斯距离相似度准则的非局部均值（non-localmeans，NLM）图像去噪算法。为了验证算法改进情况，本文根据太赫兹探测器类型的不同分别进行了单点，线阵，面阵扫描成像实验，将三种透射式成像实验结果进行不同的去噪算法分析对比。为太赫兹透射式成像技术的应用提供了重要参考和实验支撑。1 一种改进的非局部均值(NLM)图像去噪算法传统的图像降噪算法有中值滤波，高斯滤波，均值滤波11。中值滤波是以目标像素周围 nn 大小领域内的像素灰度值排序取中值作为目标像素的灰度值。均值滤波是将目标像素周围 nn 大小领域范围内的灰度值取平均值作为目标像素灰度值。高斯滤波则是将均值滤波平均值改为高斯加权平均值。以上的去噪方法都是根据目标像素的邻域范围来计算目标像素灰度值，但在自然图像中，目标像素位置的远处也会出现相似的点，因此 NLM 图像去噪算法12由此而来。NLM 基本思想：根据图像的冗余性，目标像素的灰度值由当前图像中所有和它存在结构相似的相似像素灰度值加权平均来表示。但 NLM 算法计算量庞大且图像边缘处效果不佳。因此本文提出利用结构张量对图像分区处理来减少不同区域点之间的累计偏差，结合结构相似度（structuresimilarity，SSIM），图像通用质量指标（universalqualityimageindex，UQI），特征相似度（featuresimilarityindexmeasure，FSIM）三指标作为两个图像块之间的相似性准则的改进 NLM 去噪算法。结构张量13可以将图像分为平坦区域和非平坦区域。其组成就是图像的水平 Rx和垂直 Ry梯度：T=R2xRxRyRxRyR2y(1)第50卷第1期方灿，等：太赫兹成像 NLM 去噪算法优化研究19对矩阵 T 求其迹 H，设定 H 的阈值就能得到图像的平坦区域。对单点扫描图像求结构张量并设定 H 的阈值为 50，小于 50 的都会被认为是平坦区域并把灰度值设置为 255 即纯白，结果如图 1 所示。(a)原始图(b)分区图图 1 结构张量分区图对平坦区域进行中值滤波处理，而非平坦区域用改进的 NLM 图像去噪算法进行处理。传统的非局部均值算法因为缺少对像素块之间的结构相似性和特征相似性，只用两图像块之间的高斯加权欧式距离来权衡图像之间的相似度，这种相似度度量准则缺乏一定的鲁棒性。本文提出结合 SSIM，UQI，FSIM 三指标的高斯加权欧式距离进行相似度量准则。SSIM 是 REHMANA14等人提出的图像结构相似性指标。它将通过结合图像之间的照明度，对比度，结构三个因素来确定两张图像相似度：SSIM(x,y)=l(x,y)c(x,y)s(x,y)(2)l(x,y)式中：亮度对比函数；c(x,y)对比度比较函数；s(x,y)结构对比函数；，亮度，对比度，结构对比度的权重。UQI 也是由 ZHOUW15等人提出的图像通用质量指标，它通过结合相关性的损失、亮度失真、对比度失真三因素来计算。因为计算的参数与 SSIM基本吻合，所以在计算 SSIM 的同时也能一并将两幅图之间的 UQI 指标计算出来。通过各种各样的图像失真表明 UQI 与主观质量测量有着惊人的一致性。FSIM 是由 LINZ16等人提出的图像特征相似性指标。它结合了相位一致性（phasecongruency，PC）和梯度幅度（gradientmagnitude，GM）来计算得到图像特征相似度。相位一致性包含了纹理，边缘和结构信息，引入 GM 特征能提取对比度信息。已知 SSIM，UQI，FSIM 三个指标的绝对值大小都在 0,1 之间，且当 SSIM 值越大，代表图像块之间结构相似性较大；UQI 绝对值越大，代表图像块之间主观质量测量一致性较强；FSIM 绝对值越大，代表图像块之间特征相似性较大。为了和高斯加权欧氏距离的单调性一致，将三指标结合参数定义为：SQF(x,y)=(1SSIM2)(1UQI2)(1FSIM2)(3)SQF(x,y)SQF(x,y)SQF(x,y)其取值范围为 0,1，且单调性与高斯加权欧氏距离的单调性保持一致。当的值为 0 时，表明两图像块在结构，主观质量，特征信息上完全相同。，为因素的影响权重，本文取值都为 1。为了减少计算量，为定阈值 t，当小于阈值 t 时才将像素块加入到目标像素块的相似集合里，否则，将其权重值置为0。其权重公式如下：W(x,y)=exp(d(x,y)h2),SQF(x,y)t,(x,y)0,else(4)d(x,y)=SQF(x,y)N(x)N(y)22,其中；h 为滤波参数，控制滤波程度；为非平坦区域。基于改进的图像去噪算法对加了高斯噪声的Lena 图像的去噪效果局部放大图如图 2 所示，由图中可以看出均值滤波和中值滤波算法处理后的图像过于模糊，而高斯滤波算法未能将图片背景噪声滤除，传统 NLM 算法虽然滤除了背景噪声但是损失了人物头发上的细节。应用本文的改进 NLM 去噪算法对加噪 Lena 图像进行处理，既滤出了背景噪声，又能还原头发细节。(a)加噪 lena 图(b)均值滤波(c)中值滤波(f)改进 NLM(e)传统 NLM(d)高斯滤波图 2 lena 加噪图去噪算法对比2 太赫兹透射式成像系统本文为进一步对比改进 NLM 算法与传统去噪算法去噪效果，将分别搭建三种太赫兹透射式成像系统。20中国测试2024年1月太赫兹透射式成像系统根据接收太赫兹光的探测器类型不同，分为单点，线阵和面阵扫描，各种扫描方式有各自的特点。太赫兹透射式单点扫描成像系统如图 3 所示，本文使用 0.1THz 太赫兹源发出太赫兹光束，经过方形喇叭口整形后直接穿过标定板，穿过标定板的太赫兹光束最后被透镜聚焦到探测器上。太赫兹光束穿过物体后的强度随着圆孔阵列板位置的变化而变化。位移平台标准圆孔板探测器透镜太赫兹源图 3 太赫兹单点扫描成像系统太赫兹透射式线阵扫描成像系统如图 4 所示，太赫兹源发出的光束进过矩形喇叭口整形后射入自由空间，经过金属离轴凹面反射镜聚焦到探测器上。利用金属离轴凹面反射镜来将太赫兹光束线性展宽，使太赫兹光束能完全覆盖线阵探测器区域。位移平台反射镜标准圆孔板线阵相机太赫兹源图 4 太赫兹线阵扫描成像系统太赫兹透射式面阵扫描成像系统如图 5 所示，太赫兹源射出的太赫兹光束经过方形喇叭口整形后直接透过圆孔阵列板，入射到面阵相机的面阵传感器区域，面阵相机会把太赫兹光强度转化为电信号强度。利用成像软件能显示出太赫兹图像。由于圆孔阵列板大小远远大于面阵相机的成像区域，需要利用二维移动平台移动圆孔阵列板，将各个区域分别成像。再通过加权图像拼接算法，对各个区域的成像图片进行拼接。标准圆孔板面阵相机太赫兹源位移平台图 5 太赫兹面阵扫描成像系统3 测量实验与分析太赫兹透射式成像实质是一种强度成像，太赫兹透过物体内部发生散射效应从而改变电磁场强度分布，反应在太赫兹图像上为亮暗即强度不同。三种成像实验均在超净室下进行扫描成像，以减小环境变化、空气折射等因素带来的影响。单点扫描成像过程中，太赫兹源与探测器固定不动，通过计算机运动控制软件使标定板随着二维位移平台运动，探测器能探测到透过圆孔阵列板的总太赫兹光强并将其转化为电信号输出。为了得到较好的图像质量,系统位移平台 1.5mm/s移动，探测器每秒取一个采样点。而线阵扫描成像只需要将位移平台的移动速度和线阵相机的采集速度相匹配时就能得到没有明显拉伸的图片，本文位移平台位移速度取 10cm/s。面阵扫描成像则是固定太赫兹源和面阵相机的位置，将圆孔阵列板的位置上下左右移动。控制高精度位移平台将两个成像区域的重合部分为面阵相机成像区域大小的一半。线阵和面阵成像实验所得到的圆孔阵列太赫兹图像如图 6所示。(a)单点成像(b)线阵成像(c)面阵成像图 6 圆孔阵列板成像对比图如图 6 所示，单点扫描图像单点扫描的太赫兹图像圆孔大小比较均匀，信噪比较高。但是图像仍然存在模糊，圆孔边缘有毛刺的问题，需要后续的图像去噪算法进行处理。面阵成像由于相机像元响应不一致的问题，图像拼接后背景噪声较高。第50卷第1期方灿，等：太赫兹成像 NLM 去噪算法优化研究21而线阵成像由于相机中存在坏点的问题导致图像中有明显暗条纹。针对这些条纹，本论文利用高斯加权中值的方式更改这一行的像素点。基本思路就是将中心像素列方向的几个点的像素灰度值乘以权重，这个权重为高斯权重，然后将这些值排序取中值得到中心像素灰度值大小结果如图 7 所示。(a)原始图(b)消除坏点图图 7 线阵图片消除坏点图利用灰度差分统计法17计算各个图像纹理特征：g()=g(x,y)g(x+x,y+y)(5)(x,y)g(x+x,y+y)其中为图像中的一点，为该点附近的点。利用直方图可得灰度差取值的概率 P（i）。根据 P（i）可算出图像平均值，对比度，信息熵。将上式分别对各个成像方式的图片计算平均值，对比度和信息熵结果如表 1 所示。表 1 成像图像特征值成像方式平均值对比度信息熵单点扫描0.03985763.6893线阵扫描0.063813444.7377面阵扫描0.096628855.4244由表可知单点扫描的太赫兹图像平均值，对比度和信息熵都比较低，表明了单点扫描图像平滑信噪比较高。而面阵扫描三个特征值都较高，主要是因为面阵相机像元响应不一致，导致图像拼接时拼接区域过渡不平滑。需要后续的图像处理提高图片质量。基于改进的图像去噪算法对三种成像方式的太赫兹图像的去噪效果局部放大图如图 8 所示，由图中可以看出改进的 NLM 去噪算法比传统 NLM 去噪算法效果较平滑，信噪比较低。对各成像方式的太赫兹图片应用不同图像去噪算法，并根据公式（6）计算其峰值信噪比（peaksignal-to-noiseratio，PSNR）18，PSNR 值是基于原图像和处理后图像之间对应像素点的误差来进行图像质量评价，本文以此来客观的评价改进的 NLM算法的去噪性能。PSNR=10lg(2n1)21HWHi=1Wj=1(X(i,j)Y(i,j)2(6)式中：H，W图像的高度和宽度；n每像素的比特数取值为 8；X，Y当前图像和参考图像。各种方法的去噪性能如表 2 所示,表中给出了根据不同成像方式的太赫兹图像经过不同的去噪算法处理后所得的 PSNR 值。表 2 去噪图像 PSNR 值dB成像均值中值高斯传统NLM改进NLM单点27.7629.7831.0929.9230.19线阵22.9827.4626.6026.0427.88面阵23.9124.6325.6422.8131.67从表中可以看出改进的 NLM 算法在面阵成像图片中去噪效果较为明显，但在单点和线阵扫描图像中 PSNR 值提升并不明显，原因是在单点和线阵扫描图像中背景噪声几乎没有，去噪效果只有在圆孔边缘处表现明显，但太赫兹图像应用改进的 NLM 算法处理后所得 PSNR 值仍有 14dB 的提升。4 结束语本文通过分析传统 NLM 去噪算法的不足，提出了一种改进的 NLM 算法，用结构张量将图像分区处理，并引入 SSIM，UQI，FSIM 三指标的高斯加权欧式距离作为相似准则对图像进行去噪。为了验单点线阵面阵原始图改进 NLMNLM图 8 传统 NLM 和改进 NLM 去噪对比22中国测试2024年1月证改进 NLM 去噪算法的去噪效果，本文介绍了太赫兹透射成像技术，并根据太赫兹探测器类型的不同分为单点，线阵，面阵成像，分别搭建太赫兹透射成像系统并做成像实验对比分析。结果对比表明，改进的 NLM 算法得到的图像信噪比较低，PSNR值较大，图像质量较高。参考文献 尉志青,冯志勇,李怡恒,等.太赫兹通信感知一体化波形:现状与展望 J.通信学报,2022,43(1):3-10.WEI Z Q,FENG Z Y,LI Y H,et al.Terahertz jointcommunicationandsensingwaveform:statusandprospectJ.JournalonCommunications，2022，43(1):3-10.1CASTROE,KOCHM,MITTLEMANM.Recentadvancesinterahertzimaging:1999to2021J.AppliedPhysicsB,2021,128(1):1-10.2JUNZ,LIS,WEIDONGL.Advancesofterahertztechnologyin neuroscience:Current status and a future perspectiveJ.iScience,2021,24(12):1-12.3白雪杰,廉飞宇,付麦霞.基于太赫兹时域光谱和机器学习的新旧贝壳识别研究 J.中国测试,2022,48(12):172-180.BAIXJ,LIANFY,FUMX.Recognitionofoldandnewshells based on terahertz time-domain spectroscopy andmachine LearningJ.China Measurement Test,2022,48(12):172-180.4BAGRAEVN.T,GOLOVINP.A.,KLYACHKINL.E.,etal.Terahertzradiationsourcesanddetectorsbasedonopticalmicrocavities embedded in the edge channels of siliconnanosandwichesJ.Technical Physics,2020,65(10):1591-1599.5CUILL,SHAOMW,JINGZW,etal.Studyoninternalqualitynondestructivedetectionofsunflowerseedbasedonterahertz time-domain transmission imaging technologyJ.SpectroscopyandSpectralAnalysis,2020,40(11):3384-3389.6郭俊文,宋贵才.基于双边滤波的太赫兹图像去噪方法研究J.数字通信世界,2018(1):213.GUOJW,SONGGC.ResearchonterahertzimagedenoisingmethodbasedonbilateralfilteringJ.DigitalCommunicationsWorld,2018(1):213.7王月,李琦.基于噪声估计的太赫兹图像自适应迭代去噪J.中国激光,2020,47(8):301-310.WANG Y,LI Q.Adaptive iterative denoising of terahertzimage based on noise estimationJ.Chinese Journal ofLasers,2020,47(8):301-310.8MARINA L,LINA Z,BEENHOUWER J D,et al.Jointdeblurring and denoising of THz time-domain imagesJ.IEEEAccess,2021(9):162-176.9魏博熠,罗鉴鹏,张立臣.基于 EMD-R/S 分析的太赫兹光谱降噪 J.计算机应用与软件,2022,39(3):63-67.WEIBY,LUOJP,ZHANGLC.TerahertzsingaldenoisingmethodbasedonEMD-R/SanalysisJ.ComputerApplicationsandSoftware,2022,39(3):63-67.10张娜娜,张媛媛,丁维奇.经典图像去噪方法研究综述 J.化工自动化及仪表,2021,48(5):409-412+423.ZHANGNN,ZHANGYY,DINGWQ.Reviewofclassicalimage denoising methodsJ.Control and Instruments inChemicalIndustry,2021,48(5):409-412+423.11BONNYS,JINACY,MANGLEMSK.Specklereductionofultrasound medical images using Bhattacharyya distance inmodifiednon-localmeanfilterJ.Signal,ImageandVideoProcessing,2019,13(2):299-305.12余子健,杨鹏程,连力平,等.基于 Butterworth 滤波和 Haar小波变换的干涉图像齿面域分割 J.电子测量技术,2023,46(2):184-192.YU Z J,YANG P C,LIAN L P,et al.Tooth flanksegmentation method of the interferogram based onButterworthfilterandHaarwavelettransformJ.ElectronicMeasurementTechnology,2023,46(2):184-192.13REHMANA,GAOY,JIHENGW,etal.Imageclassificationbased on complex wavelet structural similarityJ.SignalProcessing:ImageCommunication,2013,28(8):984-992.14ZHOUW,BOVIKAC.AuniversalimagequalityindexJ.IEEESignalProcessingLetters,2002,9(3):81-84.15LINZ,LEIZ,XUANQM,etal.FSIM:afeaturesimilarityindexforimagequalityassessment.J.IEEETransactionsonImage Processing:A Publication of the IEEE SignalProcessingSociety,2011,20(8):2378-2386.16柳长源,曹园园,罗一鸣.基于视频图像的车辆实时检测系统 J.计算机工程,2019,45(2):265-269+277.LIUCY,CAOYY,LUOYM.Real-timevehicledetectionsystem based on video imageJ.Computer Engineering,2019,45(2):265-269+277.17蔡非凡,万旺根.基于空间金字塔的视频超分辨率重建算法J.电子测量技术,2022,45(5):100-104.CAIFF,WANWG.Videosuper-resolutionreconstructionalgorithmbasedonspatialpyramidsJ.ElectronicMeasurementTechnology,2022,45(5):100-104.18(编辑:刘杨)第50卷第1期方灿，等：太赫兹成像 NLM 去噪算法优化研究23