河流表面图像小波阈值去噪方法研究_袁志雄.pdf

资源描述

1、电子设计工程Electronic Design Engineering第31卷Vol.31第15期No.152023年8月Aug.2023收稿日期：2022-04-05稿件编号：202204023基金项目：湖南省水利科技项目（XSKJ2019081-44）；柔性电子材料基因工程湖南省重点实验室开放基金（202019）；近地空间电磁环境监测与建模湖南省普通高校重点实验室开放基金（N202107）；湖南省研究生创新研究项目（CX20200896）作者简介：袁志雄（1996），男，湖南岳阳人，硕士。研究方向：图像处理。河流表面图像处理是河流流速测量的关键技术1-2，该技术通过航拍得到河流表面图像后，

2、再对图像进行分析就能得到河流流速情况。由于航拍图像在形成、传输和存储过程中环境、成像设备、人为因素等影响，传回地面的图像严重受噪声干扰。因此，降低噪声对流速分析的干扰，对实现高性能图象测流至关重要。传统的图像去噪方法包括均值滤波法3和中值滤波法4。目前研究最为广泛的去噪方法是小波阈河流表面图像小波阈值去噪方法研究袁志雄，赵东雪，张志刚，唐立军（长沙理工大学物理与电子科学学院，湖南长沙 410114）摘要：河流表面图像分析是河流流速监控的一种重要手段，去噪方法是保证河流表面图像质量的关键技术。针对大气风力，太阳紫外线等自然因素影响造成的图像噪声等问题，文中选定了适用于河流表面图像去噪的小波基

3、与小波阈值，提出了一种提升小波阈值去噪效果的函数，提高了河流表面图像数据的质量，为提高非接触式河流流速测量的准确度提供一种有效的方法。该方法应用于某市不同河流的航拍图像分析，结果表明，提出的阈值函数相较于硬阈值函数以及软阈值函数在阈值处保持连续，峰值信噪比均优于传统去噪算法。关键词：河流表面图像；图像去噪；小波阈值函数；峰值信噪比中图分类号：TN911.4文献标识码：A文章编号：1674-6236（2023）15-0182-05DOI：10.14022/j.issn1674-6236.2023.15.037Research on wavelet threshold denoising meth

4、od for river surface imageYUAN Zhixiong，ZHAO Dongxue，ZHANG Zhigang，TANG Lijun（School of Physics and Electronic Science，Changsha University of Science and Technology，Changsha410114，China）Abstract:River surface image analysis is an important method for monitoring river flow velocity，anddenoising metho

5、d is the key technology to ensure the quality of river surface image.Aiming at theproblem of image noise caused by natural factors such as atmospheric wind and solar ultraviolet rays，thispaper selects the wavelet base and wavelet threshold suitable for denoising of river surface images，and afunction

6、 to improve the denoising effect of wavelet threshold is proposed.The quality of river surfaceimage data is improved and a method for improving the accuracy of noncontact river velocity measurementeffectively is provided.The method is applied to the analysis of aerial images of different rivers in a

7、 city.The results show that the threshold function proposed in this paper remains continuous at the thresholdcompared with the hard threshold function and the soft threshold function，and the peak signaltonoiseratio is better than the traditional denoising algorithm.Keywords:river surface image；denoi

8、sing；wavelet threshold function；PSNR-182值去噪5-7，该方法通过改变阈值和阈值函数实现图像去噪。目前阈值函数的研究在选定一个统一阈值8-9或Birge-Massart阈值10-11的基础上开展：一种方法是结合中值滤波和小波变换实现图像平滑去噪12；另一种方法是利用小波变换构造新的阈值函数13-15。文献16提出一种新的阈值函数，图像去噪效果得到提升，但因为没有调节因子，函数的灵活性与连续性相对较差。文中针对河流表面图像的特点，在已有阈值函数基础上，研究改进阈值函数连续性和灵活性，为提高河流表面图像质量提供一种有效的参考方法。1河流表面图像分析影响河流表面

9、图像质量的主要因素有：由于光线分布差异导致河流表面图像的背景灰度分布不均匀；水中存在大量的悬浮物，对光的吸收、散射等因素导致图像细节模糊、信噪比较低；风力、光照等因素变化导致回传图像阴影，导致图像对比度较低。河流表面图像的噪声类型主要有高斯噪声和脉冲噪声两种。脉冲噪声(又称为椒盐噪声，ImpulseNoise)，主要在图像传输的过程中生成；高斯噪声是一种概率密度函数呈正态分布的噪声，又被称为正态噪声。由于高斯噪声有很多种途径可以产生，因此实际采集到的图片在采集过程中都会有高斯噪声掺杂。2河流表面图像小波去噪2.1一般小波去噪方法介绍在选定恰当的小波基后，通过使用小波变化，对含有噪声的图片进行多

10、重分解，在小波系数中得到不同频率的信号分量。结合阈值函数和准则，对其中的高频系数分量进行阈值化处理，保留可用的有效低频信号系数，再把两者进行重构，得到新的去噪图像。这种方法使图像中的有效信号集中在系数大的小波系数中，而噪声的小波系数是随机分布的，利用阈值就能轻易实现去噪。小波阈值去噪流程图如图1所示。通过分析可以得知，小波阈值去噪所需时间很短，并且适用于多种类型的图像处理。但是不同阈值函数因为计算以及处理方法的不同，在进行小波变换时，对图片的去噪效果会不同。经典的软阈值和硬阈值进行去噪时由于不连续的问题容易导致图像失真。硬、软阈值函数分别如式（1）、式（2）所示：Snk=sk,|skT0,|s

12、趋向T+和T-时，Snk变化分别如式（4）和（5）所示：limskT+Snk=limskT+(sk-2T(1+esk-T)-1)（4）limskT-Snk=limskT-(sk+2T(1+e-sk-T)-1)（5）首先，从两个公式可以看出，文献17阈值函数在阈值趋向 T+和 T-时，受 sk和 T的影响，在阈值处出现不连续的情况，再去噪容易造成图像信息的缺失，其次，因为河流表面图像含有复杂的噪声，式（3）不能随着噪声的大小而调整去噪的手段。因此构建如式（6）的新阈值函数：Snk=(1-m)|sk-Te-p|sk-TN2sgnsk,|skT0,|skT1T2T3T4；由式（8）和式（13）分别求

13、第一、第二、第三、第四层小波系数 Snk和阈值 T，从而得到新的小波系数 Snk。再对这些小波系数进行逆变换,就可以得出去噪后的重构图像。3.2河流表面图像去噪实验方案文中实验对象是在航拍的原始图像中添加方差为0.01的高斯噪声和噪声密度为0.01的椒盐噪声形成含噪图像，将其与经典的硬阈值函数、软阈值函-184数、均值滤波、中值滤波以及文献17提出的阈值函数进行仿真测试对比分析，得到各阈值函数对河流图像去噪处理的峰值信噪比，如图 2 所示。选取噪声标准差为=10，调节因子p=1、N=3，对拍摄的河流流速图片进行小波阈值去噪处理实验。图2静态河流图像的去噪对比从图 2可以得知，与经典的硬阈值函数

14、、软阈值函数、均值滤波、中值滤波以及文献17提出的阈值函数相比，在图像的视觉改善效果上，文中所提出的阈值函数要更加清晰，图像的细节点更多，通过阈值函数处理后的图像计算 PSNR 得到的数值也更大。图 3是在不同水流速度下航拍原始图像。水流速度越快，图像包含的信息也越多，对图像的清晰度以及去噪恢复的影响也越大。表 2 显示了当变大时各类去噪函数对不同流速下的图像进行去噪后得到的PSNR。从表中可知，随着变大，各类去噪函数对图片的去噪效果和图片的重建性能会逐渐降低。在噪声比较大的情况下,文献17提出的函数和文中改进的函数得到的PSNR相差比较小，但都比经典函数得到的 PSNR要大；在噪声比较小的情

15、况下，文中改进的函数的去噪效果会更好，PSNR值会相对更高。表2各类去噪函数获得的PSNR图像静态河流图像流速较快河流图像流速很快河流图像算法硬阈值软阈值均值滤波中值滤波文献17文中函数硬阈值软阈值均值滤波中值滤波文献17文中函数硬阈值软阈值均值滤波中值滤波文献17文中函数PSNR/dB=1017.1417.5426.0524.59.26.6027.8117.0817.0925.0123.7125.0227.0317.4117.4225.0223.5924.6326.64=2014.4214.4323.5721.6624.8326.9414.2714.2822.8521.1823.6626.6

16、714.8114.8222.9721.1623.4025.41=3012.9913.0022.1519.9723.6725.6812.7912.8021.5619.6122.7125.7213.3713.3821.6219.6622.4124.42=4012.0212.0321.1018.7422.7524.7611.8311.8420.6718.4622.0624.0712.3912.4020.6418.6221.5823.59设定噪声标准差值为10，通过调节p和N两个参数的值，对图像 2进行去噪，分析不同参数值之下新阈值函数的去噪效果，得到的 PSNR 如表 3所示。从表中可以看出，p和

17、N的大小会影响新阈值函数的去噪精度。因此，在图像去噪和重建的过程中,需要选择适当的数值以保证较好的去噪性能。表3不同p和N得到的PSNR参数值p=0.2,N=3p=1.0,N=3p=5.0,N=3p=0.2,N=5p=1.0,N=5p=5.0,N=5PSNR/dB28.0327.8127.5827.9427.6627.63图3不同流速下航拍原始图像袁志雄，等河流表面图像小波阈值去噪方法研究-185电子设计工程 2023年第15期4结论文中介绍了小波阈值去噪的原理，对比和分析了不同阈值函数及其特征，建立了一种去噪效果更好的阈值函数，实现了阈值的连续，而且通过设置调节因子，提高了复杂图像噪声条件下

18、阈值函数的灵活性。通过对航拍河流图像的去噪测试，相比传统的阈值函数，文中改进的阈值函数去噪效果要更好。参考文献：1 王俊,杨成龙.基于混合型扩散的无人机航拍图像去噪模型J.火力与指挥控制,2018,43(12):55-58.2 Gao J,Wang B,Wang Z,et al.A wavelet transform-based image segmentation methodJ.Optik,2019(208):1-8.3 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):409-412，423.4 唐超,左文涛,李小飞.结合修剪均值与高斯加权中值滤

19、波的图像去噪算法J.计算机工程,2021,47(9):210-216.5 于虹,甄彤.基于小波阈值去噪的最优小波基选择研究J.现代电子技,2021,44(17):86-89.6 张绘娟,张达敏,闫威,等.基于改进阈值函数的小波变换图像去噪算法J.计算机应用研究,2020,37(5):1545-1548,1552.7 刘光宇,黄懿,曾志勇,等.基于小波阈值的图像去噪方法研究J.新乡学院学报,2021,38(3):42-47.8 管美静,珠杰,吴燕如.图像去噪方法研究进展J.计算机时代,2020(2):29-32,35.9 解令楠.基于几种新阈值函数的去噪方法比较研究J.现代计算机,2020(17

20、):55-57.10韩天奇,杨文杰,赵建光.基于小波变换阈值图像去噪分析J.软件,2021,42(6):19-21,40.11胡斌.小波阈值去噪及其在数字图像相关中的应用研究D.广州：华南理工大学,2011.12Chen B Q,Gui J G,Qing X,et al.Coupling denoisingalgorithm based on discrete wavelet transform andmodified median filter for medical imageJ.Journalof Central South University,2019,26(1):120-131.1

21、3Wang X L,Dai Y F.An improved denoising methodbased on stationary wavelet transformC.Proce-edings of the 2018 International Symposium onCommunication Engineering&Computer Science(CECS 2018),2018:491-495.14Sui K,Kim H G.Research on application of multim-edia image processing technology based on wavel

22、ettransformJ.EURASIP Journal on Image and VideoProcessing,2019(1):1-9.15Jha C K,Kolekar M H.Empirical mode decomp-osition and wavelet transform based ECG datacompression schemeJ.IRBM,2020,42(1):65-72.16张杰,李银华,张焕龙,等.改进小波阈值图像去噪算法J.科学技术与工程,2020,20(24):9918-992.17张振凤,威欢,谭博文.一种改进的小波阈值去噪方法J.光通信研究,2018,206

23、(2):75-78.（上接第181页）决策,2020,35(5):1199-1204.11刘洲洲,尹文晓,张倩昀,等.基于离散优化算法和机器学习的传感云入侵检测J.吉林大学学报(工学版),2020,50(2):692-702.12朱莉,张晶,傅应锴,等.基于多模态特征图融合的红外热图像目标区域提取算法J.红外与毫米波学报,2019,38(1):125-132.13陈红松,陈京九.基于循环神经网络的无线网络入侵检测分类模型构建与优化研究J.电子与信息学报,2019,41(6):1427-1433.14刘敬浩,孙晓伟,金杰.基于主成分分析和循环神经网络的入侵检测模型J.中文信息学报,2020,34(10):105-112.15许力,李光辉.基于信任机制的无线传感器网络多协议层入侵检测方法J.传感技术学报,2019,32(5):739-748.16罗富财,吴飞,陈倩,等.基于机器学习的无线传感器网络入侵检测算法J.哈尔滨工程大学学报,2020,41(3):433-440.-186

展开阅读全文