基于自适应双边滤波的太赫兹图像去噪算法

作者:郭俊文;宋贵才;李兴广; 刊名:长春理工大学学报(自然科学版) 上传者:郑雪民

【摘要】针对太赫兹反射扫描成像中介质不均匀及激光器抖动造成图像边缘分辨率较差、噪声严重和图像质量差的问题进行研究,提出了自适应双边滤波算法对太赫兹反射扫描图像进行去噪复原的方法。依据图像整体的高斯噪声分布,利用主成分分析(PCA)的方法估计最优图像噪声方差,达到由噪声方差自适应设置双边滤波的最优亮度标准差。实现提高去噪能力的同时更好的保留图像边缘特征,不必像传统双边滤波算法根据经验设置参数。实验结果表明,算法在峰值信噪比方面提高1.5963d B和结构相似度提高0.06,均优于传统双边滤波。

全文阅读

太赫兹时域光谱技术由于具有良好的时间分辨率和宽光谱覆盖范围,已成为太赫兹光谱、成像和介质无损检测的主要手段[1-3]。由于激光器的抖动和介质的不均匀导致反射扫描图像中背景灰度分布不均匀同时容易受到噪声的污染,导致图像边缘分辨率较差、图像质量不高[4-6]。在提高图像质量方面有大量的文献[7-9],其研究主要集中在信噪比的提高,而在有效去除噪声的同时保留更多的图像细节信息则是太赫兹图像滤波算法的关键。传统的双边滤波(BF)[10],人为修改参数达到滤波效果,但人为设置参数往往取值不合理,以致出现不能完全滤除噪声或者图像模糊的现象,即使参数设置合理,在一幅图像中的不同区域也会存在降噪和保留边缘特征之间的矛盾,文献[11]提出了双边滤波算法在太赫兹共焦扫描图像的应用,虽然取得了良好的效果,但在设置相关参数时仍取经验值,无法实现自适应太赫兹图像的降噪。文献[12]针对太赫兹图像的分辨率差,噪声严重的问题,提出了一种自适应流行高维滤波的降噪算法,但在降噪过程中图像中的残留噪声和背景信息也被增强,导致图像的模糊。文献[13]P.V.Sudeep中提出了CT图像中的自适应双边滤波,通过极大似然噪声评估的方法对多帧CT图像进行噪声评估,合理选择滤波参数。本文针对太赫兹反射图像中的高斯白噪声,较好的平衡了降噪和细节信息间的关系问题。对传统双边滤波进行分析确定影响降噪性能的主要参数指标,明确双边滤波的滤波效果主要取决于亮度标准差,建立亮度标准差和图像噪声方差之间的线性关系。通过主成分分析(PCA)的方法迭代估计太赫兹图像中高斯白噪声的噪声方差,由估计的噪声方差确定亮度标准差进而对太赫兹噪声图像进行降噪处理。1自适应双边滤波算法传统的双边滤波是Tomasi和Manduchi于1998年提出的非线性滤波,双边滤波的优势在于平滑噪声的同时能够很好地保护图像的边缘细节[10]。双边滤波定义如下:I?(m)=1Z∑n∈N(m)wD(m,n)wR(m,n)I(n)(1)Z=∑n∈N(m)wD(m,n)wR(m,n)(2)式中,I?(m)为像素点m滤波后的值;I(n)为输入的像素值;N(m)为m附近的方形领域;Z是归一化因子;n是邻域中像素点的位置;wD是空间函数;wR是亮度函数,定义如下:wD(m,n)=exp(-m||-n22σ2d)(3)wR(m,n)=exp(-I||m-In22σ2r)(4)式中,σr为亮度标准差,σd为空间标准差,Im和In分别为m和n处的像素值。由文献[13]可知,推导自适应双边滤波器的第一步是双边滤波器转换为自适应双边滤波器时参数的自适应选择,虽然两个参数决定了滤波器的性能,但是空间标准差对噪声不敏感所以需要自适应设置亮度标准差减少噪声,定义σr如下:σ?=σ?2(5)式中,σ?2表示从输入图像估计的噪声方差,τ为固定常数,由文献[13]可知σd在为1.8时,信噪比随着σr的增加而增大,意味着图像的去噪能力在增强。因此亮度标准差可作为对图像处理算法效果优劣的评价标准,其结果主要由σ?2的取值决定。1.1亮度标准差自适应计算由式(5)可知,噪声方差决定了自适应灰度标准差,噪声方差估计算法流程图如图1所示,假设图像和噪声是不相关的,x代表大小为S1×S2的无噪图像,y=x+n是均值为零的与信号无关的高斯白噪声的图像。对图像提取子集块,子集块大小为M1×M2,共包含N=(S)1-M1+1(S)2-M2+1的子集块,对子集块重新排列成有M=M1M2元素的向量,分别被xi,ni,yi,i=1...N认为是随机向量的实现,n是加性高斯白噪声且服从标准正态分布同

参考文献

引证文献

问答

我要提问