基于虛擬儀器的動(dòng)車圖像條紋噪聲消除算法

于 濤，王慧聰，楊世鳳

(天津科技大學(xué)電子信息與自動(dòng)化學(xué)院，天津 300222)

車號(hào)在鐵路安全和管理系統(tǒng)中有十分重要的作用[1].通過圖像識(shí)別技術(shù)在列車管理系統(tǒng)中獲取車號(hào)，能夠有效地解決人工抄寫耗費(fèi)大量人力以及射頻輻射技術(shù)所使用裝置較昂貴的問題.為圖像識(shí)別過程提供清晰、完整的圖像是獲取車號(hào)過程的基本要求.由于動(dòng)車的運(yùn)動(dòng)速度在10～150,km/h，要獲取動(dòng)車圖像，必須采用線陣CCD 相機(jī)對(duì)動(dòng)車進(jìn)行線陣掃描再進(jìn)行圖像拼接，以解決動(dòng)車速度過快的問題.反復(fù)掃描物體成像，會(huì)導(dǎo)致圖像的部分重疊掃描，加之鐵路沿線復(fù)雜的電氣設(shè)備及電弓與高壓線的接觸摩擦產(chǎn)生強(qiáng)大的電磁干擾，這使得采集的圖像中出現(xiàn)強(qiáng)烈的條紋噪聲[2].這些噪聲的存在掩蓋了圖像中的部分重要信息，圖像的質(zhì)量大幅度降低，對(duì)從圖像中提取有用信息造成了障礙和不利的影響.

條紋噪聲是一種周期性重復(fù)出現(xiàn)于圖像中的噪聲.去除圖像中條紋噪聲的典型處理方法分為：針對(duì)圖像灰度值特征的匹配方法，如直方圖匹配、矩匹配法；通過傅里葉變換在頻域內(nèi)去除周期性噪聲的頻率成分，如低通濾波、帶阻濾波[3].傳統(tǒng)的去除條紋噪聲的方法具有普遍性，但對(duì)于動(dòng)車圖像這種黑白分明的圖像，黑白變化區(qū)域與條紋噪聲在頻域內(nèi)都表現(xiàn)為高頻部分，普通的帶阻濾波會(huì)使得動(dòng)車圖像中車號(hào)文字的邊緣部分模糊化嚴(yán)重，矩匹配法對(duì)于動(dòng)車圖像這種黑白分部區(qū)域化的灰度圖像空間分布產(chǎn)生畸變，導(dǎo)致圖像中車號(hào)部分邊緣信息丟失[4].

每幅動(dòng)車圖像之間差異較小，且主要在車號(hào)部分.針對(duì)這種圖像信息變化微小的特征采用一種新的濾波方法，并利用LabVIEW 作為系統(tǒng)軟件開發(fā)平臺(tái)，結(jié)合VDM(Vision Develop Module)模塊，通過對(duì)圖像在頻率域和空間域中結(jié)合處理的方法去除動(dòng)車圖像中車號(hào)部分的條紋噪聲.

1 去噪算法與應(yīng)用效果

對(duì)含有條紋噪聲的圖像的去噪算法流程如圖1所示.

圖1 去噪算法流程Fig.1 Noise reduction algorithm flow chart

在頻率域中，對(duì)含有條紋噪聲的圖像進(jìn)行濾波可以表示

式中：F (u,v)為圖像經(jīng)過傅里葉變換的矩陣；H (u,v)為頻域?yàn)V波器；G (u,v)為去噪后的頻譜矩陣[6].頻域?yàn)V波器原型定義為

式中：D 為整個(gè)圖像的頻域空間；D0頻域空間中條帶成分子空間.在頻域內(nèi)對(duì)圖像進(jìn)行濾波的關(guān)鍵在于如何準(zhǔn)確的確定D0，這就需要將圖像從空間域變換到頻率域，并進(jìn)行一系列處理.

1.1 將噪聲圖像和正常圖像從空間域變換到頻率域

靜止的數(shù)字圖像可以看成二維數(shù)據(jù)陣列.將一幅像素大小為M ×N 的含噪聲圖像 f1(x, y) 和原始圖像 f2(x,y) 進(jìn)行二維快速傅里葉變換，變換表達(dá)式為

變換后得到兩幅圖像的頻譜圖 F1(u,v)、F2(u,v) .頻譜圖中的每個(gè)點(diǎn)對(duì)應(yīng)著空間域的圖像信息的變化.圖2 和圖3 分別為含噪聲圖像和正常圖像及其相應(yīng)的頻譜圖.

圖2 含條紋噪聲的圖像及其頻譜圖Fig.2 Image of strip noise and its spectrogram

圖3 正常圖像及其頻譜圖Fig.3 Normal image and its spectrogram

1.2 對(duì)頻譜圖進(jìn)行二值化和邏輯處理

對(duì)比 F1(u,v) 和F2(u,v)，發(fā)現(xiàn)差異集中于高頻處.但由于車號(hào)的邊緣部分在頻域中同樣表現(xiàn)為高頻，因此需要在頻譜圖的高頻區(qū)域進(jìn)一步定位差異部分，以防止在頻域?yàn)V波過程中將車號(hào)邊緣模糊化.首先將兩幅圖像分別進(jìn)行二值化處理.二值化的閾值選取采用最大類間方差法[5].設(shè)圖像有M 個(gè)灰度值，取值范圍為0～(M-1)，在此范圍內(nèi)選取灰度值t，將圖像分成G0和G1兩組，G0包含像素的灰度值在0～t 范圍內(nèi)，G1包含像素的灰度值在(t+1)～(M-1)范圍內(nèi)，N 為圖像像素總數(shù)，ni表示灰度值為i 的像素個(gè)數(shù).則每一個(gè)灰度值出現(xiàn)的概率為

G0和G1兩組像素所占百分比為

兩組的平均灰度值為

圖像的總平均灰度

兩組平均灰度值的類間方差

閾值T 將整幅圖像分成前景和背景兩部分，當(dāng)兩類的類間方差最大時(shí)，前景和背景的差別最大，二值化效果最好.所以最佳閾值為式(4).

頻譜圖 F1(u,v) 與 F2(u ,v) 選取相同閾值，以保證最終區(qū)域確定的準(zhǔn)確性.二值化后得到的圖像矩陣分別為 f3(x, y) 和 f4(x,y)，并對(duì)其進(jìn)行如下處理：f3(x,y)&f4(x,y)⊕f4(x,y)，得到阻頻帶區(qū)域如圖4(白色區(qū)域)所示.

圖4 阻頻帶區(qū)域Fig.4 Damping band

1.3 多樣本處理

由于不同動(dòng)車圖像中的文字不同，并且采集過程中環(huán)境條件略有差異，因此得到的頻譜圖也存在一定的差異性.為解決這一問題，隨機(jī)選取了100 幅通過CCD 線陣相機(jī)在現(xiàn)場(chǎng)采集的不同車次和車廂的圖像，并截取像素大小為774×195 的車號(hào)部分，分別進(jìn)行1.1、1.2 中所述操作后，對(duì)100 幅圖像的二值化結(jié)果進(jìn)行累加，將白色區(qū)域重復(fù)率大于50 的部分進(jìn)行保留，去除剩余部分.

經(jīng)多樣本處理后的圖像如圖5 所示，將圖中的阻頻區(qū)域?qū)ΨQ的劃分為6 個(gè)矩形區(qū)域.

圖5 多樣本處理后的阻頻帶區(qū)域Fig.5 Damping band after multiple-sample processing

1.4 巴特沃斯帶阻濾波器進(jìn)行平滑濾波

將圖5 所示的6 個(gè)區(qū)域作為阻頻帶，選用帶阻濾波器進(jìn)行濾除.采用理想的帶阻濾波器將致使圖像的頻率變化過快，產(chǎn)生較嚴(yán)重的模糊和振鈴現(xiàn)象，雖然某種程度上達(dá)到了去除噪聲的效果，但是圖像有用信息也發(fā)生了變化.為了解決這一問題，采用巴特沃斯帶阻濾波器進(jìn)行濾波操作.巴特沃斯濾波器的特點(diǎn)是在通頻帶內(nèi)的頻率響應(yīng)曲線最大限度平坦，沒有起伏，而在阻頻帶則逐漸下降為零[6].

n 階Butterworth 帶阻濾波器的傳遞函數(shù)為

式中：W 是阻頻帶的寬度；R0是阻頻帶的中心半徑.(ui,vi)為阻頻帶的區(qū)域中心，且

由于得到的巴特沃斯濾波器的阻頻帶是6 個(gè)條形區(qū)域，因此在選用濾波器時(shí)以條形區(qū)域的長(zhǎng)為直徑，將巴特沃斯帶阻濾波器的中心分別轉(zhuǎn)移至矩形區(qū)域中心(ui,vi)，i=1,2,3,4,5,6.并且，由于2 階巴特沃斯濾波器是理想濾波器的尖銳和高斯型濾波器的完全平滑的一種過渡，是有效濾波和可接受的振鈴特性之間的折中，因此本文選取n=2.

在各區(qū)域中均利用式(6)求取傳遞函數(shù) hi(u,v)，i=1,2,3,4,5,6.將各 hi(u ,v)進(jìn)行整合，得到式(8)所示的最終傳遞函數(shù) H (u,v) .

改進(jìn)帶阻濾波器的三維透視圖如圖6 所示.

圖6 改進(jìn)帶阻濾波器的三維透視圖Fig.6 3D perspective drawing of the improved band rejection filter

1.5 反傅里葉變換

運(yùn)用改進(jìn)帶阻濾波器進(jìn)行頻域?yàn)V波后，根據(jù)式(1)得到 G (u ,v)，進(jìn)行反傅里葉變換，得到處理后的空域內(nèi)的圖像 f (x, y) .反傅里葉變換公式[10]為

1.6 圖像增強(qiáng)處理

經(jīng)過頻域處理后的圖像亮度降低，對(duì)比度下降，同時(shí)部分圖像也伴隨著字符邊緣虛化的問題.采用VDM 圖像處理模塊中的IMAQ GrayMorphology.VI函數(shù)對(duì)圖像進(jìn)行銳化處理，以解決字符邊緣虛化問題.利用IMAQ BCGLookup.VI 函數(shù)進(jìn)行圖像亮度和對(duì)比度的調(diào)節(jié)，并進(jìn)行伽馬校正.在確定IMAQ BCGLookup.VI 函數(shù)中的亮度、對(duì)比度和伽馬參數(shù)的值時(shí)，利用NI 公司開發(fā)的VISION ASSISTANT 能夠動(dòng)態(tài)地更改函數(shù)中的亮度、對(duì)比度和伽馬值，以找到效果最好的參數(shù)值[7].圖像增強(qiáng)處理的最終程序框圖及選取的相應(yīng)參數(shù)見圖7.

圖7 圖像增強(qiáng)程序框圖Fig.7 Block diagram of image enhancement

通過對(duì)圖像增強(qiáng)處理后，最終達(dá)到了去除條紋噪聲的效果，得到了較為理想的圖像.圖8 給出了進(jìn)行圖像增強(qiáng)前后的效果對(duì)比.

圖8 圖像增強(qiáng)處理前后的效果對(duì)比Fig.8 Results comparison before and after image enhancement

2 去噪方法評(píng)價(jià)

在石家莊動(dòng)車運(yùn)用所利用線陣CCD 相機(jī)對(duì)動(dòng)車圖像進(jìn)行了采集.隨機(jī)選取30 組圖像，并截取大小為774 像素×19 像素5 的車號(hào)部分，分別用本方法和普通帶阻濾波方法、矩匹配法對(duì)圖像中的條紋噪聲進(jìn)行去除，并運(yùn)用求取均方誤差(MSE)和峰值信噪比(PSNR)兩種方法分別評(píng)價(jià)去噪效果[8]，求取其平均值并進(jìn)行對(duì)比，結(jié)果見表1.其中，均方誤差和峰值信噪比的計(jì)算公式為

表1 去噪效果評(píng)價(jià)Tab.1 Evaluation of de-noising effectiveness

通過對(duì)比可見，本文的去除條紋噪聲的效果好于普通帶阻濾波和矩匹配法.

3 結(jié)語

通過圖像識(shí)別技術(shù)獲取動(dòng)車車號(hào)是一種常用途徑，而為圖像識(shí)別過程提供清晰、完整的圖像是提高圖像識(shí)別率的基本要求.本文針對(duì)動(dòng)車車號(hào)圖像的特點(diǎn)采用了針對(duì)性較強(qiáng)的去除條紋噪聲算法對(duì)車號(hào)圖像進(jìn)行了去噪和圖像增強(qiáng)的處理，為進(jìn)一步的車號(hào)識(shí)別提供了技術(shù)保障.該方法已經(jīng)成功應(yīng)用在石家莊動(dòng)車運(yùn)用所的車號(hào)圖像采集系統(tǒng)中，對(duì)圖像去噪處理的效果明顯.但是，該方法存在針對(duì)性較強(qiáng)的缺點(diǎn)，并不適用于所有場(chǎng)合的圖像條紋去噪.

［1］馬云嶺，陳雷，吳月東.鐵路貨車車號(hào)管理的發(fā)展及其應(yīng)用信息技術(shù)的研究[J].鐵道車輛，2006，44(4)：29-34.

［2］修吉宏，翟林培，劉紅.CCD 圖像條帶噪聲消除方法[J].電子器件，2005，28(4)：719-721，725.

［3］徐花艷，孫瑞寧.基于頻域的圖像條紋噪聲消除方法[J].硅谷，2012(6)：194.

［4］孫穎，張志佳.基于頻域?yàn)V波的自適應(yīng)條帶噪聲去除算法[J].儀表技術(shù)與傳感器，2006(2)：57-59.

［5］張引.基于空間分布的最大類間方差牌照?qǐng)D像二值化算法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2001，35(3)：272-275，280.

［6］劉岳巍.修正巴特沃斯函數(shù)快速圖像降噪方法[J].蘭州大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，50(1)：122-127.

［7］李扣生.基于虛擬儀器的電路板圖像識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D].上海：上海交通大學(xué)，2010.

［8］李曉晶.圖像質(zhì)量評(píng)價(jià)與圖像增強(qiáng)技術(shù)研究[D].南京：南京理工大學(xué)，2008.