基于雙邊濾波的太赫茲圖像去躁方法研究

郭俊文，宋貴才

（長春理工大學(xué)理學(xué)院，長春 130021）

太赫茲時域光譜技術(shù)由于具有良好的時間分辨率和寬光譜覆蓋范圍，已成為在太赫茲光譜、成像和介質(zhì)無損檢測的主要手段。在太赫茲脈沖成像和連續(xù)波成像系統(tǒng)中，均面臨著隨著激光器的穩(wěn)定性變化和掃面成像時間較長，導(dǎo)致太赫茲圖像背景受到激光器的影響從而出現(xiàn)斑點噪聲和灰度分布不均勻現(xiàn)象。在提高圖像降噪性能方面有大量的文獻[5]，研究主要集中在信噪比的提高而在有效去除噪聲的同時保留更多的圖像細節(jié)信息是太赫茲圖像濾波算法的關(guān)鍵。

本文針對太赫茲反射圖像中的高斯白噪聲，較好的平衡了降噪和細節(jié)信息間的關(guān)系問題。對傳統(tǒng)雙邊濾波進行分析，分別對亮度標(biāo)準(zhǔn)差和空間標(biāo)準(zhǔn)差確定影響算法濾波效果的主要參數(shù)指標(biāo)，明確雙邊濾波的濾波效果主要取決于亮度標(biāo)準(zhǔn)差，建立亮度標(biāo)準(zhǔn)差和圖像去躁效果之間的線性關(guān)系。

1 雙邊濾波算法

傳統(tǒng)的雙邊濾波（BF）是Tomasi和Manduchi于1998年提出的非線性濾波類似于高斯平滑濾波，雙邊濾波的優(yōu)勢在于平滑噪聲同時能夠很好地保護圖像的邊緣細節(jié)[4]。雙邊濾波定義如下：

式中，為像素點m濾波后的值；I（n）為輸入的像素值；N（m）為m附近的方形領(lǐng)域；Z是歸一化因子；n是鄰域中像素點的位置；WD是空間函數(shù)；WR是亮度函數(shù)，定義如下：

式中，σr為亮度標(biāo)準(zhǔn)差；σd為空間標(biāo)準(zhǔn)差；Im和In分別為m和n處的像素值。由文獻[4]可知σd在為2.3時，信噪比隨著σr的增加而增大亮度標(biāo)準(zhǔn)差可作為對圖像處理算法效果優(yōu)劣的評價標(biāo)準(zhǔn)，其結(jié)果主要由σr的取值決定。

2 實驗結(jié)果與分析

本實驗中，本文以雙邊濾波、三維塊匹配濾波和引導(dǎo)濾波為比較對象，將實驗結(jié)果與兩種參照算法作比較，為了客觀評價算法性能，分別對仿真圖像和實驗圖像進行實驗采用峰值信噪比（peak Signal to Noise Ratio，PSNR）和結(jié)構(gòu)相似度（Structural Similarity Index Measurement，SSIM）（圖像的輪廓和細節(jié)）對圖像質(zhì)量進行評價。

表1 太赫茲圖像濾波結(jié)果PSNR和SSIM對比

由表1可知，通過與參照算法的對比實驗，可以得出以下結(jié)論：采用雙邊濾波算法在整體的濾波效果上有明顯的優(yōu)勢，在峰值信噪比和結(jié)構(gòu)相似度方面有明顯提高，這說明既保留了圖像的細節(jié)信息也達到了濾波效果。該算法也只是針對與太赫茲圖像中的高斯噪聲分布，需要改進的地方是參數(shù)無法自適應(yīng)，不同的太赫茲圖像需要不同的參數(shù)從而增加了時間復(fù)雜度，需要對噪聲模型做進一步改進研究，對雙邊濾波算法進行改進，根據(jù)太赫茲圖像的噪聲分布自適應(yīng)設(shè)置參數(shù)，為以后的研究提供思路。

3 結(jié)束語

綜上所述，本文采用雙邊濾波算法，依據(jù)對不同等級的圖像噪聲方差算法自行進行準(zhǔn)確的估計，避免噪聲方差參數(shù)的不平滑，最優(yōu)的選取了空間標(biāo)準(zhǔn)差和亮度標(biāo)準(zhǔn)差σd=2.3，σr=0.61，滿足了去躁后圖像細節(jié)特征信息保留的情況下，圖像的峰值信噪比由原來的26.9提高到27.89，圖像的結(jié)構(gòu)相似度由原來的0.7340提高到0.7634?？梢越鉀Q在太赫茲圖像處理過程中，傳統(tǒng)的去躁處理算法帶來的細節(jié)信息丟失問題。實驗結(jié)果表明，本文算法對太赫茲圖像的降噪性能明顯，濾波后圖像很好地保留了圖像的邊緣細節(jié)特征，峰值信噪比也得到了提高。

[1] 陳霖.連續(xù)波太赫茲波圖像去躁與對比度增強研究[D].深圳大學(xué)，2015.