架空電力線路紅外圖像降噪方法研究

張麗英

（黑龍江工商學(xué)院電子系，黑龍江 哈爾濱 150000）

1 研究背景與圖像處理流程

架空線路由于其特殊的地理特性，且當(dāng)線路、元件等出現(xiàn)發(fā)熱等故障時(shí)，人眼很難直接辨別，需根據(jù)其紅外圖像溫度圖譜進(jìn)行故障判斷，因此通常電力工作人員日常巡檢借助無(wú)人機(jī)搭載紅外相機(jī)航拍完成。由于無(wú)人機(jī)處于不斷運(yùn)動(dòng)中，通過(guò)紅外成像儀采集到的圖像信息會(huì)受到許多噪聲和運(yùn)動(dòng)模糊的影響，從而使圖像信息失真、畸變、模糊或混入噪聲。同時(shí)，在空中進(jìn)行拍攝極易受到光照影響，曝光程度也會(huì)使圖像出現(xiàn)明暗不均的情況，導(dǎo)致無(wú)法從圖像中得到準(zhǔn)確信息，為后面的診斷工作帶來(lái)不便。因此，對(duì)所采集到的紅外圖像進(jìn)行處理工作是十分必要的，主要改善從圖像的噪聲干擾和畫(huà)面模糊等問(wèn)題，提高畫(huà)面清晰度，為下一步的判斷提供理論依據(jù)，避免由于畫(huà)面模糊等干擾因素，導(dǎo)致故障誤判、漏判。因此，此項(xiàng)研究對(duì)于架空線路的安全運(yùn)行意義重大。

計(jì)算機(jī)在進(jìn)行圖像處理時(shí)，由于顏色本身非常容易受到光照等因素的影響，RGB 彩色圖像難以提供所有的關(guān)鍵信息，通常先將RGB 圖片進(jìn)行灰度處理，此外，RBG 圖像上的噪聲在灰度化后會(huì)表現(xiàn)的更明顯，因此在進(jìn)行圖像降噪之前，需對(duì)RGB 彩色圖像進(jìn)行灰度處理。進(jìn)一步對(duì)灰度化后的圖像進(jìn)行降噪處理，最大限度的還原圖像，為下一步故障判斷奠定基礎(chǔ)?？傮w流程如圖1 所示。

圖1 圖像處理總體流程

2 圖像灰度化處理

當(dāng)對(duì)彩色圖片上的R、G、B 通道做一致化處理時(shí)，即為對(duì)該圖像進(jìn)行灰度化[7]。此外，R、G、B 的取值范圍均為0-255。因此，當(dāng)三個(gè)顏色通道一致時(shí)，只需要儲(chǔ)存其中的任意一組數(shù)值即可?；叶然椒ㄍǔＳ校悍至糠?、最大值法、平均值法和加權(quán)平均法[7]。

試驗(yàn)選擇加權(quán)平均法來(lái)對(duì)圖像進(jìn)行灰度化處理。該算法基于人眼睛對(duì)于RGB 的不同識(shí)別效應(yīng)來(lái)設(shè)計(jì)，處理后的灰度圖能夠更接近理論的判斷條件[4]。其原理為根據(jù)人眼對(duì)R, G, B 分量的敏感程度，分別賦予不同的權(quán)重，對(duì)其加權(quán)平均，得到灰度值。其處理結(jié)果如圖2 所示。

圖2 原圖像與灰度處理圖像

3 傳統(tǒng)的降噪算法

無(wú)人機(jī)采集紅外圖像時(shí)，在數(shù)據(jù)存儲(chǔ)與傳輸過(guò)程中，易出現(xiàn)噪聲干擾，若不進(jìn)行噪聲處理，對(duì)圖片清晰度和質(zhì)感都有不同程度的影響。其中噪聲類(lèi)型較為常見(jiàn)的主要是椒鹽（脈沖）噪聲、高斯噪聲，其對(duì)應(yīng)的濾波方法分別為中值濾波和高斯濾波[1]。試驗(yàn)主要針對(duì)這兩種噪聲進(jìn)行濾波處理，對(duì)灰度后圖像進(jìn)行研究。

3.1 中值濾波

中值濾波是基于排序統(tǒng)計(jì)理論的一種非線性信號(hào)處理技術(shù)，可有效抑制噪聲，并常用來(lái)處理脈沖噪聲(又稱椒鹽噪聲)。其基本原理是把數(shù)字圖像或數(shù)字序列中的一點(diǎn)，用其領(lǐng)域中各點(diǎn)值的中值來(lái)替代，使其更接近真實(shí)像素值，從而消除噪點(diǎn)。中值濾波的計(jì)算公式如下：

其中g(shù)（x，y）表示計(jì)算出來(lái)的中值，并用其代替窗口中心值，使周?chē)蹈咏袼刂?，從而降低噪聲干擾。median()表示計(jì)算中值，W 表示為二維模板的滑動(dòng)窗口，通常為3*3、5*5 區(qū)域。根據(jù)實(shí)際噪聲情況選擇合適的窗口尺寸，最終達(dá)到理想的濾波效果。中值濾波處理效果如圖3 所示。

圖3 中值濾波

試驗(yàn)使用了3*3 和5*5 兩種窗口尺寸對(duì)比降噪。由圖2可知，5*5 濾波窗口在濾波的同時(shí)，適當(dāng)?shù)乇Ａ袅藞D像清晰度，但仍存在部分噪點(diǎn)未濾除；而3*3 模板則恰好相反，濾除大量的噪點(diǎn)同時(shí)也降低了圖像的清晰度，處理后的圖像開(kāi)始變得模糊，出現(xiàn)目標(biāo)細(xì)節(jié)丟失的現(xiàn)象。

3.2 高斯濾波

高斯濾波也是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像的降噪[2]。其本質(zhì)是帶權(quán)值的加權(quán)均值濾波，其濾波原理為，使用一個(gè)模板去掃描圖像中的各點(diǎn)像素，并用模板確定的鄰域內(nèi)像素的加權(quán)平均值替代模板中心像素點(diǎn)的值，最終達(dá)到消除噪聲點(diǎn)的作用。其計(jì)算公式如下所示。

其中，K 為元素值，（xc，yc）為模板中心坐標(biāo)，即坐標(biāo)系原點(diǎn)，σ 為標(biāo)準(zhǔn)差。該公式用于生成高斯濾波模板。類(lèi)似中值濾波，高斯濾波也常用3*3 和5*5 的模板。高斯濾波處理結(jié)果如圖4 所示。

圖4 高斯濾波

觀察圖4 可以發(fā)現(xiàn)，同中值濾波類(lèi)似地，隨著滑動(dòng)窗口尺寸的增加，3*3 模板的高斯濾波也出現(xiàn)畫(huà)面模糊、細(xì)節(jié)丟失的問(wèn)題。

4 改進(jìn)傳統(tǒng)降噪算法

通過(guò)觀察中值濾波和高斯濾波降噪結(jié)果可以發(fā)現(xiàn)，其濾波效果并不是很理想。原因之一是噪聲類(lèi)型有很多種，一張圖像可能存在一種或幾種噪聲點(diǎn)，只靠單一濾波方法顯然不能達(dá)到理想降噪效果。若在降噪前對(duì)圖像逐張判斷噪聲類(lèi)型，再選擇合適的濾波器則工作量過(guò)大。因此，提出將幾個(gè)主要濾波器通過(guò)加權(quán)方式組合為一個(gè)濾波器，則省去了提前判斷噪聲類(lèi)型的過(guò)程，且可對(duì)一張圖像中的幾種噪聲同時(shí)濾波，降低了工作量，并提高了降噪效率。

將基于神經(jīng)網(wǎng)絡(luò)濾波、高斯濾波、中值濾波三種算法進(jìn)行組合使用，可分別對(duì)乘性噪聲、高斯噪聲、椒鹽噪聲有較好的濾波效果。其組合原理為對(duì)每一種濾波器濾波后的圖像進(jìn)行加權(quán)融合，由于不同的濾波器的性能不同，最后使用擬牛頓搜索算法得到最優(yōu)化的權(quán)重，融合圖像得到最佳效果，其原理如下。

融合后的濾波器相較于單一濾波器，在簡(jiǎn)化降噪過(guò)程的同時(shí)，也提高了濾波效率。其濾波效果與傳統(tǒng)算法對(duì)比如圖5 所示。

為了證明算法的有效性，利用試驗(yàn)濾波效果較好的高斯濾波5*5 模板和中值濾波5*5 模板，使用同一張?jiān)肼暬叶葓D與融合濾波進(jìn)行降噪對(duì)比。觀察圖5 可以發(fā)現(xiàn)在處理各類(lèi)噪聲圖像時(shí)，融合濾波相較于其他兩種濾波方式，在有效去除噪點(diǎn)的同時(shí)，也較大的保留了圖像的清晰度，濾波效果更為理想。

圖5 融合合濾波效果對(duì)比

試驗(yàn)結(jié)果以結(jié)構(gòu)相似性和峰值信噪比作為算法的評(píng)價(jià)指標(biāo)，相似性在0-1 范圍內(nèi)，數(shù)值越大代表結(jié)構(gòu)屬性越接近原圖像；峰值信噪比通常在20-30dB 范圍內(nèi)，其數(shù)值越大代表失真越少。對(duì)比結(jié)果如表1 所示。

表1 不同算法降噪結(jié)果對(duì)比

由對(duì)比結(jié)果可知，融合濾波峰值信噪比較中值濾波和高斯濾波分別高出5.71 和3.03，結(jié)構(gòu)相似性分別高出0.44 和0.21。故基于多評(píng)價(jià)指標(biāo)的圖像融合去噪算法具有更好的應(yīng)用效果。

5 結(jié)論

對(duì)灰度化后的RGB 紅外圖像進(jìn)行傳統(tǒng)濾波處理后，存在降噪和細(xì)節(jié)保留不能兼得的問(wèn)題。為此提出一種基于多評(píng)價(jià)指標(biāo)的圖像融合去噪算法，實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)單一濾波算法，融合濾波方法能夠在保留結(jié)構(gòu)相似性的同時(shí)，降低圖像失真率，具有更好的應(yīng)用性。提出融合降噪算法的研究和應(yīng)用對(duì)于進(jìn)一步促進(jìn)紅外圖像處理技術(shù)的發(fā)展意義重大。融合降噪技術(shù)融入到實(shí)際工業(yè)生產(chǎn)當(dāng)中，可幫助提高工作效率。