綜合智能防誤場景下變電站視頻圖像去噪技術(shù)

臧世民，華 雄，胡廷廣

（安徽南瑞繼遠電網(wǎng)技術(shù)有限公司，安徽 合肥 230088)

0 引 言

近年來，隨著國家電網(wǎng)公司智慧變電站、智慧物聯(lián)體系、自主可控新一代變電站二次系統(tǒng)等工作的有序展開，變電專業(yè)的管理能力有了極大提升。然而，由于智慧變電站建設(shè)的不斷推進以及一鍵順控操作的迅速普及，對變電站防誤工作也提出了更為嚴格的要求。同時，隨著電力行業(yè)發(fā)展、管理機構(gòu)的調(diào)整，“無人值守+集中監(jiān)控”的變電運維管理新模式逐漸普及，原有的變電站運行方式、作業(yè)流程均發(fā)生了較大變化，對變電站綜合智能防誤操作管理和人員作業(yè)安全、設(shè)備安全防護能力也提出更新和更高的要求，因而視頻圖像質(zhì)量意義重大。

在防誤操作判斷領(lǐng)域中，視頻圖像起到輔助判據(jù)作用。當人員操作設(shè)備時，缺少必要監(jiān)護人員隱患極大，而人員檢測對視頻圖像質(zhì)量依賴性較強。在區(qū)域入侵監(jiān)測中，缺少高質(zhì)量視頻圖像將難以正確分析目標區(qū)域以致得出錯誤結(jié)果。針對信道、量化的噪聲，通常存在3類代表性噪聲模型，即加性噪聲、乘性噪聲、量化噪聲，這幾種噪聲均會干擾視頻監(jiān)控圖像，導致其無法滿足作為防誤操作判據(jù)的要求，因而找到一種合適的能夠強匹配無噪真實圖像的去噪方法已經(jīng)成為綜合智能防誤操作工程應用中的實際要求。

變電站因作用特殊，維系其正常運作是國民經(jīng)濟生活的要點，由此需要建立視頻監(jiān)控系統(tǒng)。視頻監(jiān)控提取的視頻場景圖像可能會受到周界環(huán)境、天氣變化等因素的影響導致出現(xiàn)局部圖像污損、干擾、重疊、虛影等各類運行狀況，這些狀況的出現(xiàn)不利于運維、安全管控等人員對于現(xiàn)場工況的進一步了解以及相應對策的實施，尤其是在主站對站端的遠程操作過程中，缺失有效的視頻圖像不利于正確指令的下達。視頻圖像是遠程集控站、站端運維人員關(guān)于決策對象的一手判斷資料，防誤主機數(shù)據(jù)處理模塊也會自適應地處理來源于下級諸如數(shù)據(jù)收集、數(shù)據(jù)轉(zhuǎn)發(fā)模塊的數(shù)據(jù)，因而通過去噪手段，還原出真實的圖像場景其重要性不言而喻。巴特沃斯濾波器因其平坦度極高，紋波受到極大限制，因而應用較為廣泛，然而過渡帶長度過寬，消減了巴特沃斯濾波器的部分性能[1,2]。文獻[3]通過將濾波器權(quán)重與像素乘積作為更新后的權(quán)重實現(xiàn)加速高斯濾波，然而高斯濾波存在邊緣信息模糊的問題。文獻[4]利用雙樹復小波變換結(jié)合雙邊濾波獲得了較為清晰的圖像，然而其處理效果受噪聲影響較大。文獻[5]通過變分貝葉斯估計對圖像進行去噪，然而其實現(xiàn)過程計算量較高。文獻[6]采用改進的閾值函數(shù)較好地解決了傳統(tǒng)的小波去噪中硬閾值函數(shù)與軟閾值函數(shù)存在的不連續(xù)、不可導、處理效果差問題，然而處理過程限于二維，未充分增強圖像的稀疏性。文獻[7]提出一種基于密度聚類與灰度變換的非下采樣剪切波變換（Non-Subsampled Shearlet Transform，NSST）域圖像去噪方法，利用具有噪聲的基于密度的聚類方法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）聚類處理高頻系數(shù)，灰度變化處理低頻系數(shù)從而獲得較好的圖像處理結(jié)果，然而非下采樣剪切波變換存在局部特征提取困難問題。

為了解決變電站視頻場景圖像處理效果不穩(wěn)定、濾波效果受限、圖像失真度高等問題，本文采用一種基于BM3D的視頻場景去噪方法，通過基礎(chǔ)估計與最終估計獲得清晰的變電站視頻場景圖像。

1 BM3D算法

BM3D的基本原理是利用圖像塊之間的相似性進行分組，以達到圖像升維的目的，然后通過對圖像轉(zhuǎn)換域進行稀疏表達增強使得噪聲發(fā)生分離[8,9]。具體而言，該種方法基于圖像各區(qū)域之間存在的相似性進行操作，即對于涉及的含有類似紋理、邊界等相似特征的區(qū)域采用堆疊的方式構(gòu)建三維待處理體，其過程主要為基礎(chǔ)估計與最終估計。

1.1 基礎(chǔ)估計

1.1.1 按塊匹配分組

塊匹配是去噪中常用的圖像處理方法，該方法通過滑動窗遍歷搜索出與目的塊匹配度達標的區(qū)域，然后對各相似塊進行組合，從而形成合適的三維待處理體。假設(shè)zΩ×Ω為噪聲圖像，y為無噪圖像，n為噪聲，xi,j為圖像中各像素點坐標，則有

假設(shè)z鄰域內(nèi)的參照塊為G，該鄰域內(nèi)匹配塊為Gi,j，則可以獲得參照塊與匹配塊之間的歐氏距離d(G,Gi,j)為

在此基礎(chǔ)上設(shè)定距離閾值dthre，若有d(G,Gi,j)≤dthre，表示匹配塊與參照塊之間的相似性符合要求，可以將該匹配塊視為相似塊。由此獲得相似塊間的最大閾值，將其記為λ，則可獲得相似塊集合P為

1.1.2 變換域濾波與圖像重構(gòu)

對P中所屬元素按升序排序，由此獲得大小為Ω×Ω×P的三維待處理體GTH。在此基礎(chǔ)上，利用三維小波硬閾值變換增強相似塊之間的稀疏性，將變換域中不處于閾值函數(shù)規(guī)約范圍內(nèi)的系數(shù)予以剔除，然后通過三維逆變換重構(gòu)去噪之后的圖像，該過程可以表示為

式中：Ψ(·)表示硬閾值濾波；κ3D、分別表示三維變換及其逆變換。

1.1.3 聚合

由于在分組過程中，像素點可能會因為多個匹配塊的復用出現(xiàn)重復估計的情況，故采用線性加權(quán)的方式以獲得像素點基礎(chǔ)評估值，從而將像素值的聚合為

式中：WxR為像素點各次估計值對應的權(quán)重；Zbasic為像素點的基礎(chǔ)評估值；χxm為像素xm處的特征函數(shù)。

1.2 最終估計

獲得圖像的基礎(chǔ)估計之后，參照像素值的匹配模式，可以得到Zbasic、Z的三維待處理體，從而獲得Zbasic相對于Z的相似塊集合Sω為

式中：λω為根據(jù)經(jīng)驗設(shè)定的距離閾值。對該相似塊集合升序排列，然后進行三維建模，獲得大小為Ω×Ω×SΩ的三維待處理體模型ξ。在仿照基礎(chǔ)估計中變換域濾波與圖像重構(gòu)步驟的基礎(chǔ)上，改用維納濾波作為變換域中的變換函數(shù)，由此獲得重構(gòu)后的圖像矩陣為

式中：W為維納濾波收縮系數(shù)；η3D、分別表示維納濾波正變換及其反變換[10]。

2 算 例

變電站中，雖然視頻監(jiān)控系統(tǒng)隨處可見，但是受到諸如電磁、背景干擾等不良問題的影響可能導致產(chǎn)生各類噪聲，而變電站的運作狀況又關(guān)系到國民經(jīng)濟生活，因此通過對變電站視頻場景的去噪獲得高清視頻圖像勢在必行。現(xiàn)對安徽某地變電站場景進行采集，獲得原始的視頻圖像及經(jīng)BM3D去噪后的圖像，分別如圖1（a）、圖1（b）所示。

圖1 去噪前后對比

從圖1（b）可以直觀地得出視頻場景圖像的清晰度有了一定提升，對于場景中存在的細節(jié)噪聲濾除效果同樣良好，并且信噪比也由16.5 dB提升至29.3 dB，充分說明了該算法在處理變電站視頻場景圖像中的優(yōu)勢。

3 結(jié) 論

本文從基礎(chǔ)估計與最終估計出發(fā)，利用BM3D的三維濾波與重構(gòu)機制，通過變換域?qū)υ紙D像的稀疏性進行增強從而濾除噪聲干擾，獲得了較為清晰的視頻圖像，對于工程實際具備一定的借鑒意義。