基于预滤波处理的红外图像小波去噪

2013-08-13唐庆菊刘元林冯旻王磊

机械工程师 2013年3期

唐庆菊，刘元林，冯旻，王磊

（1.黑龙江科技学院机械工程学院，哈尔滨 150027；2.黑龙江科技学院嵩山校区，哈尔滨 150090；3.黑龙江科技学院工程训练与基础实验中心，哈尔滨 150027）

1 引言

近年来，随着红外技术的不断发展和日趋成熟，红外热成像技术的应用越来越广泛，在军事、医疗、交通、农业、治安、消防、考古和地质等许多领域都发挥着越来越重要的作用［1-3］。但由于受红外探测环境和红外热像仪等相关设备性能的限制，目前红外图像仍具有高背景、低反差的特点，其动态范围大、对比度低、信噪比也较可见光图像的低［4-5］。因此，为了提高红外探测的准确性，更加清晰地提取红外图像中探测目标的边缘轮廓信息，需要对红外热像仪采集到的图像进行图像去噪等后续处理。

传统去噪方法是将受噪声干扰的信号通过一个滤波器，将噪声频率成份滤掉，对于低信噪比的信号往往去噪效果较差。本文以超声激励检测金属板材内部接触界面类缺陷的红外图像为分析对象，基于高斯滤波和中值滤波技术对红外图像进行预处理，然后运用小波变换技术实现对红外图像的去噪。

2 原始红外图像特征分析

图1 原始红外图像

图1 为超声激励金属板材内部接触界面类缺陷时采集的一幅红外图像。由图1 可知，由于在试验过程中受到加热不均、环境干扰以及红外热像仪自身性能的影响，红外图像中缺陷处与完好材料处对应构件表面图像对比度较差，且含有较强的椒盐噪声。

3 红外图像预处理

3.1 高斯滤波和中值滤波原理

高斯滤波是一类根据高斯函数形状选择权值的线性平滑滤波器，可有效去除服从正态分布的噪声。常用的二维零均值离散高斯滤波器函数可表示为［6］：

其中σ的大小决定了高斯函数的宽度。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理方法，可有效去除图像中含有的椒盐噪声。中值滤波的原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值进行代换。设该滤波器的滤波器窗口大小为A，尺寸为N=（2K＋1）·（2K＋1），则对于图像（Xi，j，（i，j）∈Z2）的二维中值滤波器，若数字图像用数集｛Xi，j｝表示，（i，j）取Z2和Z3的某子集［7］。则有：

3.2 红外图像预处理结果

图2（a）、（b）分别为经高斯滤波和中值滤波后的红外图像。图3 为先进行高斯滤波，再进行中值滤波处理后的图像。比较图2和图3 可知，经高斯滤波和中值滤波联合预处理后的图像，与单独采用其中一种方法处理后的图像相比，具有更大的信噪比。

图2 单独采用一种方法的图像预处理结果

图3 高斯和中值滤波联合的图像预处理结果

4 红外图像的小波去噪

4.1 小波去噪原理及实现步骤

图4 小波阈值去噪步骤

小波变换是一种有效的信号去噪工具，已经在图像处理、模式识别等诸多领域有所应用。利用小波变换的变尺度特性，可实现对确定信号的“集中”。若某信号的能量集中于小波变换域的少数系数上，则对这些系数的取值必然会大于在小波变换域内能量分散于大量小波系数上的信号或噪声的小波系数值［8］。实现小波阈值去噪的步骤如图4所示。