架空电力线路红外图像降噪方法研究

张丽英

（黑龙江工商学院电子系，黑龙江 哈尔滨 150000）

1 研究背景与图像处理流程

架空线路由于其特殊的地理特性，且当线路、元件等出现发热等故障时，人眼很难直接辨别，需根据其红外图像温度图谱进行故障判断，因此通常电力工作人员日常巡检借助无人机搭载红外相机航拍完成。由于无人机处于不断运动中，通过红外成像仪采集到的图像信息会受到许多噪声和运动模糊的影响，从而使图像信息失真、畸变、模糊或混入噪声。同时，在空中进行拍摄极易受到光照影响，曝光程度也会使图像出现明暗不均的情况，导致无法从图像中得到准确信息，为后面的诊断工作带来不便。因此，对所采集到的红外图像进行处理工作是十分必要的，主要改善从图像的噪声干扰和画面模糊等问题，提高画面清晰度，为下一步的判断提供理论依据，避免由于画面模糊等干扰因素，导致故障误判、漏判。因此，此项研究对于架空线路的安全运行意义重大。

计算机在进行图像处理时，由于颜色本身非常容易受到光照等因素的影响，RGB 彩色图像难以提供所有的关键信息，通常先将RGB 图片进行灰度处理，此外，RBG 图像上的噪声在灰度化后会表现的更明显，因此在进行图像降噪之前，需对RGB 彩色图像进行灰度处理。进一步对灰度化后的图像进行降噪处理，最大限度的还原图像，为下一步故障判断奠定基础。总体流程如图1 所示。

图1 图像处理总体流程

2 图像灰度化处理

当对彩色图片上的R、G、B 通道做一致化处理时，即为对该图像进行灰度化[7]。此外，R、G、B 的取值范围均为0-255。因此，当三个颜色通道一致时，只需要储存其中的任意一组数值即可。灰度化方法通常有：分量法、最大值法、平均值法和加权平均法[7]。

试验选择加权平均法来对图像进行灰度化处理。该算法基于人眼睛对于RGB 的不同识别效应来设计，处理后的灰度图能够更接近理论的判断条件[4]。其原理为根据人眼对R, G, B 分量的敏感程度，分别赋予不同的权重，对其加权平均，得到灰度值。其处理结果如图2 所示。

图2 原图像与灰度处理图像

3 传统的降噪算法

无人机采集红外图像时，在数据存储与传输过程中，易出现噪声干扰，若不进行噪声处理，对图片清晰度和质感都有不同程度的影响。其中噪声类型较为常见的主要是椒盐（脉冲）噪声、高斯噪声，其对应的滤波方法分别为中值滤波和高斯滤波[1]。试验主要针对这两种噪声进行滤波处理，对灰度后图像进行研究。

3.1 中值滤波

中值滤波是基于排序统计理论的一种非线性信号处理技术，可有效抑制噪声，并常用来处理脉冲噪声(又称椒盐噪声)。其基本原理是把数字图像或数字序列中的一点，用其领域中各点值的中值来替代，使其更接近真实像素值，从而消除噪点。中值滤波的计算公式如下：

其中g（x，y）表示计算出来的中值，并用其代替窗口中心值，使周围值更接近像素值，从而降低噪声干扰。median()表示计算中值，W 表示为二维模板的滑动窗口，通常为3*3、5*5 区域。根据实际噪声情况选择合适的窗口尺寸，最终达到理想的滤波效果。中值滤波处理效果如图3 所示。

图3 中值滤波

试验使用了3*3 和5*5 两种窗口尺寸对比降噪。由图2可知，5*5 滤波窗口在滤波的同时，适当地保留了图像清晰度，但仍存在部分噪点未滤除；而3*3 模板则恰好相反，滤除大量的噪点同时也降低了图像的清晰度，处理后的图像开始变得模糊，出现目标细节丢失的现象。

3.2 高斯滤波

高斯滤波也是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像的降噪[2]。其本质是带权值的加权均值滤波，其滤波原理为，使用一个模板去扫描图像中的各点像素，并用模板确定的邻域内像素的加权平均值替代模板中心像素点的值，最终达到消除噪声点的作用。其计算公式如下所示。

其中，K 为元素值，（xc，yc）为模板中心坐标，即坐标系原点，σ 为标准差。该公式用于生成高斯滤波模板。类似中值滤波，高斯滤波也常用3*3 和5*5 的模板。高斯滤波处理结果如图4 所示。

图4 高斯滤波

观察图4 可以发现，同中值滤波类似地，随着滑动窗口尺寸的增加，3*3 模板的高斯滤波也出现画面模糊、细节丢失的问题。

4 改进传统降噪算法

通过观察中值滤波和高斯滤波降噪结果可以发现，其滤波效果并不是很理想。原因之一是噪声类型有很多种，一张图像可能存在一种或几种噪声点，只靠单一滤波方法显然不能达到理想降噪效果。若在降噪前对图像逐张判断噪声类型，再选择合适的滤波器则工作量过大。因此，提出将几个主要滤波器通过加权方式组合为一个滤波器，则省去了提前判断噪声类型的过程，且可对一张图像中的几种噪声同时滤波，降低了工作量，并提高了降噪效率。

将基于神经网络滤波、高斯滤波、中值滤波三种算法进行组合使用，可分别对乘性噪声、高斯噪声、椒盐噪声有较好的滤波效果。其组合原理为对每一种滤波器滤波后的图像进行加权融合，由于不同的滤波器的性能不同，最后使用拟牛顿搜索算法得到最优化的权重，融合图像得到最佳效果，其原理如下。

融合后的滤波器相较于单一滤波器，在简化降噪过程的同时，也提高了滤波效率。其滤波效果与传统算法对比如图5 所示。

为了证明算法的有效性，利用试验滤波效果较好的高斯滤波5*5 模板和中值滤波5*5 模板，使用同一张噪声灰度图与融合滤波进行降噪对比。观察图5 可以发现在处理各类噪声图像时，融合滤波相较于其他两种滤波方式，在有效去除噪点的同时，也较大的保留了图像的清晰度，滤波效果更为理想。

图5 融合合滤波效果对比

试验结果以结构相似性和峰值信噪比作为算法的评价指标，相似性在0-1 范围内，数值越大代表结构属性越接近原图像；峰值信噪比通常在20-30dB 范围内，其数值越大代表失真越少。对比结果如表1 所示。

表1 不同算法降噪结果对比

由对比结果可知，融合滤波峰值信噪比较中值滤波和高斯滤波分别高出5.71 和3.03，结构相似性分别高出0.44 和0.21。故基于多评价指标的图像融合去噪算法具有更好的应用效果。

5 结论

对灰度化后的RGB 红外图像进行传统滤波处理后，存在降噪和细节保留不能兼得的问题。为此提出一种基于多评价指标的图像融合去噪算法，实验结果表明，相比传统单一滤波算法，融合滤波方法能够在保留结构相似性的同时，降低图像失真率，具有更好的应用性。提出融合降噪算法的研究和应用对于进一步促进红外图像处理技术的发展意义重大。融合降噪技术融入到实际工业生产当中，可帮助提高工作效率。