基于紫外图像的小波域内维纳滤波降噪方法

谢俊+郭春裕+张鹏+李威霖

摘 要：为了检测电气产品的安全状态，采用紫外成像检测技术对电气产品的放电状态进行研究。紫外图像在采集的时候难免会受到各种各样的干扰和噪声，大的紫外光斑周围有很多微小的白色光斑，这些光斑会对紫外图像特征量的提取产生严重的影响，需要通过预处理来滤除这些干扰。一般来说，图像噪声的来源有以下三方面：一为光电、电磁转换过程中引入的噪声；二为电气产品本身存在的强电磁脉冲的干扰；三为自然起伏性噪声。这些噪声导致紫外图像不能符合后续的存储和处理要求。此时就需要对其进行预处理来消除干扰和噪声的影响，从而抑制与实际信号无关的杂波，提高对后续图像的处理能力和精确度。

关键词：图像预处理；方法；精确度

中图分类号：TP391.4 文献标志码：A 文章编号：2095-2945（2018）07-0018-03

Abstract： In order to detect the safe state of electrical products， the discharge state of electrical products is studied by ultraviolet （UV） imaging technology. UV images will inevitably be subjected to a variety of interference and noise， large ultraviolet spots around a lot of small white spots， which have a serious impact on the extraction of ultraviolet image features. These disturbances need to be filtered out by pre-processing. Generally speaking， the source of image noise has the following three aspects： the first is the noise introduced in the process of photoelectric and electromagnetic conversion； the second is the interference of the strong electromagnetic pulse existing in the electrical product itself； the third is the natural undulating noise. These noises do not meet the requirements of subsequent storage and processing. At this time， it is necessary to pre-process it to eliminate the interference and noise， so as to suppress the clutter independent of the actual signal， and improve the processing ability and accuracy of the subsequent image.

Keywords： image preprocessing； method； accuracy

1 几种图像预处理的方法

通常的，图像的预处理分为图像的复原和图像的增强，图像增强突出了图像的细节变化，但同时也放大了图像的噪声干扰，图像的复原降低了噪声干扰的同时也弱化了图像的细节变化[1]。较为理想的图像预处理方法应该既能消除噪声干扰，又最大程度地使图像边缘轮廓等细节保持原样。本研究是对放电光斑进行精确处理，因此对图像细节的要求较高。考虑先采用传统滤波方法对图像进行预处理，常见的滤波方法有中值平滑滤波、低通滤波、维纳滤波等[2]。

由表可见，本研究中采用的方法MSE最低，表示处理后的图片最接近没有噪声的图片，表明还原能力最好；PSNR最高，表示图像有用信号和噪声的比值最大，表明降噪效果最好。

4 结束语

本文根据紫外放电图像的成像特性和本研究中需要对图像的处理要求，首先对紫外放电图像进行去噪。先分析了几种常用的滤波降噪方法，最终提出一种小波域内维纳滤波的降噪方法。先对噪声图像进行小波变换，再利用维纳滤波对图像去噪，并通过在降噪前后取对数、指数的形式，有效实现降低紫外放电图像中的各种噪声。最后，比较了小波维纳滤波与其他各种滤波方法对图像的处理效果，并使用MSE和PSNR评价处理效果。实验证明，本研究中使用的滤波法能更为有效地在降低噪声干扰的同时又最大程度地使图像边缘轮廓等细节保持了原样。

参考文献：

[1]金良海.彩色图像滤波与基于四元数的彩色图像处理方法[D].华中科技大学，2008.

[2]吴建华，李迟生，周卫星.中值滤波与均值滤波的去噪性能比较[J].南昌大学学报（工科版），1998，01：33-36+62.

[3]崔晓杰.维纳滤波的应用研究[D].长安大学，2006.

[4]张德丰，张葡青.维纳滤波图像恢复的理论分析与实现[J].中山大学学报（自然科学版），2006，06：44-47.

[5]衣晓飞，陈福接，杨学军.基于维纳滤波的图像模板匹配[J].计算机研究与发展，2000，12：1499-1503.

[6]David G. Lowe. Distinctive image features from scale-invariant key-points[J].The International Journal of Computer Vision， 2004， 60（2）： 91-110.

[7]M. Brown， D. G. Lowe. Invariant features from interest point groups[C]. British Machine Vision Conference， 2002.656-665.

[8]Zhang Xin-yang； Zhang Ren-jin， "The technology research in decomposition and reconstruction of image based on two-dimensional wavelet transform，" Fuzzy Systems and Knowledge Discovery （FSKD）， 2012 9th International Conference on ， vol.， no.， pp.1998，2000， 29-31 May 2012.

[9]李波.數字图像噪声消除算法研究[D].曲阜师范大学，2008.

[10]张旭升，周桃庚，沙定国.数字图像噪声估计的方法及数学模型[J].光学技术，2005，05：719-722.endprint