專利名稱：一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像的處理方法，特別涉及一種能夠應(yīng)用于火災(zāi)探測的變換域鄰 域自適應(yīng)圖像降噪方法。
背景技術(shù)：
隨著城市化建設(shè)的快速發(fā)展，大空間建筑迅速增多，火災(zāi)形勢日益嚴(yán)峻。大空間建 筑火災(zāi)損失巨大，給人民的生命財(cái)產(chǎn)安全構(gòu)成了極大的威脅。由于受空間高度和面積的影 響，傳統(tǒng)的火災(zāi)探測技術(shù)如點(diǎn)式或線式感煙、感溫探測器難以正常發(fā)揮有效作用。而圖像型 火災(zāi)探測技術(shù)利用圖像處理技術(shù)進(jìn)行早期火災(zāi)探測，具有十分顯著的優(yōu)勢，已經(jīng)成為現(xiàn)今 火災(zāi)探測和識(shí)別中的研究熱點(diǎn)。然而，其檢測和識(shí)別的準(zhǔn)確度與監(jiān)測圖像質(zhì)量有著十分密 切的關(guān)系，即圖像的質(zhì)量直接影響火災(zāi)檢測和識(shí)別的準(zhǔn)確度。通常，火災(zāi)探測圖像在獲取和傳輸過程中會(huì)受到不同程度的噪聲污染，而圖像降 噪的目的就是在去除噪聲的同時(shí)，最大限度地保留圖像的主要特征信息，如圖像邊緣信息， 以提高圖像的恢復(fù)質(zhì)量。目前，圖像降噪方法主要分為空域?yàn)V波和變換域?yàn)V波兩大類。 傳統(tǒng)的大部分濾波方法屬于前者，如中值濾波等。而在變換域?yàn)V波方法中，以Donoho和 Johnstone提出的基于小波變換的收縮閾值降噪方法最具代表性。由于信號(hào)經(jīng)過小波變換 后，信號(hào)主要集中在少數(shù)絕對幅值較大的小波系數(shù)上，而噪聲則散布在一些絕對幅值較小 的小波系數(shù)上，因此，可以利用收縮閾值法對小波系數(shù)進(jìn)行降噪，達(dá)到降噪的目的。但是，由于二維可分離小波變換是經(jīng)一維小波通過張量積形成的，只能有效地表 示一維奇異信息即點(diǎn)奇異信息，而不能有效地描述圖像中的二維或高維奇異信息，如線、輪 廓等重要信息，從而制約了小波降噪方法的性能。Contourlet變換作為一種新的信號(hào)分析 工具，解決了小波變換不能有效表示二維或更高維奇異性的缺點(diǎn)，能準(zhǔn)確地將圖像中的邊 緣捕獲到不同尺度、不同方向的子帶中，具有良好的多尺度多分辨率和多方向性特點(diǎn)，在圖 象降噪方面取得了較好的效果。然而，它不具備平移不變性，直接進(jìn)行降噪處理會(huì)在奇異點(diǎn) 處產(chǎn)生吉布斯效應(yīng)。盡管采用循環(huán)平移技術(shù)可以在一定程度上緩解平移不變性缺乏帶來的 影響，但并不能從根本上解決問題。非采樣Contourlet變換(NonsubsampledContourlet Transform,NSCT)去掉了 Contourlet變換中的采樣操作，由非采樣金字塔分解和非采樣方 向?yàn)V波器組成，解決了上述問題，具備了平移不變性，在許多對數(shù)據(jù)冗余性要求不高的圖像 處理中，取得了更加理想的結(jié)果，具有明顯的優(yōu)勢。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題為現(xiàn)有紅外火災(zāi)探測技術(shù)中火災(zāi)探測圖像在獲取和 傳輸過程中受到噪聲污染，同時(shí)現(xiàn)有圖像降噪方法無法實(shí)現(xiàn)對其進(jìn)行理想降噪。為解決上述技術(shù)問題，本發(fā)明利用非采樣Contourlet稀疏分解域高頻子圖像全 局和局部兩個(gè)層面上的信息，估計(jì)與位置相關(guān)的鄰域自適應(yīng)閾值，進(jìn)行降噪處理，達(dá)到提高 紅外火災(zāi)探測圖像質(zhì)量的目的。
為了解決上述技術(shù)問題，達(dá)到所述目的，本發(fā)明采用以下的技術(shù)方案來實(shí)現(xiàn)一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法，該方法包括以下步 驟(1)對帶噪的紅外火災(zāi)探測圖像進(jìn)行多尺度、多方向NSCT稀疏分解，獲得一幅低 頻子圖像和一系列多尺度、多方向的高頻子圖像；(2)對NSCT分解后的高頻子圖像進(jìn)行直方圖分布估計(jì)，并根據(jù)分布規(guī)律進(jìn)行全局 閾值估計(jì)；(3)利用鄰域統(tǒng)計(jì)特性，計(jì)算得到NSCT分解后的高頻子圖像中每一個(gè)像素點(diǎn)的閾 值修正系數(shù)；(4)利用步驟(3)得到的閾值修正系數(shù)修正步驟(2)得到的全局閾值，得到高頻子 圖像各像素點(diǎn)與位置相關(guān)的自適應(yīng)閾值；(5)利用步驟(4)得到的自適應(yīng)閾值和軟閾值函數(shù)進(jìn)行高頻子圖像閾值降噪處 理；(6)對進(jìn)步驟(5)得到的所有降噪高頻子圖像和步驟⑴中得到的低頻子圖像進(jìn) 行NSCT逆變換，得到降噪圖像。本發(fā)明中，所述步驟(2)根據(jù)高頻子圖像服從拉普拉斯分布，并利用貝葉斯閾值 估計(jì)方法，估計(jì)得到最優(yōu)全局閾值。所述步驟(3)利用每一像素3X3鄰域統(tǒng)計(jì)特性，計(jì)算所有高頻子圖像中每一個(gè)像 素點(diǎn)的閾值修正系數(shù)。所述步驟(4)利用步驟(3)得到的閾值修正系數(shù)與步驟(2)得到的全局閾值相 乘，實(shí)現(xiàn)對全局閾值的修正，得到高頻子圖像各像素點(diǎn)與位置相關(guān)的自適應(yīng)閾值。本發(fā)明提供的降噪方法能有效地降低紅外火災(zāi)探測圖像中的噪聲水平，提高火災(zāi) 探測圖像的質(zhì)量。在軍事領(lǐng)域和非軍事領(lǐng)域，如安全監(jiān)控，特別是火災(zāi)探測等系統(tǒng)中具有廣 泛的應(yīng)用前景。其具有以下特點(diǎn)和優(yōu)點(diǎn)(I)Contourlet變換雖然解決了小波變換不能有效地表示圖像中的二位或高維奇 異性的不足，但卻不具備平移不變性的缺點(diǎn)，非采樣Contourlet變換解決了這一問題，不 但具有多尺度、多方向性，還具備平移不變性。采用非采樣Contourlet變換紅外火災(zāi)探測 圖像進(jìn)行多尺度、多方向分解，為后續(xù)高頻子圖像的降噪處理提供稀疏的描述，為提高降噪 性能提供了條件。(2)本發(fā)明技術(shù)中估計(jì)得到的自適應(yīng)閾值充分利用全局和局部兩個(gè)層面上的 信息，對噪聲具有良好的自適應(yīng)性。在全局信息利用方面，本發(fā)明技術(shù)在對NSCT變換域 的高頻子圖像進(jìn)行直方圖分布估計(jì)，利用其服從拉普拉斯分布的特點(diǎn)，采用貝葉斯閾值 估計(jì)方法，估計(jì)得到全局閾值估計(jì)；在局部信息利用方面，利用鄰域統(tǒng)計(jì)信息，計(jì)算所有 Contourlet中每一個(gè)像素點(diǎn)的閾值修正系數(shù)。利用全局閾值和閾值修正系數(shù)，計(jì)算得到與 位置相關(guān)的自適應(yīng)閾值。(3)采用本發(fā)明方法進(jìn)行紅外火災(zāi)圖像降噪，可以提高降噪效果。
以下結(jié)合附圖和具體實(shí)施方式
來進(jìn)一步說明本發(fā)明。

圖1為本發(fā)明實(shí)現(xiàn)的流程框圖。圖2a為不同降噪方法在噪聲水平為30的情況下的降噪效果圖。圖2b為不同降噪方法在噪聲水平為85的情況下的降噪效果圖。
具體實(shí)施例方式為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié) 合具體圖示，進(jìn)一步闡述本發(fā)明。為了能夠解決現(xiàn)有紅外火災(zāi)探測技術(shù)中火災(zāi)探測圖像在獲取和傳輸過程中受到 噪聲污染，同時(shí)現(xiàn)有圖像降噪方法無法實(shí)現(xiàn)對其進(jìn)行理想降噪的問題。本發(fā)明采用了如圖 1所示的可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法，該方法的實(shí)現(xiàn)步驟如下(1)對帶噪的紅外火災(zāi)探測圖像進(jìn)行多尺度、多方向NSCT稀疏分解，獲得一幅低 頻子圖像和一系列多尺度、多方向的高頻子圖像；(2)對NSCT分解后的高頻子圖像進(jìn)行直方圖分布估計(jì)，并根據(jù)分布規(guī)律進(jìn)行全局 閾值估計(jì)；(3)利用鄰域統(tǒng)計(jì)特性，計(jì)算得到NSCT分解后的高頻子圖像中每一個(gè)像素點(diǎn)的閾 值修正系數(shù)；(4)利用步驟(3)得到的閾值修正系數(shù)修正步驟(2)得到的全局閾值，得到高頻子 圖像各像素點(diǎn)與位置相關(guān)的自適應(yīng)閾值；(5)利用步驟(4)得到的自適應(yīng)閾值和軟閾值函數(shù)進(jìn)行高頻子圖像閾值降噪處 理；(6)對進(jìn)步驟(5)得到的所有降噪高頻子圖像和步驟⑴中得到的低頻子圖像進(jìn) 行NSCT逆變換，得到降噪圖像?；谏鲜鲈恚痉椒ň唧w實(shí)施如下1、初始化設(shè)置。設(shè)定NSCT變換中的非采樣金字塔分解層數(shù)K和每層中的方向分 解數(shù)Lk。2、對輸入的帶噪紅外火災(zāi)探測圖像I進(jìn)行多尺度、多方向的NSCT稀疏分解，分解 為一幅低頻子圖像Ilf和一系列具有不同分辨率、不同方向的高頻子圖像/J^，其中k e (1， K)和1 e (1，Lk)標(biāo)明子圖像位于第k分解尺度的第1方向。3、對NSCT變換后的高頻子圖像/J^，利用貝葉斯閾值估計(jì)方法進(jìn)行全局最佳閾值 Tb估計(jì)。其具體方法為由于NSCT變換域高頻子圖像的直方圖均在零處形成一個(gè)尖峰，并 且沿著遠(yuǎn)離零的兩個(gè)方向，隨著距離的增大，系數(shù)頻數(shù)越來越小。即高頻子圖像中，大多數(shù) 系數(shù)為零或“近零”，而較大系數(shù)的個(gè)數(shù)較少，具有很好的稀疏性。該分布特點(diǎn)可以用兩參數(shù) 拉普拉斯分布概率密度函數(shù)來描述。兩參數(shù)拉普拉斯分布概率密度定義為
5
其中堤伽馬函數(shù)，α為尺度參數(shù)，β為形狀參數(shù)。只要估計(jì)出參 數(shù)α和β，就能求得圖像的拉普拉斯分布函數(shù)。而參數(shù)α和β可以利用換元法，通過計(jì)算子圖像的一階絕對原點(diǎn)矩Hi1和方差m2， 估計(jì)得到，即
,m}/μ,Γ(4)Γ2 ⑷P =OC=-^-，其中 ·)為F(X)= 二 的反函數(shù)。
mI11 (l)由于高頻子圖像分布的尺度參數(shù)均小于1，即α < 1，服從超高斯分布中的拉普拉 斯分布，滿足貝葉斯估計(jì)方法的假定條件一信號(hào)服從廣義高斯分布。因此，本發(fā)明方法利用貝葉斯閾值估計(jì)方法，估計(jì)得到最優(yōu)全局閾值Tb Tb =G2Jax其中ση為噪聲標(biāo)準(zhǔn)差，可采用魯棒性的中值估計(jì)，即式=^kjS-HO式中Jf^Z = IL Zjf)為最高頻率子圖像。而σχ為信號(hào)標(biāo)準(zhǔn)差，可采用下式估計(jì)σχ = yjmaxial -σ 2,0)
1 M N式中，《7T(W)，#)是所考慮的高頻子圖像。4、利用鄰域統(tǒng)計(jì)特性，計(jì)算得到NSCT分解后的高頻子圖像中每一個(gè)像素點(diǎn)的閾 值修正系數(shù)。該步驟利用每一像素3X3鄰域統(tǒng)計(jì)特性來計(jì)算修正系統(tǒng)。對于高頻子圖像中每一個(gè)具體位置而言，修正系數(shù)計(jì)算方法如下r(ij)=蘭(/y))-麵(/r)式中/d,(i，y)為高頻子圖像中(i，j)處的3X3鄰域，腳咖(JgL(i，y·》為鄰域
均值，wo^D和meaK/^)分別為該子圖像系數(shù)的最大值和均值。5、利用上兩步得到的全局最佳閾值Tb和修正系數(shù)r(i，j)，計(jì)算得到與位置相關(guān)的 自適應(yīng)閾值TEev (i, j)，即TEev (i, j) = r (i，j) XTB。通過修正，能將噪聲區(qū)域和圖像信息區(qū) 域區(qū)別對待，對噪聲區(qū)域增大閾值以去掉更多的噪聲，而對于圖像，減小閾值以保留更多的 圖像有用信息。6、利用上一步得到的閾值TKCT(i，j)，采用軟閾值函數(shù)對高頻子圖像/^力進(jìn)行閾值 處理，得降噪高頻子圖像，即= i1‘。
f jo,|/Γ"，·/)|<Π，·/-)7、對第6步中得到的所有降噪高頻子圖像和第2步中得到的低頻子圖像Ilf實(shí) 施NSCT逆變換，得到降噪圖像f。根據(jù)上述具體實(shí)施步驟進(jìn)行降噪處理的圖像如圖2a和圖2b所示
圖2a和圖2b分別代表噪聲水平為30和85情況下的帶噪圖像，以及采用不同方 法進(jìn)行降噪處理的效果圖。圖2a和圖2b中第一列圖像都為帶噪圖像；第二列圖像都為采用基于NSCT的通用閾值降噪方法(NSCTVisuShrink)的降噪圖 像；第三列圖像都為采用基于NSCT的鄰域閾值降噪方法(NSCTNeighShrink)的降噪 圖像代表；第四列圖像都為采用代表基于NSCT的貝葉斯閾值降噪方法(NSCTBayesShrink) 的降噪圖像；第五列圖像都為采用本發(fā)明方法的降噪圖像。從圖2a和圖2b中所展示的不同降噪方法所取得的降噪效果中可直觀的看出第五 列的圖像質(zhì)量最佳，從而說明本發(fā)明提供的方法能夠更好地降低圖像中的噪聲信號(hào)，提高 圖像的質(zhì)量。為進(jìn)一步客觀說明本發(fā)明提供方法的效果，表1給出了本發(fā)明提供的方法與其它 常用降噪方法在不同噪聲水平下降噪結(jié)果的評價(jià)指標(biāo)的比較結(jié)果。表1給出了用均方誤差 (MSE)及峰值信噪比(PSNR)衡量的性能指標(biāo)。表中PI (Performance Index)代表性能指標(biāo)；NI (Noisy Image)代表帶噪圖像；VisuI (NSCTVisuShrink)代表基于NSCT的通用閾值降噪方法的降噪圖像；NeighI (NSCTNeighShrink)代表基于NSCT的鄰域閾值降噪方法的降噪圖像；BayesI (NSCTBayesShrink)代表基于NSCT的貝葉斯閾值降噪方法的降噪圖像；PA(the Proposed Approach)代表本發(fā)明方法的降噪圖像。從表中的數(shù)據(jù)可以得出，無論是PSNR刻畫方面，還是MSE刻畫方面，本發(fā)明方法均 明顯優(yōu)于其它降噪方法。另外，從數(shù)據(jù)中可以得出，隨著噪聲強(qiáng)度的增大，本發(fā)明方法的降噪效果愈發(fā)明 顯，PSNR提升幅度增大，也就是說，對于低信噪比情況，本發(fā)明方法降噪效果更明顯。綜上所述，無論是從人眼視覺效果，還是各種客觀評價(jià)指標(biāo)的比較，均表明本發(fā)明 方法能夠更好地降低圖像中的噪聲信號(hào)，提高圖像的質(zhì)量。表1不同噪聲水平下降噪結(jié)果的評價(jià)指標(biāo)比較 以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù) 人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變 化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其 等效物界定。
權(quán)利要求
一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法，其特征在于，所述方法包括以下步驟(1)對帶噪的紅外火災(zāi)探測圖像進(jìn)行多尺度、多方向NSCT稀疏分解，獲得一幅低頻子圖像和一系列多尺度、多方向的高頻子圖像；(2)對NSCT分解后的高頻子圖像進(jìn)行直方圖分布估計(jì)，并根據(jù)分布規(guī)律進(jìn)行全局閾值估計(jì)；(3)利用鄰域統(tǒng)計(jì)特性，計(jì)算得到NSCT分解后的高頻子圖像中每一個(gè)像素點(diǎn)的閾值修正系數(shù)；(4)利用步驟(3)得到的閾值修正系數(shù)修正步驟(2)得到的全局閾值，得到高頻子圖像各像素點(diǎn)與位置相關(guān)的自適應(yīng)閾值；(5)利用步驟(4)得到的自適應(yīng)閾值和軟閾值函數(shù)進(jìn)行高頻子圖像閾值降噪處理；(6)對進(jìn)步驟(5)得到的所有降噪高頻子圖像和步驟(1)中得到的低頻子圖像進(jìn)行NSCT逆變換，得到降噪圖像。
2.根據(jù)權(quán)利要求1所述的一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法， 其特征在于，所述步驟(2)根據(jù)高頻子圖像服從拉普拉斯分布，并利用貝葉斯閾值估計(jì)方 法，估計(jì)得到最優(yōu)全局閾值。
3.根據(jù)權(quán)利要求1所述的一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法， 其特征在于，所述步驟(3)利用每一像素3X3鄰域統(tǒng)計(jì)特性，計(jì)算所有高頻子圖像中每一 個(gè)像素點(diǎn)的閾值修正系數(shù)。
4.根據(jù)權(quán)利要求1所述的一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法， 其特征在于，所述步驟(4)利用步驟(3)得到的閾值修正系數(shù)與步驟(2)得到的全局閾值 相乘，實(shí)現(xiàn)對全局閾值的修正，得到高頻子圖像各像素點(diǎn)與位置相關(guān)的自適應(yīng)閾值。
全文摘要
本發(fā)明公開了一種可應(yīng)用于火災(zāi)探測的變換域鄰域自適應(yīng)圖像降噪方法，該方法首先對帶噪紅外火災(zāi)探測圖像進(jìn)行多尺度、多方向非采樣Contourlet稀疏分解，根據(jù)分解后高頻字圖像服從拉普拉斯分布，采用貝葉斯估計(jì)方法估計(jì)全局最佳閾值。然后利用鄰域統(tǒng)計(jì)特性修正全局閾值，得到高頻字圖像各像素點(diǎn)的自適應(yīng)閾值，并對高頻子圖像進(jìn)行閾值處理，去除子圖像中的噪聲成分。最后通過非采樣Contourlet稀疏逆變換得到預(yù)降噪圖像，達(dá)到圖像降噪目的。本發(fā)明提供的方法能有效地降低紅外火災(zāi)探測圖像中的噪聲水平，提高火災(zāi)探測圖像的質(zhì)量。
文檔編號(hào)G06T5/00GK101930590SQ20091005376
公開日2010年12月29日 申請日期2009年6月25日 優(yōu)先權(quán)日2009年6月25日
發(fā)明者劉盛鵬, 張振偉, 徐琰, 李建中 申請人:公安部上海消防研究所;上海倍安實(shí)業(yè)有限公司