紅外圖像降噪系統的實現

譚本軍

摘要：針對紅外線視頻系統圖像清晰度差、對比度低、噪聲大、容易受環境影響，必須對其進行降噪處理，并考慮到實時性的要求，本文概述了紅外圖像降噪的方法和基于提升小波變換的圖像降噪方法，為實際的紅圖像處理、降噪提供參考。

關鍵詞：紅外線；提升小波；降噪

紅外線能通過一定的手段可以使人們觀察到光線不足和惡劣的工業環境下的實時情況。因而它在科研、軍事、工業、醫療、民用等諸多領域有著越來越重要、越來越廣泛的應用，紅外視頻監控系統是應用之一，也是現代安全保衛技防的重要組成部分，因而在全球范圍內得到了迅猛的發展和空前的普及，對生產力發展和社會進步起到了巨大的推動作用。紅外線是波長780nm～1000um的不可見光線，具有一定的穿透性、熱輻射性、固有的散射性、受環境影響大等特點。紅外視頻監控在環境光照度不高的情況下，其成像對比度低，不像可見光圖像那樣具有豐富的細節和層次，受紅外成像器件靈敏度、分辨率和噪聲等的限制，以及圖像在生成和傳輸過程中受到各種噪聲干擾的影響，會使圖像質量下降，對后續圖像處理將產生不利影響。為了抑制噪聲，改善圖像質量，便于更高層次的處理，必須對紅外線圖像進行降噪處理。

1.降噪方法的比較

圖像的降噪方法大致可分為時域降噪、空域降噪和頻域降噪三大類，在實際應用中多采取其中的一種方法，也有采取多種組合或多種相關的方法。由于傅里葉分析是將信號完全在頻域中進行分析，故在對信號的降噪處理過程中，信號在時間軸上的任何一個突變，都會影響信號的整個頻譜，不能給出信號在某個時間點的變化情況。而小波分析則由于能同時在時域和頻域中對信號進行分析，具有多分辨分析的功能，能在不同的分階層上有效地區分信號的突變部分和噪聲，從而實現信號的降噪。如將小波分析和中值濾波相結合的降噪方法，則對高斯噪聲的降噪效果比較理想，但是對脈沖噪聲降噪效果并不理想，并且該方法采用傳統的小波變換，計算復雜、實時性不高。

2.一階小波濾波

連續小波變換多用于理論分析，是因為應用中不可能對所有a，b系數下的小波函數計算它們在信號中應有的系數。而塔式算法是針對于離散小波變換最有效的計算方法，故采用離散小波變換，又因為在每個尺度下進行小波處理，計算量都相當大，將產生驚人的數據量；而對于視頻圖像信號而言，低頻代表著圖像大面積的信息特征，顯得尤為重要，因此采用只實現一階的方式來實現信號的濾波，就可得到小波算法的驗證。信號一階濾波如圖一所示。

對一個視頻圖像信號進行一階濾波，將會產生兩倍于原始信號的數據量，由于所進行處理的是數字視頻圖像信號，因此我們進行的是離散小波變換。基小波函數選擇的不同，處理的過程和結果將有一定的差別。本文中選擇的是Daubechies小波，該小波是Daubechies從尺度方程系數出發設計出來的離散正交小波，一般簡寫為dbN，N是小波的階數，當N=1時即我們常見的Haar小波。使用dbN小波函數，易于獲得光滑的重構曲線和圖像。

3.提升小波降噪的基本原理

由于在實際工程應用中不僅對降噪算法的降噪效果有較高要求，而且對整個算法的運算實時性要求很高，而小波變換具有良好的時頻域局部特性和多分辨率分析特性，因而在現代視頻圖像信號處理中得到了廣泛的應用。

傳統的方法是先將空域或時域上的圖像變換到小波域上，成為多層次的小波系數，根據小波基的特征，分析噪聲和圖像的小波系數特點，針對不同特征，結合常規的圖像視頻處理方法（算法）或提出更符合小波分析的新方法（算法）來處理小波系數，再對處理后的小波系數進行反變換，即可得到所需的降噪后的圖像。但是離散小波變換存在一個主要缺陷，即小波變換系數是實數值。而數字視頻信號的輸入一般是整數型的，實數型的小波系數對進一步的圖像處理帶來許多不利因素。比如：實數型的小波系數會增加圖像的存貯空間和增加圖像的運算復雜等，很難達到實時性要求，在實際應用中有很大的局限性，故在變換過程中對浮點運算進行數據取舍。使用一種適合硬件實現的基于整數小波提升算法的無損小波變換尤為重要，實踐證明，提升小波既保留了小波特性，又克服了原有小波由于伸縮平移不變性引起的局限性；并且它與經典小波變換是完全等效的，完全可以代替傳統小波，傳統小波的理論均可應用到提升小波。

在本文中使用的是db5小波基的整型雙正交小波變換，提出了一種基于提升小波與中值濾波級聯的降噪算法實現紅外視頻圖像的降噪，既保證了工程應用中的降噪效果，又能較容易的用硬件實現。具體應用是首先在空域中對圖像進行快速中值濾波，然后對含噪圖像進行提升小波分解，最后在小波域內對高頻子帶進行閾值降噪處理。

4.提升小波算法

使用bd5小波變換利用提升方式實現的具體算法描述如下：

其中提升系數為α=－0.5，β=0.25，k=1.1496，分別表示圖像序列的奇數項、偶數項、奇數項、偶數項、一次小波提升（變換）后的奇數項、一次小波提升（變換）后的偶數項。為了便于硬件實現，取k=1。

一階小波提升算法實現步驟如圖二所示。

根據圖二所示變換原理，首先對偶地址的數據S■■進行濾波運算，濾波后的數據加上奇地址的數據d■■，即可得到提升后的奇地址的數據；然后對該奇地址的數據進行濾波運算，濾波后的數據加上偶地址的數據S■■，即可得到提升后的偶地址的數據。

利用提升算法，不僅可以實現從整數到整數的小波變換，而且使小波變換進一步分解成幾個一階多項式的乘積，使運算復雜度進一步減少，因而使得目前的硬件有能力完成實時小波變換。

5.紅外監控圖像降噪系統的實現

對于任何常溫下的物體都在不斷發出紅外射線，都有可能在紅外監控系統上留下影像，對于每個場景鏡頭長期固定而產生的固定背景噪聲，加上紅外監控系統自身的噪聲，在此情況下，好的降噪系統將對提升紅外圖像質量有著明顯的效果。

一幅紅外圖像可以用下式表述：

G（x，y）=P（x，y）+F（x，y）+N（x，y）

（x，y）為像素坐標，P（x，y）、F（x，y）、N（x，y）可以分別描述為當前被檢測紅外圖像信息的圖像信息、背景信息和噪聲信息。

首先在正式應用之前，把每個固定的場景鏡頭圖像信息作為背景信息F（x，y）進行保存，以后在該場景下所攝取的每幀圖像去除背景信息，得到的就是含噪聲的紅外監控圖像信息：

f（x，y）=G（x，y）-F（x，y）=P（x，y）+N（x，y）。

然后根據圖像不同性質分別進行降噪，對于動態連續采集的圖像實行自適應無限脈沖響應（IIR）濾波器P（n）=kP（n-1）+（1-k）X（n）降噪，其中取k=1/3既可滿足降噪的要求，又沒有運動拖尾；對于非連續的觸發采集的圖像使用提升小波降噪方法，由于紅外圖像的清晰度和對比度較低，因此紅外圖像噪聲頻率和圖像頻率有比較明顯的差別，應用提升小波降噪具有良好的效果。■

參考文獻

[1]張伯約.基于小波變換的視頻濾波降噪系統研究與設計[D].河海大學碩士論文，2005

[2]沈啟松.紅外圖像的降噪技術與實現[J].醫療裝備，2010.10

[3]李迎春，范有臣，杜永紅，郭惠超，章喜.激光主動成像圖像降噪方法[J].激光與紅外，2011.09

[4]馬伍新，崔占忠，代方震.用FPGA實現（5.3）小波變換[J].計算機工程與設計，2003.01

[5]王永芳.基于小波的視頻編碼[D].江西師范大學碩士論文，2003.05

[6]何秋陽，朱恩.JPEG2000標準中無損壓縮部分的FPGA實現[J]信息化研究，2009.07

[7]任曉羽.數字視頻圖像空時降噪算法研究[D].重慶大學碩士論文，2010.04