BM3D去噪算法在儀表圖像識別中的應(yīng)用

陳 波，丁 寧，邊 境， 孫慧媛

（1.國網(wǎng)浙江省電力有限公司電力科學(xué)研究院，杭州 310014；2.杭州意能電力技術(shù)有限公司，杭州 310012；3.浙江理工大學(xué)，杭州 310007）

0 引言

目前，電力巡檢一般采用人工方式，通過人工抄表記錄對發(fā)電廠設(shè)備進(jìn)行依次排查。發(fā)電廠或變電站內(nèi)設(shè)備種類多，數(shù)量龐大，工作人員巡檢一次需要花費(fèi)很長時間，而且人工記錄大量數(shù)據(jù)容易出現(xiàn)差錯，所以人工巡檢的人力成本很高且效果難以保證。為解決人工巡檢中遇到的問題，同時又避免更新設(shè)備帶來高昂的費(fèi)用，使用自主巡檢機(jī)器人是解決這一問題的最佳途徑之一。自主巡檢機(jī)器人通過其搭載的高清攝像頭、紅外熱成像儀等數(shù)據(jù)采集設(shè)備獲取電廠儀表設(shè)備的狀態(tài)圖像，然后通過圖像定位和識別算法識別當(dāng)前設(shè)備的狀態(tài)信息，從而判斷當(dāng)前巡檢設(shè)備是否發(fā)生異常。

自主巡檢機(jī)器人不受天氣因素的影響，在一定程度上代替工作人員對各種設(shè)備進(jìn)行巡檢，有效降低運(yùn)維人員巡視強(qiáng)度和安全風(fēng)險。然而巡檢機(jī)器人在采集圖像過程中，圖像掃描設(shè)備受外界影響將不可避免的產(chǎn)生噪聲，從而使得圖像降質(zhì)[1-2]。降質(zhì)圖像將直接影響到后續(xù)圖像處理的結(jié)果，如特征提取、圖像分割、圖像識別等。因此在后續(xù)的圖像處理操作之前進(jìn)行圖像去噪處理是非常必要的，而圖像去噪一直是數(shù)字圖像處理和計算機(jī)視覺的研究熱點(diǎn)。

近年來，針對圖像噪聲問題，專家學(xué)者提出了大量的模型和方法。常見的傳統(tǒng)去噪方法有均值濾波法、中值濾波法、維納濾波法等，這些方法雖然能濾除噪聲，但同時也會平滑圖像中的高頻信息[3]。因此，有必要尋找一種去噪方法，在去除噪聲的同時保留圖像的細(xì)節(jié)特征。本文采用的BM3D（三維塊匹配）去噪算法是一種將非局部思想與變換域方法成功結(jié)合的圖像去噪方法，是目前去噪效果最好的方法之一[4]。BM3D算法通過分割圖像塊，并將相似塊匹配分組，后在變換域中去噪，算法性能與圖像的相似性有一定關(guān)聯(lián)[5]。將它應(yīng)用于儀表圖像去噪，能夠得到較好的效果。

1 BM3D去噪算法

BM3D算法提出了一種新的圖像去噪方法，基于塊匹配三維變換域濾波[6]。它不僅利用圖像的自相似性和冗余性等信息，而且結(jié)合了變換域的閾值方法，是一種多尺度、非局部的去噪技術(shù)，廣泛應(yīng)用于視頻及圖像的去噪[7-8]。主要分為兩個步驟：第一步是基礎(chǔ)估計；第二步是最終去噪，基礎(chǔ)估計為最終去噪提供權(quán)值參數(shù)。該方法的算法流程如圖1所示。

第一步，基礎(chǔ)估計。首先將儀表噪聲圖像I1分割成若干個K×K大小的參照塊，取圖像中某一參考塊記為P，然后以該參考塊為中心選取搜索直徑為n的方形區(qū)域作為搜索區(qū)域。在該區(qū)域內(nèi)搜索與其差異度最小的塊，搜索過程中的滑窗塊用Q表示，把搜索到的塊及其本身整合成一個三維矩陣TP。

尋找相似塊這一過程可用公式來表示：

圖1 BM3D算法流程

其次，將三維矩陣TP中的二維矩陣即噪聲圖像中的圖像塊進(jìn)行二維Bior小波硬閾值收縮和矩陣第三個維度上進(jìn)行Haar小波變換。公式如下：

利用如下硬閾值處理，對γ進(jìn)行調(diào)整：

式中：λ3D為硬閥值濾波的閥值參數(shù)；σ為噪聲的標(biāo)準(zhǔn)差，代表噪聲的強(qiáng)度；x為圖像塊的矩陣值，用所在圖像塊左上頂點(diǎn)坐標(biāo)表示。

然后通過在第三維的一維反變換和二維反變換得到處理后的圖像塊。至此，每個二維塊都是對去噪圖像的估計，最后將各圖像塊恢復(fù)到其原來的位置。

最后，對于某一像素點(diǎn)可能在多個圖像塊中出現(xiàn)，需要對有重疊的圖像塊估計值加權(quán)平均得到該像素點(diǎn)的基礎(chǔ)估計值[9-12]，公式如下：

式中：Q為含像素點(diǎn)的所有圖像塊；RPQ為任一集合G（P）中含像素點(diǎn)i的圖像塊Q的估計值RPQ=；ωP為圖像塊的基礎(chǔ)估計權(quán)值，；NP為圖像塊經(jīng)過硬閾值處理后矩陣數(shù)值中的非零個數(shù)。

第二步，最終估計。對基礎(chǔ)估計后的圖像再次進(jìn)行分組并逐塊估計。

類似于基礎(chǔ)估計的圖像分組，首先，對基礎(chǔ)估計得到的圖片再次進(jìn)行圖像塊分組，此時將會得到兩個三維數(shù)組：噪聲圖形成的三維矩陣TP和基礎(chǔ)估計結(jié)果的三維矩陣TP′。

然后，將得到的兩個三維矩陣均進(jìn)行二維變換和一維變換，這里的二維變換采用DCT余弦變換。以基礎(chǔ)估計結(jié)果的三維矩陣TP′對原始含噪圖片的三維矩陣TP進(jìn)行維納濾波，得到最終的估計權(quán)值，將各圖像塊恢復(fù)到其原來的位置。

最后，與上一步一樣，通過對重疊的圖像塊估計值加權(quán)平均得到像素點(diǎn)i的最終估計值：

通過基礎(chǔ)估計、最終估計形成的BM3D算法去噪后的圖像達(dá)到了很好的去噪效果，尤其是圖像的細(xì)節(jié)得到了很好的還原與細(xì)化[12]。

2 試驗結(jié)果與分析

為了驗證以上去噪方法的性能，本文分別記錄了中值濾波、維納濾波、均值濾波以及BM3D去噪方法4種去噪方法的峰值信噪比和結(jié)構(gòu)相似性。峰值信噪比是衡量去噪圖片質(zhì)量的常用定量指標(biāo)，結(jié)構(gòu)相似性是兩幅圖像相似性的指標(biāo)。對于噪聲圖像I和去噪結(jié)果圖像R，峰值信噪比的定義為：

圖片的結(jié)構(gòu)相似性定義為：

為了對比不同去噪算法的性能，試驗中對壓力表圖像和壓差表圖像分別施加圖像噪聲σ=10，σ=20以及σ=30，對BM3D算法與其他幾種傳統(tǒng)的濾波算法進(jìn)行了比較，其中中值濾波、均值濾波和維納濾波都采用3×3濾波模板。表1給出了對不同圖像施加不同噪聲時幾種去噪算法的比較，從表1的試驗數(shù)據(jù)可以看出，相對于傳統(tǒng)的圖像去噪算法，BM3D的去噪效果最好，得到的去噪結(jié)果圖與原圖像最相似。

對幾種去噪算法的主觀評價如圖2—4所示。

3 結(jié)語

本文將BM3D去噪算法應(yīng)用于發(fā)電廠儀表圖像識別的去噪。該方法先將含有噪聲的圖像分塊并根據(jù)塊匹配生成三維矩陣，然后在三維變化域去噪，最后逆變換還原圖像。試驗結(jié)果表明，利用BM3D算法對儀表圖像進(jìn)行噪聲去除能取得較好的效果。通過與傳統(tǒng)去噪方法的比較發(fā)現(xiàn)BM3D算法有明顯的優(yōu)勢，但時間復(fù)雜度更高。

表1 不同方法去噪結(jié)果的PNSR和SSIM指標(biāo)對比

圖2 σ=10時幾種去噪算法的比較

圖3 σ=20時幾種去噪算法的比較

圖4 σ=30時幾種去噪算法的比較