红外图像降噪系统的实现

谭本军

摘要：针对红外线视频系统图像清晰度差、对比度低、噪声大、容易受环境影响，必须对其进行降噪处理，并考虑到实时性的要求，本文概述了红外图像降噪的方法和基于提升小波变换的图像降噪方法，为实际的红图像处理、降噪提供参考。

关键词：红外线；提升小波；降噪

红外线能通过一定的手段可以使人们观察到光线不足和恶劣的工业环境下的实时情况。因而它在科研、军事、工业、医疗、民用等诸多领域有着越来越重要、越来越广泛的应用，红外视频监控系统是应用之一，也是现代安全保卫技防的重要组成部分，因而在全球范围内得到了迅猛的发展和空前的普及，对生产力发展和社会进步起到了巨大的推动作用。红外线是波长780nm～1000um的不可见光线，具有一定的穿透性、热辐射性、固有的散射性、受环境影响大等特点。红外视频监控在环境光照度不高的情况下，其成像对比度低，不像可见光图像那样具有丰富的细节和层次，受红外成像器件灵敏度、分辨率和噪声等的限制，以及图像在生成和传输过程中受到各种噪声干扰的影响，会使图像质量下降，对后续图像处理将产生不利影响。为了抑制噪声，改善图像质量，便于更高层次的处理，必须对红外线图像进行降噪处理。

1.降噪方法的比较

图像的降噪方法大致可分为时域降噪、空域降噪和频域降噪三大类，在实际应用中多采取其中的一种方法，也有采取多种组合或多种相关的方法。由于傅里叶分析是将信号完全在频域中进行分析，故在对信号的降噪处理过程中，信号在时间轴上的任何一个突变，都会影响信号的整个频谱，不能给出信号在某个时间点的变化情况。而小波分析则由于能同时在时域和频域中对信号进行分析，具有多分辨分析的功能，能在不同的分阶层上有效地区分信号的突变部分和噪声，从而实现信号的降噪。如将小波分析和中值滤波相结合的降噪方法，则对高斯噪声的降噪效果比较理想，但是对脉冲噪声降噪效果并不理想，并且该方法采用传统的小波变换，计算复杂、实时性不高。

2.一阶小波滤波

连续小波变换多用于理论分析，是因为应用中不可能对所有a，b系数下的小波函数计算它们在信号中应有的系数。而塔式算法是针对于离散小波变换最有效的计算方法，故采用离散小波变换，又因为在每个尺度下进行小波处理，计算量都相当大，将产生惊人的数据量；而对于视频图像信号而言，低频代表着图像大面积的信息特征，显得尤为重要，因此采用只实现一阶的方式来实现信号的滤波，就可得到小波算法的验证。信号一阶滤波如图一所示。

对一个视频图像信号进行一阶滤波，将会产生两倍于原始信号的数据量，由于所进行处理的是数字视频图像信号，因此我们进行的是离散小波变换。基小波函数选择的不同，处理的过程和结果将有一定的差别。本文中选择的是Daubechies小波，该小波是Daubechies从尺度方程系数出发设计出來的离散正交小波，一般简写为dbN，N是小波的阶数，当N=1时即我们常见的Haar小波。使用dbN小波函数，易于获得光滑的重构曲线和图像。

3.提升小波降噪的基本原理

由于在实际工程应用中不仅对降噪算法的降噪效果有较高要求，而且对整个算法的运算实时性要求很高，而小波变换具有良好的时频域局部特性和多分辨率分析特性，因而在现代视频图像信号处理中得到了广泛的应用。

传统的方法是先将空域或时域上的图像变换到小波域上，成为多层次的小波系数，根据小波基的特征，分析噪声和图像的小波系数特点，针对不同特征，结合常规的图像视频处理方法（算法）或提出更符合小波分析的新方法（算法）来处理小波系数，再对处理后的小波系数进行反变换，即可得到所需的降噪后的图像。但是离散小波变换存在一个主要缺陷，即小波变换系数是实数值。而数字视频信号的输入一般是整数型的，实数型的小波系数对进一步的图像处理带来许多不利因素。比如：实数型的小波系数会增加图像的存贮空间和增加图像的运算复杂等，很难达到实时性要求，在实际应用中有很大的局限性，故在变换过程中对浮点运算进行数据取舍。使用一种适合硬件实现的基于整数小波提升算法的无损小波变换尤为重要，实践证明，提升小波既保留了小波特性，又克服了原有小波由于伸缩平移不变性引起的局限性；并且它与经典小波变换是完全等效的，完全可以代替传统小波，传统小波的理论均可应用到提升小波。

在本文中使用的是db5小波基的整型双正交小波变换，提出了一种基于提升小波与中值滤波级联的降噪算法实现红外视频图像的降噪，既保证了工程应用中的降噪效果，又能较容易的用硬件实现。具体应用是首先在空域中对图像进行快速中值滤波，然后对含噪图像进行提升小波分解，最后在小波域内对高频子带进行阈值降噪处理。

4.提升小波算法

使用bd5小波变换利用提升方式实现的具体算法描述如下：

其中提升系数为α=－0.5，β=0.25，k=1.1496，分别表示图像序列的奇数项、偶数项、奇数项、偶数项、一次小波提升（变换）后的奇数项、一次小波提升（变换）后的偶数项。为了便于硬件实现，取k=1。

一阶小波提升算法实现步骤如图二所示。

根据图二所示变换原理，首先对偶地址的数据S■■进行滤波运算，滤波后的数据加上奇地址的数据d■■，即可得到提升后的奇地址的数据；然后对该奇地址的数据进行滤波运算，滤波后的数据加上偶地址的数据S■■，即可得到提升后的偶地址的数据。

利用提升算法，不仅可以实现从整数到整数的小波变换，而且使小波变换进一步分解成几个一阶多项式的乘积，使运算复杂度进一步减少，因而使得目前的硬件有能力完成实时小波变换。

5.红外监控图像降噪系统的实现

对于任何常温下的物体都在不断发出红外射线，都有可能在红外监控系统上留下影像，对于每个场景镜头长期固定而产生的固定背景噪声，加上红外监控系统自身的噪声，在此情况下，好的降噪系统将对提升红外图像质量有着明显的效果。

一幅红外图像可以用下式表述：

G（x，y）=P（x，y）+F（x，y）+N（x，y）

（x，y）为像素坐标，P（x，y）、F（x，y）、N（x，y）可以分别描述为当前被检测红外图像信息的图像信息、背景信息和噪声信息。

首先在正式应用之前，把每个固定的场景镜头图像信息作为背景信息F（x，y）进行保存，以后在该场景下所摄取的每帧图像去除背景信息，得到的就是含噪声的红外监控图像信息：

f（x，y）=G（x，y）-F（x，y）=P（x，y）+N（x，y）。

然后根据图像不同性质分别进行降噪，对于动态连续采集的图像实行自适应无限脉冲响应（IIR）滤波器P（n）=kP（n-1）+（1-k）X（n）降噪，其中取k=1/3既可满足降噪的要求，又没有运动拖尾；对于非连续的触发采集的图像使用提升小波降噪方法，由于红外图像的清晰度和对比度较低，因此红外图像噪声频率和图像频率有比较明显的差别，应用提升小波降噪具有良好的效果。■

参考文献

[1]张伯约.基于小波变换的视频滤波降噪系统研究与设计[D].河海大学硕士论文，2005

[2]沈启松.红外图像的降噪技术与实现[J].医疗装备，2010.10

[3]李迎春，范有臣，杜永红，郭惠超，章喜.激光主动成像图像降噪方法[J].激光与红外，2011.09

[4]马伍新，崔占忠，代方震.用FPGA实现（5.3）小波变换[J].计算机工程与设计，2003.01

[5]王永芳.基于小波的视频编码[D].江西师范大学硕士论文，2003.05

[6]何秋阳，朱恩.JPEG2000标准中无损压缩部分的FPGA实现[J]信息化研究，2009.07

[7]任晓羽.数字视频图像空时降噪算法研究[D].重庆大学硕士论文，2010.04