综合智能防误场景下变电站视频图像去噪技术

臧世民，华 雄，胡廷广

（安徽南瑞继远电网技术有限公司，安徽 合肥 230088)

0 引 言

近年来，随着国家电网公司智慧变电站、智慧物联体系、自主可控新一代变电站二次系统等工作的有序展开，变电专业的管理能力有了极大提升。然而，由于智慧变电站建设的不断推进以及一键顺控操作的迅速普及，对变电站防误工作也提出了更为严格的要求。同时，随着电力行业发展、管理机构的调整，“无人值守+集中监控”的变电运维管理新模式逐渐普及，原有的变电站运行方式、作业流程均发生了较大变化，对变电站综合智能防误操作管理和人员作业安全、设备安全防护能力也提出更新和更高的要求，因而视频图像质量意义重大。

在防误操作判断领域中，视频图像起到辅助判据作用。当人员操作设备时，缺少必要监护人员隐患极大，而人员检测对视频图像质量依赖性较强。在区域入侵监测中，缺少高质量视频图像将难以正确分析目标区域以致得出错误结果。针对信道、量化的噪声，通常存在3类代表性噪声模型，即加性噪声、乘性噪声、量化噪声，这几种噪声均会干扰视频监控图像，导致其无法满足作为防误操作判据的要求，因而找到一种合适的能够强匹配无噪真实图像的去噪方法已经成为综合智能防误操作工程应用中的实际要求。

变电站因作用特殊，维系其正常运作是国民经济生活的要点，由此需要建立视频监控系统。视频监控提取的视频场景图像可能会受到周界环境、天气变化等因素的影响导致出现局部图像污损、干扰、重叠、虚影等各类运行状况，这些状况的出现不利于运维、安全管控等人员对于现场工况的进一步了解以及相应对策的实施，尤其是在主站对站端的远程操作过程中，缺失有效的视频图像不利于正确指令的下达。视频图像是远程集控站、站端运维人员关于决策对象的一手判断资料，防误主机数据处理模块也会自适应地处理来源于下级诸如数据收集、数据转发模块的数据，因而通过去噪手段，还原出真实的图像场景其重要性不言而喻。巴特沃斯滤波器因其平坦度极高，纹波受到极大限制，因而应用较为广泛，然而过渡带长度过宽，消减了巴特沃斯滤波器的部分性能[1,2]。文献[3]通过将滤波器权重与像素乘积作为更新后的权重实现加速高斯滤波，然而高斯滤波存在边缘信息模糊的问题。文献[4]利用双树复小波变换结合双边滤波获得了较为清晰的图像，然而其处理效果受噪声影响较大。文献[5]通过变分贝叶斯估计对图像进行去噪，然而其实现过程计算量较高。文献[6]采用改进的阈值函数较好地解决了传统的小波去噪中硬阈值函数与软阈值函数存在的不连续、不可导、处理效果差问题，然而处理过程限于二维，未充分增强图像的稀疏性。文献[7]提出一种基于密度聚类与灰度变换的非下采样剪切波变换（Non-Subsampled Shearlet Transform，NSST）域图像去噪方法，利用具有噪声的基于密度的聚类方法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）聚类处理高频系数，灰度变化处理低频系数从而获得较好的图像处理结果，然而非下采样剪切波变换存在局部特征提取困难问题。

为了解决变电站视频场景图像处理效果不稳定、滤波效果受限、图像失真度高等问题，本文采用一种基于BM3D的视频场景去噪方法，通过基础估计与最终估计获得清晰的变电站视频场景图像。

1 BM3D算法

BM3D的基本原理是利用图像块之间的相似性进行分组，以达到图像升维的目的，然后通过对图像转换域进行稀疏表达增强使得噪声发生分离[8,9]。具体而言，该种方法基于图像各区域之间存在的相似性进行操作，即对于涉及的含有类似纹理、边界等相似特征的区域采用堆叠的方式构建三维待处理体，其过程主要为基础估计与最终估计。

1.1 基础估计

1.1.1 按块匹配分组

块匹配是去噪中常用的图像处理方法，该方法通过滑动窗遍历搜索出与目的块匹配度达标的区域，然后对各相似块进行组合，从而形成合适的三维待处理体。假设zΩ×Ω为噪声图像，y为无噪图像，n为噪声，xi,j为图像中各像素点坐标，则有

假设z邻域内的参照块为G，该邻域内匹配块为Gi,j，则可以获得参照块与匹配块之间的欧氏距离d(G,Gi,j)为

在此基础上设定距离阈值dthre，若有d(G,Gi,j)≤dthre，表示匹配块与参照块之间的相似性符合要求，可以将该匹配块视为相似块。由此获得相似块间的最大阈值，将其记为λ，则可获得相似块集合P为

1.1.2 变换域滤波与图像重构

对P中所属元素按升序排序，由此获得大小为Ω×Ω×P的三维待处理体GTH。在此基础上，利用三维小波硬阈值变换增强相似块之间的稀疏性，将变换域中不处于阈值函数规约范围内的系数予以剔除，然后通过三维逆变换重构去噪之后的图像，该过程可以表示为

式中：Ψ(·)表示硬阈值滤波；κ3D、分别表示三维变换及其逆变换。

1.1.3 聚合

由于在分组过程中，像素点可能会因为多个匹配块的复用出现重复估计的情况，故采用线性加权的方式以获得像素点基础评估值，从而将像素值的聚合为

式中：WxR为像素点各次估计值对应的权重；Zbasic为像素点的基础评估值；χxm为像素xm处的特征函数。

1.2 最终估计

获得图像的基础估计之后，参照像素值的匹配模式，可以得到Zbasic、Z的三维待处理体，从而获得Zbasic相对于Z的相似块集合Sω为

式中：λω为根据经验设定的距离阈值。对该相似块集合升序排列，然后进行三维建模，获得大小为Ω×Ω×SΩ的三维待处理体模型ξ。在仿照基础估计中变换域滤波与图像重构步骤的基础上，改用维纳滤波作为变换域中的变换函数，由此获得重构后的图像矩阵为

式中：W为维纳滤波收缩系数；η3D、分别表示维纳滤波正变换及其反变换[10]。

2 算 例

变电站中，虽然视频监控系统随处可见，但是受到诸如电磁、背景干扰等不良问题的影响可能导致产生各类噪声，而变电站的运作状况又关系到国民经济生活，因此通过对变电站视频场景的去噪获得高清视频图像势在必行。现对安徽某地变电站场景进行采集，获得原始的视频图像及经BM3D去噪后的图像，分别如图1（a）、图1（b）所示。

图1 去噪前后对比

从图1（b）可以直观地得出视频场景图像的清晰度有了一定提升，对于场景中存在的细节噪声滤除效果同样良好，并且信噪比也由16.5 dB提升至29.3 dB，充分说明了该算法在处理变电站视频场景图像中的优势。

3 结 论

本文从基础估计与最终估计出发，利用BM3D的三维滤波与重构机制，通过变换域对原始图像的稀疏性进行增强从而滤除噪声干扰，获得了较为清晰的视频图像，对于工程实际具备一定的借鉴意义。