曹世超，劉曉營(yíng)，梁 舒

（河北科技工程職業(yè)技術(shù)大學(xué)，河北 邢臺(tái) 054035）

隨著社會(huì)的不斷發(fā)展，視頻監(jiān)控系統(tǒng)作為公共安防的重要措施得到了廣泛的應(yīng)用，大量的高清監(jiān)控?cái)z像機(jī)被安放在公共場(chǎng)合中，組成了復(fù)雜的安防監(jiān)控網(wǎng)絡(luò)，但在黑暗、大雨、暴雪、濃霧等極端天氣條件下高清攝像機(jī)無(wú)法正常工作。由于紅外成像攝像機(jī)在夜間和惡劣天氣環(huán)境下依然能夠很好的成像[1-2]，因此，越來(lái)越多的紅外成像攝像機(jī)被應(yīng)用到安防監(jiān)控工作中。此外，紅外成像技術(shù)作為一種無(wú)源探測(cè)技術(shù)，廣泛應(yīng)用于民用、軍事等相關(guān)領(lǐng)域，如智能監(jiān)控、偵察、精確制導(dǎo)、醫(yī)療、故障檢查等方面。

紅外成像接收目標(biāo)發(fā)出的紅外輻射，將其轉(zhuǎn)化為電信號(hào)成像，從而檢測(cè)到目標(biāo)。具有測(cè)量精度高、工作距離遠(yuǎn)、受天氣影響較小、抗干擾能力強(qiáng)、穿透煙霧能力強(qiáng)及能晝夜工作等優(yōu)點(diǎn)，但紅外圖像信噪比較低，目標(biāo)紋理信息不明顯，邊緣細(xì)節(jié)模糊，分辨率差，對(duì)比度低，圖像質(zhì)量下降，對(duì)紅外圖像后續(xù)的追蹤、分析和處理產(chǎn)生了不良影響。

計(jì)算機(jī)視覺(jué)領(lǐng)域中的目標(biāo)檢測(cè)、步態(tài)識(shí)別、行人重識(shí)別、圖像融合等熱門(mén)課題[3-6]對(duì)于紅外圖像的質(zhì)量要求較高，紅外圖像預(yù)處理尤其是降噪處理是一個(gè)亟須解決的重要課題。

為提高紅外圖像質(zhì)量，提出了基于復(fù)小波變換的降噪算法，復(fù)小波變換能有效增強(qiáng)紅外圖像分解和重構(gòu)精確度，利用雙變量模型在變換域進(jìn)行降噪。實(shí)驗(yàn)分析結(jié)構(gòu)表明：該算法在達(dá)到良好的降噪效果的同時(shí)，能夠較完整地保留原始信息，特別是細(xì)節(jié)特征。

一、雙密度雙樹(shù)復(fù)小波降噪

小波變換廣泛應(yīng)用于信號(hào)分析、語(yǔ)音識(shí)別、人臉識(shí)別、智能監(jiān)控及機(jī)器視覺(jué)等領(lǐng)域[7-9]。

由于傳統(tǒng)離散小波變換的移變特性，同一特征信號(hào)在不同采樣位置的濾波結(jié)果不同，即使微小移位也可能導(dǎo)致不同尺度下能量分布的顯著變化，不確定性增強(qiáng)。Kingsbury 提出復(fù)小波變換[10-11]，復(fù)小波變換的實(shí)部和虛部系數(shù)分別通過(guò)并行的實(shí)數(shù)濾波器組實(shí)現(xiàn)。

行與列設(shè)計(jì)不同的濾波器，且通過(guò)采用四個(gè)雙密度小波并行處理，實(shí)現(xiàn)對(duì)圖像的雙密度雙樹(shù)復(fù)小波變換。

通過(guò)對(duì)低通子帶圖不斷分解以及對(duì)每對(duì)子帶圖進(jìn)行運(yùn)算，形成32 個(gè)小波，代表16 個(gè)主方向。在相同尺度下，相鄰小波間的頻帶間距更小，在變換域的頻帶分的更細(xì)，描述的方向信息更豐富，可以更準(zhǔn)確地描述圖像的細(xì)節(jié)。圖1 是復(fù)小波變換框圖。

圖1 雙密度雙樹(shù)復(fù)小波變換

圖2 是紅外圖像經(jīng)過(guò)5 層雙密度雙數(shù)復(fù)小波變換后，層1 的高頻子帶圖。從圖中可以看出人體邊緣的細(xì)節(jié)信息能更精確的描述和保留。

圖2 紅外圖像及層高頻信息重構(gòu)圖

傳統(tǒng)的閾值函數(shù)首先確定一個(gè)閾值，然后將其應(yīng)用于各尺度的小波系數(shù)。通過(guò)與小波系數(shù)逐個(gè)比較進(jìn)行降噪處理。與傳統(tǒng)的閾值函數(shù)相比，采用雙變量模型進(jìn)行小波系數(shù)處理，利用相鄰領(lǐng)域小波系數(shù)，提高了估計(jì)精確度，獲得了更好的均方誤差特性，增加了閾值的自適應(yīng)性[12]。紅外標(biāo)準(zhǔn)圖像受到高斯白噪聲污染，方差是，

對(duì)紅外圖像用雙密度雙樹(shù)復(fù)小波進(jìn)行分解，利用相鄰層數(shù)小波系數(shù)間關(guān)系計(jì)算，在每個(gè)子帶，計(jì)算出，進(jìn)而求出小波系數(shù)的估計(jì)值。然后重構(gòu)降噪后小波系數(shù)，完成紅外圖像降噪。

二、實(shí)驗(yàn)及分析

本文采用可見(jiàn)光-紅外數(shù)據(jù)庫(kù)Visible-Infrared Database 中的紅外圖像作為測(cè)試對(duì)象，在原始標(biāo)準(zhǔn)圖像中加入不同噪聲方差的仿真高斯白噪聲，運(yùn)用基于雙密度雙樹(shù)復(fù)小波變換的算法，與雙變量模型相結(jié)合進(jìn)行降噪研究。

圖3 是噪聲圖像和基于雙密度雙樹(shù)復(fù)小波算法降噪后圖像的峰值信噪比對(duì)比，降噪后PSNR 有了大幅提高。圖4 是結(jié)構(gòu)相似度對(duì)比曲線，隨著噪聲的逐漸增強(qiáng)，結(jié)構(gòu)相似度急劇下降，但經(jīng)過(guò)本文算法降噪后，結(jié)構(gòu)相似度有了大幅提升，在峰值信噪比大于15 時(shí)，結(jié)構(gòu)相似度均在0.9 以上，較好地保留了原始圖像信息。

圖3 降噪前后峰值信噪比曲線

圖4 降噪前后峰值信噪比曲線

取峰值信噪比為10、15、20 和25 四種情況的紅外圖像進(jìn)行對(duì)比實(shí)驗(yàn)，表1 是降噪前后峰值信噪比對(duì)比，信噪比提升均在14 dB 以上，最高增加20 dB。

表1 降噪前后PSNR 對(duì)比(dB)

表2 列出四種情況下降噪前后結(jié)構(gòu)相似度，噪聲圖像的結(jié)構(gòu)相似度均在0.3 以下，在峰值信噪比是10dB 時(shí)，結(jié)構(gòu)相似度小于0.01，趨于0，紅外圖像中有效信息被強(qiáng)噪聲湮沒(méi)，經(jīng)過(guò)本文算法降噪后，結(jié)構(gòu)相似度提高約0.8，圖像質(zhì)量大幅提升。

表2 結(jié)構(gòu)相似度指標(biāo)對(duì)比

為直觀展示降噪效果，圖5 是原始標(biāo)準(zhǔn)紅外圖像。圖像中有一位行人和建筑物輪廓。圖6、圖7、圖8、圖9 分別是峰值信噪比是10、15、20 和25 時(shí)的降噪效果對(duì)比。

圖5 原始標(biāo)準(zhǔn)紅外圖像

圖6 紅外圖像降噪效果對(duì)比（PSNR=10）

圖7 紅外圖像降噪效果對(duì)比（PSNR=15）

圖8 紅外圖像降噪效果對(duì)比（PSNR=20）

圖9 紅外圖像降噪效果對(duì)比（PSNR=25）

從圖中可以看出：含噪聲圖像峰值信噪比越高，經(jīng)過(guò)降噪后細(xì)節(jié)保留越完整，降噪效果越好，隨著含噪聲圖像峰值信噪比的降低，噪聲干擾越大，該算法仍能剔除噪聲，恢復(fù)出原始圖像中行人和建筑輪廓等關(guān)鍵信息，大幅提升圖像質(zhì)量。

在不同的噪聲水平下，本文的算法都能有效提升圖像質(zhì)量指標(biāo)，有效濾除噪聲，同時(shí)保留更多細(xì)節(jié)，降噪后圖像的視覺(jué)效果更好。

三、結(jié)論

本文提出了基于復(fù)小波變換的紅外圖像降噪算法，作為一種高效的時(shí)頻變換方法，雙密度雙樹(shù)復(fù)小波變換具有完美的重構(gòu)性、有限的冗余性和近似移不變的特點(diǎn)。按照低頻和有向高頻分解紅外圖像，有效提取出紅外圖像的低頻和高頻信息，使用雙變量模型在變換域進(jìn)行降噪處理，最后通過(guò)小波逆變換重構(gòu)紅外圖像，改善了降噪的效果，獲得了更好的評(píng)價(jià)指標(biāo)及視覺(jué)效果，為后續(xù)的紅外目標(biāo)檢測(cè)、圖像融合、步態(tài)識(shí)別、行人重識(shí)別等課題的研究奠定了基礎(chǔ)。