基于多尺度幾何分析的相干光圖像.pdf

1、小波分析是繼傅立葉分析之后又一經(jīng)典的信號(hào)分析工具，被廣泛應(yīng)用于各種信號(hào)處琿領(lǐng)域中。其中的二維多方向小波——多尺度幾何分析是目前的研究熱點(diǎn)，因?yàn)槠涠喑叨?，多方向的良好稀疏分解能力，在二維圖像信號(hào)處理領(lǐng)域中被寄予厚望。在圖像噪聲抑制領(lǐng)域，目前有一系列的多尺度幾何分析變換域處理方法，比如經(jīng)典的閾值收縮降噪、層間相關(guān)性降噪等基于圖像信息物理特性模型的處理方法，以及隱馬爾可夫樹(shù)模型、廣義逆高斯模型等基于圖像變換系數(shù)統(tǒng)計(jì)假設(shè)模型的處理方法。這些方法

2、的特點(diǎn)是，經(jīng)典的物理特性模型主要對(duì)能量、幅值進(jìn)行考察，但這些物理性能并不一定與圖像的幾何特性很好地對(duì)應(yīng)，常有過(guò)度扼殺圖像信息的趨勢(shì)；而統(tǒng)計(jì)假設(shè)模型與圖像信息的物理對(duì)應(yīng)關(guān)系還有待進(jìn)一步研究，而且其中有較多的參數(shù)和先驗(yàn)條件設(shè)置，這限制了其在實(shí)踐中的應(yīng)用。總的說(shuō)，尋找更符合實(shí)際圖像信號(hào)幾何或者視覺(jué)性能的系數(shù)模型和算法參數(shù)是目前多尺度幾何分析域噪聲抑制技術(shù)發(fā)展的研究熱點(diǎn)之一。
　　 相干光圖像處理系統(tǒng)基于傅立葉光學(xué)原理，用光來(lái)實(shí)現(xiàn)圖像的

3、數(shù)值計(jì)算處理，比如經(jīng)典的4f光學(xué)系統(tǒng)(或者叫組件)，它具有并行、處理量大的優(yōu)勢(shì)，是信息光學(xué)的一大發(fā)展方向。目前，相干光圖像處理領(lǐng)域處于已經(jīng)能構(gòu)建出多種不同功能和針對(duì)性的系統(tǒng)，但性能還有待進(jìn)一步提高的階段。其一，目前的光電轉(zhuǎn)換器件還大都是串行逐像素點(diǎn)處理形式，這限制了整個(gè)光路的并行處理能力的發(fā)揮，是相干光圖像處理系統(tǒng)的瓶頸問(wèn)題之一。其二，從圖像質(zhì)量角度講，傅立葉透鏡的低通特性給系統(tǒng)圖像帶來(lái)了一定的低通濾波效果，這要求處理圖像時(shí)比其他場(chǎng)合更

4、側(cè)重保護(hù)圖像細(xì)節(jié)信息；同時(shí)，在這類(lèi)光程較近的相干光系統(tǒng)中，由于光源的強(qiáng)相干性，使得系統(tǒng)圖像中除了常見(jiàn)的隨機(jī)噪聲外，還有特殊的低頻相干噪聲，這也限制了相干光圖像處理系統(tǒng)的發(fā)展，同樣需要解決。本文主要從信號(hào)處理角度出發(fā)，著眼于這類(lèi)相干光系統(tǒng)中圖像的噪聲抑制技術(shù)的研究，其中對(duì)圖像細(xì)節(jié)的保護(hù)和對(duì)低頻段噪聲的處理則是本文研究?jī)?nèi)容的特色。
　　 總之，研究多尺度幾何分析技術(shù)用于相干光系統(tǒng)圖像的噪聲抑制中的應(yīng)用，有具體的應(yīng)用背景，既能發(fā)展多尺

5、度幾何分析噪聲抑制技術(shù)，又能改善相干光圖像系統(tǒng)質(zhì)量，具有相應(yīng)的理論和實(shí)用價(jià)值。
　　 本文的具體工作是：
　　 ①噪聲的方差估計(jì)是隨機(jī)噪聲分析中的重要問(wèn)題之一，其基本思想是通過(guò)某種方法尋找含噪圖像中的“純”噪聲子圖像來(lái)估計(jì)原噪聲方差。傳統(tǒng)的方法是通過(guò)空頻域采樣，得到子噪聲圖像，然后直接對(duì)其估計(jì)方差，它在圖像高頻信息豐富的場(chǎng)合中常常會(huì)受到干擾。本文在Donoho提出的傳統(tǒng)頻域采樣方法的基礎(chǔ)上，提出一種基于圖像二維小波變換系

6、數(shù)層間相關(guān)性的新方法。其過(guò)程是：對(duì)第一級(jí)有效小波分解的斜向子塊進(jìn)行分析，利用小波變換系數(shù)的層間相關(guān)性，尋找其中的圖像信息，并將其排除，得到更“純”的子噪聲塊，將剩下的噪聲系數(shù)重組并估計(jì)其方差，逼近原噪聲參數(shù)。仿真實(shí)驗(yàn)和實(shí)際4f系統(tǒng)輸出圖像實(shí)驗(yàn)都符合理論分析，實(shí)驗(yàn)結(jié)果中該方法比傳統(tǒng)方法的估計(jì)結(jié)果更準(zhǔn)確，能提高準(zhǔn)確度4％～6％，適合需要側(cè)重保護(hù)圖像細(xì)節(jié)信息的場(chǎng)合。
　　 參考實(shí)際系統(tǒng)圖像數(shù)據(jù)，對(duì)4f相干光系統(tǒng)圖像誤差進(jìn)行了分析，為噪

7、聲抑制提供先驗(yàn)知識(shí)。指出了其低通帶寬背景下，隨機(jī)噪聲和低頻相干噪聲并存的誤差特點(diǎn)；進(jìn)而分析了其帶限低通性能；分析了隨機(jī)噪聲的高斯零均值分布特性，并引入層間相關(guān)性方法估計(jì)噪聲方差；分析了低頻相干噪聲的產(chǎn)生原因和它與點(diǎn)擴(kuò)散函數(shù)以及SAR圖像中的乘性相干斑的區(qū)別，并指出其固定位置，相同形式的分布特性，為后期校正提供了先驗(yàn)基礎(chǔ)。
　　 ②針對(duì)需要側(cè)重保護(hù)圖像細(xì)節(jié)的降噪處理場(chǎng)合，提出一種基于圖像細(xì)節(jié)幾何連續(xù)性模型的稀疏分解域圖像去噪方法。

8、在傳統(tǒng)Donoho能量模型閾值收縮方法基礎(chǔ)上，首先對(duì)稀疏分解的高頻子帶圖像用一個(gè)衰減的閾值去除小幅值噪聲點(diǎn)，以更多的保護(hù)圖像細(xì)節(jié)并凸顯剩下的大幅值噪聲點(diǎn)的孤立性，再利用擊中擊不中原理，設(shè)定相應(yīng)的結(jié)構(gòu)元素，考察圖像細(xì)節(jié)幾何連續(xù)性和剩下的大幅值噪聲點(diǎn)孤立性的區(qū)別以分離剩下的圖像細(xì)節(jié)和噪聲點(diǎn)，在實(shí)現(xiàn)去噪的同時(shí)更好地保護(hù)圖像細(xì)節(jié)。常見(jiàn)圖像和SAR圖像的曲線波和非下采樣輪廓波變換域仿真實(shí)驗(yàn)結(jié)果符合理論分析，該方法在去噪方面可以達(dá)到與傳統(tǒng)方法相當(dāng)?shù)?/p>

9、程度，同時(shí)在保護(hù)圖像細(xì)節(jié)方面有更優(yōu)的表現(xiàn)，視覺(jué)效果邊緣更清晰，峰-峰信噪比有0.5～1db的提高，結(jié)構(gòu)相似度指數(shù)有3％到5％的提高。在實(shí)際圖像實(shí)驗(yàn)中，該方法實(shí)現(xiàn)過(guò)程簡(jiǎn)便，可以靈活選擇模型的形狀，而且模型與圖像本身幾何信息對(duì)應(yīng)關(guān)系強(qiáng)，適合于需要側(cè)重保護(hù)圖像細(xì)節(jié)的降噪場(chǎng)合。
　　 4f系統(tǒng)輸出圖像存在帶限低通、隨機(jī)噪聲和低頻相干噪聲并存的特點(diǎn)，這要求對(duì)其做復(fù)原處理時(shí)要比平常情況在細(xì)節(jié)保護(hù)方面的難度更大，而且不僅要處理常見(jiàn)的隨機(jī)噪聲，

10、還要處理這類(lèi)近距離相干光圖像中的低頻相干噪聲。針對(duì)這些特點(diǎn)，本文提出一種處理方法：先利用系統(tǒng)的階躍響應(yīng)獲取相干噪聲的位置和形式的先驗(yàn)信息，然后對(duì)階躍響應(yīng)圖像和待處理圖像分別用同樣過(guò)程和參數(shù)的、結(jié)合圖像細(xì)節(jié)幾何連續(xù)性模型的NSCT域去噪方法處理隨機(jī)噪聲，再利用4f系統(tǒng)線性特性將兩幅去除隨機(jī)噪聲后的圖像進(jìn)行點(diǎn)除以去除相干噪聲，完成降噪。實(shí)際實(shí)驗(yàn)中，該方案從峰-峰信噪比、結(jié)構(gòu)相似度指數(shù)和視覺(jué)效果方面都有很好的復(fù)原效果，分別有5db和6％左右的

11、提高，從視覺(jué)上看，該方法能很好地保護(hù)圖像細(xì)節(jié)，符合系統(tǒng)的要求。與常用稀疏分解域高頻子帶降噪方法相比，該方法能更好地保護(hù)圖像細(xì)節(jié)并同時(shí)處理隨機(jī)和低頻噪聲。而且還突出體現(xiàn)了相干光圖像處理系統(tǒng)并行處理圖像的特色。
　　 ③針對(duì)重復(fù)采集含隨機(jī)噪聲的固定目標(biāo)圖像場(chǎng)合，為降噪時(shí)更好地保護(hù)圖像細(xì)節(jié)信息，設(shè)計(jì)了一種重復(fù)采集圖像融合的降噪方法。該方法利用噪聲在“時(shí)間”意義上的隨機(jī)性，對(duì)重復(fù)采集的各圖像同一位置上的像素點(diǎn)進(jìn)行融合處理，進(jìn)行降噪。具體

12、流程是先對(duì)融合圖像進(jìn)行NSCT分解，在其高頻子圖中用各像素點(diǎn)的鄰域方差模型描述其中的噪聲情況，再按照“取小”原則調(diào)整該點(diǎn)的融合權(quán)值；在低頻子圖中，則用方差均值積考察噪聲情況，調(diào)整融合權(quán)值，最后用重復(fù)采集圖像的融合實(shí)現(xiàn)時(shí)域累計(jì)平均降噪。實(shí)驗(yàn)結(jié)果符合理論分析，能有效抑制隨機(jī)噪聲，并且在理論上是對(duì)圖像無(wú)損的。
　　 將該方法引入4f系統(tǒng)圖像降噪處理中，提出一種基于多譜點(diǎn)圖像融合的相干光圖像處理系統(tǒng)降噪方法。先利用系統(tǒng)中的數(shù)字采樣器件的

13、的信號(hào)復(fù)制功能，在同一次試驗(yàn)平臺(tái)中獲取多個(gè)譜點(diǎn)圖像，其中各圖像包含有相同的圖像信息和同分布規(guī)律但不同數(shù)值形式的噪聲信息。再對(duì)其做NSCT分解，高頻子圖中考察方差模型調(diào)整融合權(quán)值，以消除隨機(jī)噪聲；低頻子圖中針對(duì)相干噪聲的特性，改為考察方差模型，并用多極權(quán)值融合，以削弱相干噪聲。最終實(shí)現(xiàn)對(duì)圖像無(wú)損前提下，既處理隨機(jī)噪聲又處理低頻段相干噪聲的目的。實(shí)驗(yàn)結(jié)果與理論分析吻合。該方法對(duì)噪聲時(shí)間意義上的隨機(jī)性的利用，突出的體現(xiàn)了4f系統(tǒng)空間換時(shí)間的思