[发明专利]一种可应用于火灾探测的变换域邻域自适应图像降噪方法

说明书

技术领域：

本发明涉及一种图像的处理方法，特别涉及一种能够应用于火灾探测的变换域邻域自适应图像降噪方法。

背景技术：

随着城市化建设的快速发展，大空间建筑迅速增多，火灾形势日益严峻。大空间建筑火灾损失巨大，给人民的生命财产安全构成了极大的威胁。由于受空间高度和面积的影响，传统的火灾探测技术如点式或线式感烟、感温探测器难以正常发挥有效作用。而图像型火灾探测技术利用图像处理技术进行早期火灾探测，具有十分显著的优势，已经成为现今火灾探测和识别中的研究热点。然而，其检测和识别的准确度与监测图像质量有着十分密切的关系，即图像的质量直接影响火灾检测和识别的准确度。

通常，火灾探测图像在获取和传输过程中会受到不同程度的噪声污染，而图像降噪的目的就是在去除噪声的同时，最大限度地保留图像的主要特征信息，如图像边缘信息，以提高图像的恢复质量。目前，图像降噪方法主要分为空域滤波和变换域滤波两大类。传统的大部分滤波方法属于前者，如中值滤波等。而在变换域滤波方法中，以Donoho和Johnstone提出的基于小波变换的收缩阈值降噪方法最具代表性。由于信号经过小波变换后，信号主要集中在少数绝对幅值较大的小波系数上，而噪声则散布在一些绝对幅值较小的小波系数上，因此，可以利用收缩阈值法对小波系数进行降噪，达到降噪的目的。

但是，由于二维可分离小波变换是经一维小波通过张量积形成的，只能有效地表示一维奇异信息即点奇异信息，而不能有效地描述图像中的二维或高维奇异信息，如线、轮廓等重要信息，从而制约了小波降噪方法的性能。Contourlet变换作为一种新的信号分析工具，解决了小波变换不能有效表示二维或更高维奇异性的缺点，能准确地将图像中的边缘捕获到不同尺度、不同方向的子带中，具有良好的多尺度多分辨率和多方向性特点，在图象降噪方面取得了较好的效果。然而，它不具备平移不变性，直接进行降噪处理会在奇异点处产生吉布斯效应。尽管采用循环平移技术可以在一定程度上缓解平移不变性缺乏带来的影响，但并不能从根本上解决问题。非采样Contourlet变换(NonsubsampledContourlet Transform，NSCT)去掉了Contourlet变换中的采样操作，由非采样金字塔分解和非采样方向滤波器组成，解决了上述问题，具备了平移不变性，在许多对数据冗余性要求不高的图像处理中，取得了更加理想的结果，具有明显的优势。

发明内容：

本发明所要解决的技术问题为现有红外火灾探测技术中火灾探测图像在获取和传输过程中受到噪声污染，同时现有图像降噪方法无法实现对其进行理想降噪。

为解决上述技术问题，本发明利用非采样Contourlet稀疏分解域高频子图像全局和局部两个层面上的信息，估计与位置相关的邻域自适应阈值，进行降噪处理，达到提高红外火灾探测图像质量的目的。

为了解决上述技术问题，达到所述目的，本发明采用以下的技术方案来实现：

一种可应用于火灾探测的变换域邻域自适应图像降噪方法，该方法包括以下步骤：

(1)对带噪的红外火灾探测图像进行多尺度、多方向NSCT稀疏分解，获得一幅低频子图像和一系列多尺度、多方向的高频子图像；

(2)对NSCT分解后的高频子图像进行直方图分布估计，并根据分布规律进行全局阈值估计；

(3)利用邻域统计特性，计算得到NSCT分解后的高频子图像中每一个像素点的阈值修正系数；

(4)利用步骤(3)得到的阈值修正系数修正步骤(2)得到的全局阈值，得到高频子图像各像素点与位置相关的自适应阈值；

(5)利用步骤(4)得到的自适应阈值和软阈值函数进行高频子图像阈值降噪处理；

(6)对进步骤(5)得到的所有降噪高频子图像和步骤(1)中得到的低频子图像进行NSCT逆变换，得到降噪图像。

本发明中，所述步骤(2)根据高频子图像服从拉普拉斯分布，并利用贝叶斯阈值估计方法，估计得到最优全局阈值。

所述步骤(3)利用每一像素3×3邻域统计特性，计算所有高频子图像中每一个像素点的阈值修正系数。

所述步骤(4)利用步骤(3)得到的阈值修正系数与步骤(2)得到的全局阈值相乘，实现对全局阈值的修正，得到高频子图像各像素点与位置相关的自适应阈值。

本发明提供的降噪方法能有效地降低红外火灾探测图像中的噪声水平，提高火灾探测图像的质量。在军事领域和非军事领域，如安全监控，特别是火灾探测等系统中具有广泛的应用前景。

其具有以下特点和优点：