[发明专利]一种基于噪声特性的激光诱导荧光图像去噪方法

说明书

本发明为解决现有复杂场光谱诊断技术流场中的荧光干扰、颗粒散射、壁面散射等杂散光将会大大降低了标记荧光图像的信噪比，造成流场参数测量不确定度上升甚至误判，同时系统噪声也同样影响测量不确定度的问题，而提供了一种基于噪声特性的激光诱导荧光图像去噪方法。本发明通过改变流场以及实验系统的主要参数信息，统计分析流场和系统噪声特性，再根据噪声强度均值、标准差、相对强度范围、平滑度以及强度分布的偏度和峰度等统计量的变化规律，估计噪声模型参数，综合分析归纳噪声特性规律，针对性的构建描述模型，并利用相对均方差指标验证模型构建的可靠性，以此模型作为样本生成的噪声训练集训练网络对抗网络进行去噪。

技术领域

本发明属于复杂物理场激光光谱诊断分析技术领域，具体涉及一种基于噪声特性的激光诱导荧光图像去噪方法。

背景技术

高温高速燃烧流场参数分布的精确测量是进行流场特性分析、发动机性能评估以及燃烧优化控制的基础，利用平面激光诱导荧光技术获取标记分子的荧光图像，可分析反演出流场速度、温度等参数。由于流场参数反演是建立在精确识别图像信息的基础上，图像信息的识别精度取决于图像信噪比(Signal to Noise Ratio，SNR)的大小，因此利用激光诱导荧光技术反演流场参数的前提，是对荧光图像进行有效的去噪处理。

在实际工程应用中，流场中的荧光干扰、颗粒散射、壁面散射等杂散光将会大大降低了标记荧光图像的SNR，其中流场噪声是影响流场参数不确定度的关键因素之一。燃烧流场中大分子燃料(航空煤油等)大大吸收解离激光光强，导致信号变弱；壁面散射以及中间产物所形成的散射光会对信号产生较大干扰；此外，光学窗口导致入射激光能量阈值受限，SNR下降，从而造成流场参数测量不确定度上升甚至误判。

荧光图像中流场噪声普遍存在实验数据中，会对精确提取造成影响。系统噪声也同样影响着测量不确定度，其中包括ICCD相机的光子噪声、暗电流噪声、固定模式噪声、放大器噪声以及成像噪声等。实验中随着ICCD的增益和门宽的增加，采集到的ICCD的背景噪声也随之增大。同样对流场参数测量不确定度造成影响。

中国专利(CN 111476125A)提出了一种基于生成对抗网络的三维荧光显微信号去噪方法，通过训练去噪生成网络和去噪判别网络，从而能够将低信噪比的三维荧光数据去噪得到高信噪比的数据，显著地提高了三维荧光信号的效果，能够有效的提升低信噪比三维荧光显微信号的去噪能力，更加可靠并准确。但是该专利是通过改变光强和曝光时间实现高、低信噪比获取的实验数据作为输入输出样本来训练网络，达到图像信噪比由低到高的转变。而我们面对的应用于复杂物理场光谱诊断中各种背景噪声和系统噪声，这些噪声随我们测量的参数以及实验设定的环境参数不同而不同，不能仅仅通过截取不同信噪比的不同区域的实验数据就能代表，也不能仅仅只是针对某种参数测量下的某种干扰，同时小样本库也不足以训练网络。因此我们需要一种普适性的方法，对各种实验环境各种关键参数反映下的噪声实验数据进行特性分析，通过噪声描述模型的构建以及有效性评估，构建出一个高置信度的噪声描述模型，这样产生大量的样本训练网络，可以获得一个生成式对抗神经网络解决去除背景噪声的目的。

发明内容

本发明的目的是解决现有复杂场光谱诊断技术流场中的荧光干扰、颗粒散射、壁面散射等杂散光将会大大降低了标记荧光图像的信噪比，造成流场参数测量不确定度上升甚至误判，同时系统噪声也同样影响测量不确定度的问题，而提供了一种基于噪声特性的激光诱导荧光图像去噪方法。

本发明的设计思路是：首先通过对实验数据的处理和分析，开展了噪声特性分析的研究，统计分析了流场参数测量的荧光图像中背景噪声分布特性；然后在此基础上，采用的统计模型描述流程，依据噪声特征分析结果，综合考虑乘性和加性噪声模型，在多种分布形态中进行筛选构建，同时综合考虑理论最优性与工程实现性，获得高置信度的统计模型描述；进而进行模型误差及其有效性的系统分析和评估，建立符合实验系统背景噪声的模型；以建立的噪声模型作为样本，利用生成网络生成噪声训练集，去训练生成式对抗神经网络，最后针对性的进行去噪。