本發(fā)明涉及一種太赫茲脈沖圖像去噪方法，更具體地說，涉及一種混合了蟻群和對稱四階偏微分方程算法的新型太赫茲脈沖圖像去噪方法。
背景技術：
：太赫茲是一種頻率從0.1T到10T赫茲的電磁波(1THz＝1012Hz)，對應的波長介于3毫米到30微米之間。太赫茲脈沖成像(TPI)是一種用電磁輻射得到的非相干光學圖像形式。太赫茲脈沖成像可以應用到生物醫(yī)學，箱包的無損檢測，示蹤氣體分析，藝術品和鈔票防偽鑒定以及半導體設備的故障診斷等領域，目前已經(jīng)引起了學者的廣泛關注。通常來說，太赫茲成像技術一般分為相干成像和非相干成像兩種。典型的相干成像包括時域光譜成像，電光學成像和色譜分析成像。連續(xù)波成像通常屬于非相干成像。目前，太赫茲脈沖成像的研究主要包括兩個方面：一方面，很多研究人員主要集中在如何解決TPI系統(tǒng)硬件上的缺陷，例如，提高圖像的成像的分辨率和成像速度；另一方面，采用數(shù)字圖像處理的方法，對太赫茲圖像進行處理，進一步提高太赫茲系統(tǒng)的成像質(zhì)量。事實上，通過太赫茲技術獲取的太赫茲圖像常常不夠清晰，以至于不能夠分辨出樣本的輪廓和邊緣信息。此外，由于受斑點噪聲的影響，降低了對成像目標的準確識別。因此，去噪成為太赫茲圖像處理的一個關鍵的步驟。然而，一些典型的數(shù)字圖像去噪的方法，例如，均值濾波、中值濾波、非局部均值濾波(NLM)方法在太赫茲圖像去噪過程中會模糊圖像的邊緣信息，因此，研發(fā)可行有效的去噪方法是太赫茲圖像理論研究的關鍵因素。最近，四階偏微分方程去噪方法已經(jīng)在圖像去噪方面研究得到應用，這種方法能夠在圖像去噪和圖像的邊緣保護兩者中得到比較好的均衡。此外，在對圖像邊緣檢測方面，蟻群算法相對于傳統(tǒng)的邊緣檢測方法(例如Sobel和Canny，已經(jīng)被證明是更加有效的方法。蟻群算法是受自然界一些蟻群的覓食行為的啟發(fā)而得到的一種基于群策略的元啟發(fā)算法。根據(jù)蟻群的活動受圖像強度值的位置變化驅(qū)動，建立一個對應圖像每個像素位置的信息素矩陣。針對上述問題，本發(fā)明提出一種混合了蟻群和對稱四階偏微分方程算法的新型太赫茲脈沖圖像去噪方法。該方法首先用蟻群算法檢測提取圖像的邊緣信息，然后根據(jù)蟻群在二維圖像活動的情況建立一個信息素的矩陣，分解得到邊緣圖像和非邊緣圖像。其次，使用四階偏微分方程的算法對非邊緣圖像進行去噪。最后，混合邊緣圖像和去噪后的非邊緣圖像，重建太赫茲圖像。技術實現(xiàn)要素：本發(fā)明旨在提供一種混合了蟻群和對稱四階偏微分方程算法的新型太赫茲脈沖圖像去噪方法，以解決現(xiàn)有不能很好分辨出太赫茲脈沖圖像中的樣本輪廓和邊緣信息的問題。本發(fā)明的具體方案如下：一種太赫茲脈沖圖像去噪方法，其特征在于：包括以下步驟：步驟A:用蟻群算法檢提取出所述太赫茲脈沖圖像的邊緣圖像和非邊緣圖像；步驟B:用四階偏微分方程去噪方法對所述非邊緣圖像進行去噪；步驟C:將所述邊緣圖像和去噪后的所述非邊緣圖像重新合成，得到去噪后的所述太赫茲脈沖圖像。進一步地，所述蟻群算法包括以下步驟：步驟A1:初始化，信息素矩陣τ(0)的每一元素被賦值一個初始常量τinit；步驟A2:構造過程，隨機選擇一個螞蟻(k)，按照公式(1)，螞蟻(k)連續(xù)移動L步，所述公式(1)是：其中，為節(jié)點(i,j)信息素的值，Ω(l,m)表示節(jié)點(l,m)的鄰域節(jié)點集，常量α和β分別表示信息素矩陣和啟發(fā)式矩陣的權重，ηi,j表示節(jié)點(i,j)處的啟發(fā)信息；步驟A3:根據(jù)公式(5)和(6)對信息素矩陣執(zhí)行兩次更新操作，根據(jù)包括構造和更新兩個過程中螞蟻活動的N次迭代運行操作，得到最終的信息素矩陣τ(N)，所述公式(5)是：其中，ρ是蒸發(fā)率，由啟發(fā)式矩陣確定；所述公式(6)是：τ(n)＝(1-ψ)·τ(n-1)+ψ·τ(0).(6)其中，ψ是信息素衰減系數(shù)；步驟A4:執(zhí)行二元決策，得到基于閾值T的所述邊緣圖像。根據(jù)本發(fā)明的優(yōu)選實施例，所述螞蟻算法中的參數(shù)設置為：進一步地，所述四階偏微分方程去噪方法包括以下步驟：步驟B1:初始化參數(shù)λ,k,h,Δt和原始圖像u；步驟B2:根據(jù)公式(11)，計算▽2u和|▽2u|的值，所述公式(11)是：▿2u|i,j=ui+1,j+ui-1,j+ui,j+1+ui,j-1-4ui,jh2---(11)]]>其中，h是離散空間的步長；步驟B3:根據(jù)公式(12)計算c(|▽2u|)的值，所述公式(12)是：un+1＝un-Δt(▽2(c(|▽2un|)▽2un)+λ(un-u0))(12)其中，Δt表示離散時間步長；步驟B4:按照公式(13)進行迭代，所述公式(13)是：c(s)=11+(s/k)2,---(13)]]>其中，k是一個參量；步驟B5:如果沒有達到最大迭代次數(shù)，繼續(xù)返回進行步驟B2，否則結(jié)束跳出。根據(jù)本發(fā)明的優(yōu)選實施例，所述四階偏微分方程去噪方法的參數(shù)設置為：本發(fā)明采用上述技術方案，具有的有益效果是：本發(fā)明提供了一種混合了蟻群和對稱四階偏微分方程算法的新型太赫茲脈沖圖像去噪方法，該方法與其它方法相比，不僅去噪后的圖像與原始的圖像差異最小，而且在去噪過程中最大程度保留了有用的圖像邊緣信息，達到對目標的有效識別。附圖說明圖1示出了本發(fā)明方法的原理框圖；圖2示出了太赫茲時域光譜系統(tǒng)；圖3示出了四階偏微分方程算法模型中的四區(qū)結(jié)構；圖4示出了雙餐叉的不同實驗結(jié)果；圖5示出了馬賽克拼磚的不同實驗結(jié)果；以及圖6示出了塑料玩具槍的不同實驗結(jié)果。具體實施方式為進一步說明各實施例，本發(fā)明提供有附圖。這些附圖為本發(fā)明揭露內(nèi)容的一部分，其主要用以說明實施例，并可配合說明書的相關描述來解釋實施例的運作原理。配合參考這些內(nèi)容，本領域普通技術人員應能理解其他可能的實施方式以及本發(fā)明的優(yōu)點?，F(xiàn)結(jié)合附圖和具體實施方式對本發(fā)明進一步說明。圖1是本發(fā)明方法的原理框圖。本發(fā)明方法主要包括以下步驟：首先，用蟻群算法的邊緣檢測方法獲取太赫茲圖像的邊緣圖像和非邊緣圖像；然后，利用四階偏微分方程的去噪方法去除太赫茲非邊緣圖像中的噪聲；最后，合成太赫茲的邊緣圖像和去噪的非邊緣圖像，得到最終去噪的太赫茲圖像。下面分別對蟻群算法提取邊緣圖像和四階偏微分方程去噪方法作進一步描述?；谙伻核惴ǖ倪吘墮z測假定一幅太赫茲圖像I，圖像大小為H×W，Ii,j表示像素在位置(i,j)的強度值。讓每一個像素作為一個節(jié)點，然后根據(jù)基于蟻群算法的邊緣檢測方法，執(zhí)行以下4個步驟的操作：1)初始化，2)構造，3)更新，4)判定。具體的程序偽碼指令如算法1中所示。步驟1：首先，信息素矩陣τ(0)的每一元素被賦值一個初始常量τinit；步驟2：其次，在第n個構造步，從K個螞蟻中隨機選擇一個螞蟻，讓它在圖像基于8-連通鄰域上持續(xù)移動L個活動步。根據(jù)轉(zhuǎn)移概率，螞蟻從節(jié)點(l,m)移動到鄰域節(jié)點(i,j)，轉(zhuǎn)移概率矩陣定義如下：p(l,m)(i,j)(n)=(τi,j(n-1))α(ηi,j)βΣ(i,j)∈Ω(l,m)((τi,j(n-1))α(ηi,j)β)---(1)]]>這里為節(jié)點(i,j)信息素的值，Ω(l,m)表示節(jié)點(l,m)的鄰域節(jié)點集。常量α和β分別表示信息素矩陣和啟發(fā)式矩陣的權重。ηi,j表示節(jié)點(i,j)處的啟發(fā)信息，其表達式為：ηij=1ZVc(Ii,j)---(2)]]>其中，是一個標準化因子。Vc(Ii,j)是一個局部像素組c(稱之為“團”)的函數(shù)，它的值取決于團c中圖像的強度值。它的表達式如下：Vc(Ii,j)=f(|Ii-2,j-1-Ii+2,j+1|+|Ii-2,j+1-Ii+2,j-1|+|Ii-1,j-2-Ii+1,j+2|+|Ii-1,j-1-Ii+1,j+1|+|Ii-1,j-Ii+1,j|+|Ii-1,j+1-Ii-1,j-1|+|Ii-1,j+2-Ii+1,j-2|+|Ii,j-1-Ii,j+1|).---(3)]]>這里，采用參數(shù)γ來調(diào)節(jié)公式(3)中函數(shù)f(·)的形狀，函數(shù)f(·)的定義如下：步驟3：然后，對信息素矩陣執(zhí)行兩次更新操作。一次更新是在每個構造步，每個螞蟻進行活動后執(zhí)行，構造的方法如公式(5)所示：這里ρ是蒸發(fā)率，由啟發(fā)式矩陣確定。另一次更新是在每個構造步中所有的螞蟻都活動之后進行，構造的方法如公式(6)所示：τ(n)＝(1-ψ)·τ(n-1)+ψ·τ(0).(6)這里ψ是信息素衰減系數(shù)。然后，根據(jù)包括構造和更新兩個過程中螞蟻活動的N次迭代運行操作，得到最終的信息素矩陣τ(N)。步驟4：最后，執(zhí)行二元決策，得到基于閾值T的邊緣圖像。閾值T的定義如下：T(l)=mL(l)+mU(l)2.---(7)]]>首先，選取初始的閾值T(0)作為信息素矩陣的均值。其次，按照信息素矩陣入口的閾值大于或小于初始閾值T(0)的情形,將其分成兩類。然后，依據(jù)每一類閾值的兩個均值的平均值，計算出新的閾值。最后，重復上述的處理過程，直到閾值不再做任何變化。四階偏微分方程去噪模型由于四階偏微分方程可以有效的減少二階偏微分方程在圖像去噪過程中所存在的塊效應，因此近來，已經(jīng)在圖像去噪領域得到應用。事實上，經(jīng)典的偏微分方程算法是以最小化總變差為基礎的，它的定義如下：minu∈BV(Ω)∩L2(Ω)∫Ω|Du|+λ2∫Ω(u-u0)2dx·---(8)]]>這里Ω表示一個帶利普希茨邊界條件的開域，u和u0分別表示原始圖像和所觀察圖像，λ一個有特定應用的調(diào)節(jié)參數(shù)。事實上，平滑圖像u并把u近似到u0的方法可以轉(zhuǎn)換成尋找最小化|▽2u|的優(yōu)化問題，也即最小化能量函數(shù)式中，▽2表示拉普拉斯算子，f()＞0是一個增量函數(shù)。進一步,得到一個歐拉-拉格朗日方程▽2(f'(|▽2u|)sign(|▽2u|))+λ(u-u0)＝0,sign表示sign函數(shù)。然后，得到令先前的方程可以變?yōu)椋酣?(c(|▽2u|)▽2u)+λ(u-u0)＝0。(9)為了求解式(9)中歐拉-拉格朗日方程,引入時間t和梯度下降法：∂u∂t=-▿2(c(|▿2u|)▿2u)-λ(u-u0).---(10)]]>最后，用離散迭代的方法求解這個方程。為了簡化和均衡離散結(jié)果，本案發(fā)明人提出了基于四區(qū)結(jié)構的簡化對稱差分方程，通過離散迭代求解方程，如圖3所示。對于中心點，,▽2u可以被離散為：▿2u|i,j=ui+1,j+ui-1,j+ui,j+1+ui,j-1-4ui,jh2·---(11)]]>這里h是離散空間的步長。然后，得到迭代公式：un+1＝un-Δt(▽2(c(|▽2un|)▽2un)+λ(un-u0))。(12)Δt表示離散時間步長。令c(s)為:因此，得到基于四階偏微分方程算法去噪的方法步驟如下：1)初始化參數(shù)λ,k,h,Δt和原始圖像u；2)根據(jù)公式(11)，計算▽2u和|▽2u|的值；3)根據(jù)公式(12)計算c(|▽2u|)的值；4)按照公式(13)進行迭代；5)如果沒有達到最大迭代次數(shù)，繼續(xù)返回進行步驟2)，否則結(jié)束跳出。下面以一個具體實例來說明本發(fā)明的有益效果：1、實驗裝置采用如圖2所示的太赫茲時域光譜系統(tǒng)(THz-TDS)系統(tǒng)來得到物體的太赫茲脈沖圖像。該系統(tǒng)主要包括兩個組成部分：一部分是Z-3太赫茲時域光譜儀(美國Zomega公司),另一部分是飛秒激光器FemtoFiberproNIR(德國TOPTICAPhotonics)。飛秒激光器作為發(fā)射源，它的中心波長是780納米,脈沖寬度為100飛秒,工作頻率80兆赫，以及140毫瓦的均值功率。飛秒激光器產(chǎn)生的激光束被立體分光鏡(CBS)分成泵浦光(約96毫瓦)和探測光(約16毫瓦)分別用作太赫茲脈沖的生成和探測。整個系統(tǒng)譜分解小于5GHz，動態(tài)范圍大于70dB。為了避免環(huán)境空氣中水蒸氣的影響，整個系統(tǒng)放置在密閉透明的盒子中，并進行除濕，使之室內(nèi)相對濕度(RH)保持在2％以下。采用CCD相機作為檢測器獲得被測物體的實時光學圖像。被測物體放置在二維步進掃描平臺，其定位精度為1μm。為了便于實驗比對，采用了三副不同的太赫茲圖像，分別是雙交叉的金屬餐叉，圖像大小128×128；覆蓋不同材料的馬賽克拼磚，圖像大小為128×128；帆布覆蓋下的塑料玩具槍，圖像大小為128×128。與此同時，選擇常用的Donoho閾值，廣義小波閾值和自適應閾值這三種其他的不同圖像去噪方法，進行去噪效果比對。實驗采用Matlab數(shù)學工具編程實現(xiàn)，其運行的計算機環(huán)境配置如下：中央處理器：i5-2400，主頻3.1GHz；內(nèi)存：4096MB；操作系統(tǒng)：微軟Windows7。對以上所提出的四種不同的去噪算法，每一種都進行一百次的實驗計算。其中本發(fā)明所提出的去噪方法所涉及的最優(yōu)選的實驗參數(shù)詳見表1和2。表1基于蟻群算法的邊緣檢測方法參數(shù)設置表2四階偏微分方程去噪方法參數(shù)設置2.實驗對比首先，比較三幅不同的太赫茲圖像的四種去噪效果，圖4-6給出了實驗的結(jié)果。圖4是雙餐叉的不同實驗結(jié)果:(a)原始的光學圖像；(b)實驗采集的太赫茲圖像；(c)太赫茲圖像的邊緣圖像；(d)太赫茲圖像的非邊緣圖像；(e)Donoho閾值去噪后的太赫茲圖像；(f)廣義小波閾值去噪后的太赫茲圖像；(g)自適應閾值去噪后的太赫茲圖像；(h)本發(fā)明所提出的方法去噪后的太赫茲圖像。圖5是馬賽克拼磚的不同實驗結(jié)果:(a)原始的光學圖像；(b)實驗采集的太赫茲圖像；(c)太赫茲圖像的邊緣圖像；(d)太赫茲圖像的非邊緣圖像；(e)Donoho閾值去噪后的太赫茲圖像；(f)廣義小波閾值去噪后的太赫茲圖像；(g)自適應閾值去噪后的太赫茲圖像；(h)本發(fā)明所提出的方法去噪后的太赫茲圖像。圖6是塑料玩具槍的不同實驗結(jié)果:(a)原始的光學圖像；(b)實驗采集的太赫茲圖像；(c)太赫茲圖像的邊緣圖像；(d)太赫茲圖像的非邊緣圖像；(e)Donoho閾值去噪后的太赫茲圖像；(f)廣義小波閾值去噪后的太赫茲圖像；(g)自適應閾值去噪后的太赫茲圖像；(h)本發(fā)明所提出的方法去噪后的太赫茲圖像。從實驗結(jié)果參數(shù)，可以看出Donoho閾值和廣義小波閾值的方法由于丟失了一部分有用的圖像信息，因此去噪效果比較差。本發(fā)明所提出的方法和自適應閾值的方法的去噪效果要優(yōu)于兩種方法，但是本發(fā)明所提出的方法的去噪效果是這幾種方法中最優(yōu)的。其次，為了定量化評價這四種圖像去噪方法的效果，采用均方誤差(MSE)，圖像信噪比(PSNR)，均方根(RMS)，以及歸一化均方誤差(NMSE)這四種典型的評價方法，對不同的圖像去噪方法的效果進行比對。此外，也比較了這四種不同圖像去噪方法的計算復雜度(仿真計算程序運行時間)。以下給出了評價方法的數(shù)學公式：MSE=1mnΣi=0m-1Σj=0n-1||uij-uij0||2,PSNR=10·log10(MAX2MSE)MSE=1mnΣi=0m-1Σj=0n-1||uij-uij0||2,NMSE=1sumxΣi=0m-1Σj=0n-1||uij-uij0||2,---(14)]]>這里MAX是像點的最大值,PSNR的單位是dB。表3.PSNR,MSE,NMSE,RMS以及運行時間的執(zhí)行效果對比從表3可以明確的看到，本發(fā)明所提出的去噪方法的MSE,NMSE和RMS值是所有方法中最小的，去噪后的圖像與原始的圖像差異最小。此外，本發(fā)明的方法的PSNR值是這幾種方法中最大的，這也就意味著本發(fā)明的方法可以在去噪過程中最大程度保留有用的圖像邊緣信息。因此，從實驗結(jié)果，可以得到，本發(fā)明所提出的太赫茲圖像去噪方法是明顯優(yōu)于與其他三種常用的太赫茲圖像去噪方法。此外，本發(fā)明的方法可以用到太赫茲成像前進行圖像的去噪預處理，可以有效的提高太赫茲成像的質(zhì)量，比如在成像階段，提前進行目標的蟻群算法太赫茲邊緣掃描，提高目標的有效識別。同時，本發(fā)明的方法對其他圖像處理，例如基因芯片圖像處理等也是適用的。綜上，本發(fā)明的太赫茲脈沖圖像去噪方法是把邊緣圖像和非邊緣圖像分別去噪，然后再合成，有效的保護圖像重要的邊緣信息，達到對目標的有效識別，并具體采用蟻群邊緣提取算法與四階偏微分方程去噪方法結(jié)合起來，應用到太赫茲圖像的去噪，實現(xiàn)了太赫茲圖像處理領域的首次突破，克服了太赫茲圖像的技術難點，獲得上述較佳的處理效果。同時，本案發(fā)明人針對太赫茲圖像的邊緣圖像提取，經(jīng)過多次的實驗仿真，發(fā)現(xiàn)蟻群算法是最優(yōu)的方案；其次對邊緣和非邊緣圖像的有效去噪本案發(fā)明人也經(jīng)過多種方法的比對和改進，最終選擇了四階偏微分方程去噪的方法，獲得最優(yōu)的去噪效果。盡管結(jié)合優(yōu)選實施方案具體展示和介紹了本發(fā)明，但所屬領域的技術人員應該明白，在不脫離所附權利要求書所限定的本發(fā)明的精神和范圍內(nèi)，在形式上和細節(jié)上可以對本發(fā)明做出各種變化，均為本發(fā)明的保護范圍。當前第1頁1 2 3