一種基于lwbctcs的接觸網(wǎng)圖像去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種基于LWBCTCS(lifting wavelet-basedContourlettransformwithcyclespinning)的接觸網(wǎng)圖像去噪方法。
【背景技術(shù)】
[0002] 隨著高速鐵路的迅猛發(fā)展，如何保證鐵路運(yùn)輸安全是一項艱巨的任務(wù)。接觸網(wǎng)是 沿鐵路線上空架設(shè)的向電力機(jī)車供電的特殊形式的輸電線路，若其處于不良狀態(tài)，高速列 車的供電及安全性能將受到影響。因此，有必要對接觸網(wǎng)運(yùn)行狀態(tài)進(jìn)行有效檢測，以更好地 保證電氣化鐵路安全運(yùn)營。
[0003] 目前，常用的接觸網(wǎng)狀態(tài)檢測方法有人工法，激光數(shù)字檢測法，基于圖像處理的視 覺檢測法。其中，視覺檢測法是一種非接觸動態(tài)實時檢測方法，它可直接搭載電力機(jī)車，在 機(jī)車運(yùn)行的同時完成接觸網(wǎng)檢測任務(wù)，具有檢測方法簡單，檢測設(shè)備無損耗，易于維護(hù)，安 全性高等特點(diǎn)。視覺檢測法是基于圖像處理技術(shù)，其檢測的準(zhǔn)確性易受所檢測圖像質(zhì)量的 影響。而圖像在采集及傳輸過程中，容易受噪聲影響，如果不能有效去除噪聲，則會對檢測 效果產(chǎn)生影響。因此，有必要對采集圖像進(jìn)行去噪，從而保證檢測效果的準(zhǔn)確性。傳統(tǒng)的圖 像去噪方法中，小波變換因具有良好的時頻特性而在實際應(yīng)用中取得了一定的效果。但同 時也應(yīng)注意到，二維小波基函數(shù)的支撐域為方形，是各相同性的，方向信息有限，而接觸網(wǎng) 圖像含豐富的紋理信息，采用小波變換對接觸網(wǎng)去噪，效果并不理想。Contourlet變換作為 小波變換的新擴(kuò)展，具有各相異性，去噪的同時，能較好的保留圖像邊緣等紋理細(xì)節(jié)。
[0004] Contourlet變換由LP變換和方向濾波器構(gòu)成，可更稀疏地表示圖像， 但Contourlet變換第一級采用了拉普拉斯（LP)變換，由于LP變換的冗余性，使得 Contourlet變換也具較大冗余性，并且LP變換在去相關(guān)性方面并不比小波變換好，而提 升小波具有第一代小波的多分辨率的特性，計算速度快，占用內(nèi)存少，可以實現(xiàn)整數(shù)變換 等特點(diǎn)。因此，為了減少Contourlet變換的冗余性，可以采用將原始小波進(jìn)行提升來代 替Contourlet變換中的LP變換，以構(gòu)成LWBCT(liftingwavelet-basedContourlet transform)。同時，因提升小波及Contourlet變換具有下采樣過程，而下采樣過程可能會 造成信號頻譜混疊現(xiàn)象，從而造成圖像去噪的同時，會存在偽吉布斯現(xiàn)象。為了減少這種現(xiàn) 象，可以在LWBCT變換基礎(chǔ)上，結(jié)合循環(huán)平移方法對圖像進(jìn)行處理。實驗表明該文方法能有 效減少圖像噪聲，去噪后的圖像紋理保持較好。

【發(fā)明內(nèi)容】

[0005] ( -）發(fā)明目的
[0006] 本發(fā)明的目的在于提供一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，該方法能有效 去除接觸網(wǎng)圖像中的噪聲，去噪效果好。
[0007] (二）技術(shù)方案
[0008] 一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，其特征是首先構(gòu)造LWBCT變換，接著將 原始接觸網(wǎng)圖像進(jìn)行循環(huán)平移，再將平移后圖像采用LWBCT變換進(jìn)行分解，然后將分解系 數(shù)進(jìn)行去噪處理，并采用LWBCT進(jìn)行逆變換，最后對所得圖像進(jìn)行求和、平均處理，得到去 噪后的接觸網(wǎng)圖像；其具體步驟如下：
[0009] A.構(gòu)成LWBCT變換：利用接觸網(wǎng)檢測車車上的工業(yè)攝像機(jī)采集接觸網(wǎng)圖像；采用 提升方法構(gòu)造提升小波；用提升小波代替Contourlet變換中的LP變換來構(gòu)造LWBCT變換；
[0010] B.對接觸網(wǎng)圖像做循環(huán)平移：對采集的大小為（M，N)接觸網(wǎng)圖像進(jìn)行行和列的循 環(huán)平移；
[0011]C.對平移后圖像進(jìn)行LWBCT分解，得到各尺度，各方向的分解系數(shù)：采用LWBCT變 換對循環(huán)平移后圖像進(jìn)行分解，分解層數(shù)為3,方向數(shù)分別為4, 8, 16 ;
[0012] D.對分解圖像進(jìn)行去噪處理；
[0013] E.對處理后圖像進(jìn)彳丁LWBCT重構(gòu)，得到去噪后的圖像；
[0014]F.逆循環(huán)平移重構(gòu)圖像，并疊加后進(jìn)行平均處理，以消除當(dāng)圖像含較多奇異點(diǎn)時 難以獲得對所有奇異點(diǎn)都具備較好的去噪效果影響得到去噪后圖像。
[0015] 進(jìn)一步的，其特征在于：所述的提升小波采用Haar提升小波。
[0016] 進(jìn)一步的，其特征在于：所述的LWBCTCS變換可通過如下方式獲?。?br>[0017] a.構(gòu)造提升小波；
[0018] b?采用提升小波代替Contourlet變換中的LP變換；
[0019] c.將LWBCT變換與循環(huán)平移相結(jié)合，構(gòu)成LWBCTCS變換。
[0020] 進(jìn)一步的，其特征在于：所述的對分解圖像的去噪處理方法可采用公式（1)表示：
[0021]
【主權(quán)項】
1. 一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，其特征是首先構(gòu)造LWBCT變換，接著將原 始接觸網(wǎng)圖像進(jìn)行循環(huán)平移，再將平移后圖像采用LWBCT變換進(jìn)行分解，然后將分解系數(shù) 進(jìn)行去噪處理，并采用LWBCT進(jìn)行逆變換，最后對所得圖像進(jìn)行求和、平均處理，得到去噪 后的接觸網(wǎng)圖像；其具體步驟如下： A.構(gòu)成LWBCT變換：利用接觸網(wǎng)檢測車車上的工業(yè)攝像機(jī)采集接觸網(wǎng)圖像；采用提升 方法構(gòu)造提升小波；用提升小波代替Contourlet變換中的LP變換來構(gòu)造LWBCT變換； B. 對接觸網(wǎng)圖像做循環(huán)平移：對采集的大小為（M，N)接觸網(wǎng)圖像進(jìn)行行和列的循環(huán)平 移； C. 對平移后圖像進(jìn)行LWBCT分解，得到各尺度，各方向的分解系數(shù)：采用LWBCT變換對 循環(huán)平移后圖像進(jìn)行分解，分解層數(shù)為3,方向數(shù)分別為4, 8, 16 ; D. 對分解圖像進(jìn)行去噪處理； E. 對處理后圖像進(jìn)彳丁LWBCT重構(gòu)，得到去噪后的圖像； F. 逆循環(huán)平移重構(gòu)圖像，并疊加后進(jìn)行平均處理，以消除當(dāng)圖像含較多奇異點(diǎn)時難以 獲得對所有奇異點(diǎn)都具備較好的去噪效果影響得到去噪后圖像。
2. 根據(jù)權(quán)利要求1所述的一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，其特征在于：所 述的提升小波采用Haar提升小波。
3. 根據(jù)權(quán)利要求1所述的一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，其特征在于：所 述的LWBCTCS變換可通過如下方式獲?。?a. 構(gòu)造提升小波； b.采用提升小波代替Contourlet變換中的LP變換，構(gòu)成LWBCT變換； c. 將LWBCT變換與循環(huán)平移相結(jié)合，構(gòu)成LWBCTCS變換。
4. 根據(jù)權(quán)利要求1所述的一種基于LWBCTCS的接觸網(wǎng)圖像去噪方法，其特征在于：所 述的對分解圖像的去噪處理方法可采用公式（1)表示：
公式⑴中，（M，N)為采集的接觸網(wǎng)圖像大小，f表示去噪后所得圖像；Cy⑴及 表示循環(huán)平移算子及逆算子；T和T1分別表示LWBCT的分解及重構(gòu)，D表示去噪算子。
【專利摘要】本發(fā)明公開了一種基于LWBCTCS(lifting wavelet-based Contourlet transform with cycle spinning)的接觸網(wǎng)圖像去噪方法。包括以下步驟：A.構(gòu)成LWBCT變換(lifting wavelet-based Contourlet transform)；B.對接觸網(wǎng)圖像做行和列的循環(huán)平移；C.對平移后圖像進(jìn)行LWBCT分解，得到各尺度，各方向的分解系數(shù)；D.將分解后系數(shù)進(jìn)行去噪處理；E.對處理后圖像進(jìn)行LWBCT重構(gòu)；F.逆循環(huán)平移重構(gòu)圖像，并疊加后進(jìn)行平均處理，得到去噪后圖像。發(fā)明能有效地抑制接觸網(wǎng)圖像噪聲，去噪后圖像紋理細(xì)節(jié)保持較好，衡量圖像去噪效果指標(biāo)SNR，PSNR優(yōu)于Contourlet變換去噪方法。
【IPC分類】G06T5-00
【公開號】CN104574322
【申請?zhí)枴緾N201510046983
【發(fā)明人】吳昌東, 劉志剛, 江樺, 楊欽雲(yún)
【申請人】西華大學(xué)
【公開日】2015年4月29日
【申請日】2015年1月29日