CN110766627A - 一种散斑干涉图像的降噪方法和装置 - Google Patents

一种散斑干涉图像的降噪方法和装置 Download PDF

Info

Publication number
CN110766627A
CN110766627A CN201910980587.XA CN201910980587A CN110766627A CN 110766627 A CN110766627 A CN 110766627A CN 201910980587 A CN201910980587 A CN 201910980587A CN 110766627 A CN110766627 A CN 110766627A
Authority
CN
China
Prior art keywords
phase diagram
cosine
sine
phase
noise reduction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910980587.XA
Other languages
English (en)
Inventor
李伟仙
宁雪玲
吴思进
董明利
祝连庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201910980587.XA priority Critical patent/CN110766627A/zh
Publication of CN110766627A publication Critical patent/CN110766627A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种散斑干涉图像的降噪方法和装置，该方法包括：通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；利用平稳小波变换对正弦相位图和余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图。本申请能够有效、快速地滤除散斑干涉图像中的噪声。

Description

一种散斑干涉图像的降噪方法和装置
技术领域
本申请涉及数字散斑干涉技术领域，具体涉及一种散斑干涉图像的降噪方法和装置。
背景技术
散斑干涉技术记录了参考光和从物体的粗糙表面反射的物光之间干涉产生的散斑场，根据物体变形前后散斑场相位图的变化可计算出物体表面的微小变形。由于散斑干涉技术具有全场、非接触、高分辨率等优点，在应变测量、三维变形测量和振动评价等工程测量中得到了广泛的应用。在数字散斑干涉技术中，与物体变形相关的散斑相位被调制在[0，2π]区间，在散斑干涉图像中表现为黑白条纹。通常情况下，需要对黑白条纹中[0，2π]的包裹相位进行解包裹，获得全场连续相位场，再线性换算为全场连续变形。这些[0，2π]范围内的包裹相位通常被噪声严重污染，因此在解包裹之前对散斑干涉图像先进行降噪处理十分必要。
近几十年来，对散斑干涉图像的降噪方法主要有：一是正余弦均值滤波，它通过对正余弦相位图做均值滤波实现去噪，具有简单有效的特点，被广泛应用，但正余弦均值降噪效果与滤波次数密切相关，一次降噪处理的去噪效果不佳，往往需要20～40次，降噪次数越多滤波速度则越慢；二是加窗傅里叶变换滤波，它通过在2D窗口傅里叶变换域中丢弃小窗口傅里叶系数实现去噪，降噪能力强但滤波效果受窗口大小影响，且耗时较长。
综上所述，目前常用的两类散斑干涉图像的降噪方法很难同时在降噪能力和降噪速度上达到很好的效果。
发明内容
有鉴于此，本申请提供了一种散斑干涉图像的降噪方法和装置。在下文中给出了关于本申请的简要概述，以便提供关于本申请的某些方面的基本理解。应当理解，这个概述并不是关于本申请的穷举性概述。它并不是意图确定本申请的关键或重要部分，也不是意图限定本申请的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
根据本申请的第一方面，提供了一种散斑干涉图像的降噪方法，包括：通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪图和余弦降噪图；根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图。
可选地，所述通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图像，包括：通过对所述原始相位图中任意一点的相位值进行正弦变换，得到所述正弦相位图；通过对所述原始图像中任意一点的相位值进行余弦变换，得到所述余弦相位图。
可选地，所述原始相位图的分辨率为M×N，所述原始相位图中任意一点(m，n)的相位值为其中M≥m≥1，N≥n≥1；所述正弦相位图S(m，n)为：所述余弦相位图C(m，n)为：
可选地，所述利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图，包括：分别对所述正弦相位图和所述余弦相位图进行平稳小波分解，得到所述正弦相位图对应的小波分解结果以及所述余弦相位图对应的小波分解结果；分别对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到所述正弦降噪相位图和所述余弦降噪相位图。
可选地，所述分别对所述正弦相位图和所述余弦相位图进行平稳小波分解，包括：采用消失矩为4的Daubechies小波函数，通过下述公式分别对所述正弦相位图和所述余弦相位图做5层平稳小波分解：
Figure BSA0000192204750000031
其中，a为细节系数，aAj、aHj、aVj和aDj分别为平稳小波j(j＝1，2，…J)层分解的近似细节、水平细节、垂直细节和对角细节，
Figure BSA0000192204750000032
为低通数字滤波器，
Figure BSA0000192204750000033
为高通数字滤波器，上角标col和row分别表示二维图像列方向和行方向的操作。
可选地，所述分别对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到所述正弦降噪相位图和所述余弦降噪相位图，包括：采用高惩罚参数的Birgé-Massart策略确定阈值λ，所述Birgé-Massart策略为：
λ＝|ct*|，
其中，α为一个高惩罚参数，2.5＜α＜10，σ为误差模型中的高斯噪声标准差，ck为绝对值按照递减顺序排列的小波系数，l为系数数量总和，变量t使得t*取得最小值；根据所述阈值λ，利用软阈值函数对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪，以及对去噪之后的图像进行平稳小波逆变换得到所述正弦降噪相位图和所述余弦降噪相位图，其中，所述软阈值函数为：
Figure BSA0000192204750000041
aj为平稳小波变换的原始细节系数，cj为阈值后的细节系数。
可选地，所述根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图，包括：根据所述正弦降噪相位图和所述余弦降噪相位图，通过四象限反正切算法确定所述目标降噪相位图。
可选地，所述根据所述正弦降噪相位图和所述余弦降噪相位图，通过四象限反正切算法确定所述目标降噪相位图，包括：通过下述公式计算得到所述目标降噪相位图Ф(m，n)：
Figure BSA0000192204750000042
其中，S′(m，n)为所述正弦降噪相位图，C′(m，n)为所述余弦降噪相位图。
根据本申请的第二方面，提供了一种散斑干涉图像的降噪装置，包括：第一处理模块，用于通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；降噪模块，用于利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；第二处理模块，用于根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图。
通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；利用平稳小波变换对正弦相位图和余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图，从而能够有效、快速地滤除散斑干涉图像中的噪声。
应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。
通过以下结合附图对本申请的优选实施例的详细说明，本发明的作用以及它的优点将更加明显。
附图说明
本申请可以通过参考下文中结合附图所给出的描述而得到更好的理解。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本申请的优选实施例和解释本申请的原理和优点。在附图中：
图1为本申请实施例提供的一种散斑干涉图像的降噪方法的流程示意图；
图2为本申请实施例提供的一种散斑干涉图像的降噪方法的示意图；
图3为本申请实施例提供的原始相位图的示意图；
图4为本申请实施例提供的对图3所示原始相位图进行正弦变换后的正弦相位图的示意图；
图5为本申请实施例提供的对图3所示原始相位图进行余弦变换后的余弦相位图的示意图；
图6为本申请实施例提供的基于图4所示正弦相位图得到的正弦降噪相位图的示意图；
图7为本申请实施例提供的基于图5所示余弦相位图得到的余弦降噪相位图的示意图；
图8为本申请实施例提供的基于图4所示正弦降噪相位图和图5所示余弦降噪相位图得到的目标降噪相位图的示意图；
图9为本申请实施例提供的正余弦均值滤波方法滤波10次的结果、正余弦均值滤波方法滤波40次的结果、窗口傅里叶滤波方法滤波窗口大小为10的滤波结果、窗口傅里叶滤波方法滤波窗口大小为20的滤波结果的示意图；
图10为本申请实施例提供的图8所示四种滤波方法与本申请滤波方法的滤波耗时柱状对比图；
图11为本申请实施例提供的一种散斑干涉图像的降噪装置的结构示意图。
具体实施方式
在下文中将结合附图对本申请的示范性实施例进行详细描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
下面结合附图和实施例，对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本申请，但不用来限制本申请的范围。
图1为本申请实施例提供的一种散斑干涉图像的降噪方法的流程图。如图1所示，该方法可以包括：
步骤S11，通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图。
步骤S12，利用平稳小波变换对正弦相位图和余弦相位图分别进行阈值降噪处理，得到正弦降噪相位图和余弦降噪相位图。
步骤S13，根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图。
图2为本申请实施例提供的一种散斑干涉图像的降噪方法的示意图。如图2所示，首先对含噪的散斑干涉条纹(即散斑干涉得到的包含噪声的原始相位图)进行正弦变换和余弦变换。
可选地，通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图像，包括：通过对原始相位图中任意一点的相位值进行正弦变换，得到正弦相位图；通过对原始图像中任意一点的相位值进行余弦变换，得到余弦相位图。
可选地，原始相位图的分辨率为M×N，原始相位图中任意一点(m，n)的相位值为
Figure BSA0000192204750000071
其中M≥m≥1，N≥n≥1；正弦相位图S(m，n)为：
Figure BSA0000192204750000072
余弦相位图C(m，n)为：
Figure BSA0000192204750000073
图3为本申请实施例提供的原始相位图的示意图。图3中的原始相位图为分辨率为1280×1024的不连续相位条纹图。该原始相位图上任意一点(m，n)处的相位值为
Figure BSA0000192204750000074
其中1280≥m≥1，1024≥n≥1，对该原始相位图分别做正弦变换和余弦变换，得到图4、图5所示的正弦相位图和余弦相位图。图4为本申请实施例提供的对图3所示原始相位图进行正弦变换后的正弦相位图。图5为本申请实施例提供的对图3所示原始相位图进行余弦变换后的余弦相位图。
图4中，(m，n)处的相位值为图5中，(m，n)处的相位值为
Figure BSA0000192204750000076
仍以上述图2为例，对含噪的散斑干涉条纹进行正弦变换和余弦变换之后，对得到的正弦相位图和余弦相位图依次进行小波分解、阈值去噪以及小波逆变换。
可选地，利用平稳小波变换对正弦相位图和余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图，包括：分别对正弦相位图和余弦相位图进行平稳小波分解，得到正弦相位图对应的小波分解结果以及余弦相位图对应的小波分解结果；分别对正弦相位图对应的小波分解结果和余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到正弦降噪相位图和余弦降噪相位图。
可选地，分别对正弦相位图和余弦相位图进行平稳小波分解，包括：采用消失矩为4的Daubechies小波函数，通过下述公式分别对正弦相位图和余弦相位图做5层平稳小波分解：
Figure BSA0000192204750000077
其中，a为细节系数，aAj、aHj、aVj和aDj分别为平稳小波j(j＝1，2，…J)级分解的近似细节、水平细节、垂直细节和对角细节，
Figure BSA0000192204750000081
为低通数字滤波器，
Figure BSA0000192204750000082
为高通数字滤波器，上角标col和row分别表示二维图像列方向和行方向的操作。
其中，各层分解分量与原图像具有相同的尺度，分解后各层子带的小波系数个数等于原图像的像素个数。
在分解层的选取上，噪声幅值随分解水平的增大而减小，信号幅值随分解水平的增大而增大。理论上，最大可能的分解水平为
Figure BSA0000192204750000083
N表示信号的长度。图像去噪的分解层次通常为3～5层，对于散斑干涉图像，现有技术通常采用的是3层平稳小波分解，去噪效果较差且不够光滑。本申请采用5层平稳小波分解，能够有效提高降噪效果。
在小波函数的选取上，常用的小波函数为Daubechies和Symlets，性能相似，小波阶为N(N＝2，3，…，8)。对于给定的N阶消失矩正交小波基，当N大于5时，计算量会大大增加，实时性会变差。本申请采用消失矩为4的Daubechies小波函数，由于Daubechies小波函数具有最小不对称的特性，可以实现滤波结果的可视化平滑和最小数据冗余。此外，Daubechies小波函数可以适用于无特定模型结构的情况，即适应于多种散斑干涉图像，不限定于特定噪声(例如，高斯白噪声、椒盐噪声、斑点噪声等等)，也不限定于特定散斑条纹分布(例如，横条纹，竖条纹，圆环条纹，蝴蝶斑等)。
可选地，分别对正弦相位图对应的小波分解结果和余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到正弦降噪相位图和余弦降噪相位图，包括：采用高惩罚参数的Birgé-Massart策略确定阈值λ，所述Birgé-Massart策略为：
λ＝|ct*|，
Figure BSA0000192204750000084
其中，α为一个高惩罚参数，2.5＜α＜10，σ为误差模型中的高斯噪声标准差，ck为绝对值按照递减顺序排列的小波系数，l为系数数量总和，变量t使得t*取得最小值；根据阈值λ，利用软阈值函数对正弦相位图对应的小波分解结果和余弦相位图对应的小波分解结果进行阈值去噪，以及对去噪之后的图像进行平稳小波逆变换得到正弦降噪相位图和余弦降噪相位图，其中，软阈值函数为：
Figure BSA0000192204750000091
aj为平稳小波变换的原始细节系数，cj为阈值后的细节系数。
平稳小波分解的层系数决定的自适应层相关估计，即每个分解层对应的阈值都不同，采用基于层相关的Birgé-Massart策略确定高惩罚阈值λ，使其对噪声水平具有自适应能力，能够通过改变和调整参数来获得合适的阈值。
在阈值函数方面，现有的降噪技术对非抽取细节系数进行了硬阈值处理。硬阈值是指将绝对值大于或等于阈值的小波系数予以保留，而其它小波系数则作为噪声置为零。硬阈值降噪时，会在小波域产生突变，导致阈值处不连续，去噪后的结果会造成可用信息的丢失。本申请采用了软阈值函数，避免了硬阈值函数在阈值点不连续处的伪吉布斯伪影，具有较好的平滑性，适用于正弦/余弦图像中黑白条纹的交替。
图6为本申请实施例提供的基于图4所示正弦相位图得到的正弦降噪相位图的示意图。图7为本申请实施例提供的基于图5所示余弦相位图得到的余弦降噪相位图的示意图。
可选地，根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图，包括：根据正弦降噪相位图和余弦降噪相位图，通过四象限反正切算法确定目标降噪相位图。
可选地，根据正弦降噪相位图和余弦降噪相位图，通过四象限反正切算法确定目标降噪相位图，包括：通过下述公式计算得到所述目标降噪相位图Ф(m，n)：
Figure BSA0000192204750000101
其中，S′(m，n)为正弦降噪相位图，C′(m，n)为余弦降噪相位图。
仍以上述图2为例，对含噪的散斑干涉条纹进行正弦变换和余弦变换，且对得到的正弦相位图和余弦相位图依次进行小波分解、阈值去噪以及小波逆变换之后，根据得到的正弦降噪相位图和余弦降噪相位图，通过四象限反正切变换，确定目标降噪相位图(去噪后的散斑干涉条纹)。图8为本申请实施例提供的基于图4所示正弦降噪相位图和图5所示余弦降噪相位图得到的目标降噪相位图的示意图。
与现有技术中需要根据经验确定去噪次数的正余弦均值去噪方法和需要预先确定窗口大小的加窗傅里叶去噪方法相比，本申请提出的去噪方法中所有参数都可以被预先设置而不需要更改，使得本申请的去噪方法具有自适应性和实用性。
与加窗傅里叶滤波方法相比，本申请的去噪方法能够以更快的运行速度获得同等质量的去噪图像。
图9为本申请实施例提供的正余弦均值滤波方法滤波10次的结果、正余弦均值滤波方法滤波40次的结果、窗口傅里叶滤波方法滤波窗口大小为10的滤波结果、窗口傅里叶滤波方法滤波窗口大小为20的滤波结果的示意图。图9中(A)为正余弦均值滤波方法滤波10次的结果，图9中(B)为正余弦均值滤波方法滤波40次的结果，图9中(C)为窗口傅里叶滤波方法滤波窗口大小为10的滤波结果，图9中(D)为窗口傅里叶滤波方法滤波窗口大小为20的滤波结果。如图8、图9所示，本申请的滤波方法能够得到高质量的滤波结果。
图10为本申请实施例提供的图9所示四种滤波方法与本申请滤波方法的滤波耗时柱状对比图。如图10所示，相比于现有技术中的滤波方法，本申请的滤波方法能够降低滤波耗时，提高滤波效率。
通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；利用平稳小波变换对正弦相位图和余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图，从而能够有效、快速地滤除散斑干涉图像中的噪声。
图11为本申请实施例提供的一种散斑干涉图像的降噪装置的结构示意图。如图11所示，装置110包括：
第一处理模块111，用于通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；
降噪模块112，用于利用平稳小波变换对正弦相位图和余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；
第二处理模块113，用于根据正弦降噪相位图和余弦降噪相位图，确定目标降噪相位图。
可选地，第一处理模块111具体用于：
通过对原始相位图中任意一点的相位值进行正弦变换，得到正弦相位图；
通过对原始图像中任意一点的相位值进行余弦变换，得到余弦相位图。
可选地，原始相位图的分辨率为M×N，原始相位图中任意一点(m，n)的相位值为
Figure BSA0000192204750000111
其中M≥m≥1，N≥n≥1；
正弦相位图S(m，n)为：
余弦相位图C(m，n)为：
可选地，降噪模块112包括：
平稳小波分解子模块，用于分别对正弦相位图和余弦相位图进行平稳小波分解，得到正弦相位图对应的小波分解结果以及余弦相位图对应的小波分解结果；
降噪子模块，用于分别对正弦相位图对应的小波分解结果和余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到正弦降噪相位图和余弦降噪相位图。
可选地，平稳小波分解子模块具体用于：
采用消失矩为4的Daubechies小波函数，通过下述公式分别对正弦相位图和余弦相位图做5层平稳小波分解：
Figure BSA0000192204750000121
其中，a为细节系数，aAj、aHj、aVj和aDj分别为平稳小波j(j＝1，2，…J)层分解的近似细节、水平细节、垂直细节和对角细节，
Figure BSA0000192204750000122
为低通数字滤波器，
Figure BSA0000192204750000123
为高通数字滤波器，上角标col和row分别表示二维图像列方向和行方向的操作。
可选地，降噪子模块具体用于：
采用高惩罚参数的Birgé-Massart策略确定阈值λ，Birgé-Massart策略为：
λ＝|ct*|，
Figure BSA0000192204750000124
其中，α为一个高惩罚参数，2.5＜α＜10，σ为误差模型中的高斯噪声标准差，ck为绝对值按照递减顺序排列的小波系数，l为系数数量总和，变量t使得t*取得最小值；
根据阈值λ，利用软阈值函数对正弦相位图对应的小波分解结果和余弦相位图对应的小波分解结果进行阈值去噪，以及对去噪之后的图像进行平稳小波逆变换得到正弦降噪相位图和余弦降噪相位图，其中，软阈值函数为：
aj为平稳小波变换的原始细节系数，cj为阈值后的细节系数。
可选地，第二处理模块113具体用于：
根据正弦降噪相位图和余弦降噪相位图，通过四象限反正切算法确定目标降噪相位图。
可选地，第二处理模块113具体用于：
通过下述公式计算得到目标降噪相位图Ф(m，n)：
Figure BSA0000192204750000132
其中，S′(m，n)为正弦降噪相位图，C′(m，n)为余弦降噪相位图。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种散斑干涉图像的降噪方法，其特征在于，包括：
通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；
利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；
根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图。
2.根据权利要求1所述的方法，其特征在于，所述通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图像，包括：
通过对所述原始相位图中任意一点的相位值进行正弦变换，得到所述正弦相位图；
通过对所述原始图像中任意一点的相位值进行余弦变换，得到所述余弦相位图。
3.根据权利要求2所述的方法，其特征在于，所述原始相位图的分辨率为M×N，所述原始相位图中任意一点(m，n)的相位值为
Figure FSA0000192204740000011
其中M≥m≥1，N≥n≥1；
所述正弦相位图S(m，n)为：
Figure FSA0000192204740000012
所述余弦相位图C(m，n)为：
Figure FSA0000192204740000013
4.根据权利1所述的方法，其特征在于，所述利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图，包括：
分别对所述正弦相位图和所述余弦相位图进行平稳小波分解，得到所述正弦相位图对应的小波分解结果以及所述余弦相位图对应的小波分解结果；
分别对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到所述正弦降噪相位图和所述余弦降噪相位图。
5.根据权利要求4所述的方法，其特征在于，所述分别对所述正弦相位图和所述余弦相位图进行平稳小波分解，包括：
采用消失矩为4的Daubechies小波函数，通过下述公式分别对所述正弦相位图和所述余弦相位图做5层平稳小波分解：
Figure FSA0000192204740000021
其中，a为细节系数，aAj、aHj、aVj和aDj分别为平稳小波j(j＝1，2，…J)层分解的近似细节、水平细节、垂直细节和对角细节，
Figure FSA0000192204740000024
为低通数字滤波器，
Figure FSA0000192204740000025
为高通数字滤波器，上角标col和row分别表示二维图像列方向和行方向的操作。
6.根据权利要求4所述的方法，其特征在于，所述分别对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪以及小波逆变换，得到所述正弦降噪相位图和所述余弦降噪相位图，包括：
采用高惩罚参数的Birgé-Massart策略确定阈值λ，所述Birgé-Massart策略为：
Figure FSA0000192204740000023
其中，α为一个高惩罚参数，2.5＜α＜10，σ为误差模型中的高斯噪声标准差，ck为绝对值按照递减顺序排列的小波系数，l为系数数量总和，变量t使得t*取得最小值；
根据所述阈值λ，利用软阈值函数对所述正弦相位图对应的小波分解结果和所述余弦相位图对应的小波分解结果进行阈值去噪，以及对去噪之后的图像进行平稳小波逆变换得到所述正弦降噪相位图和所述余弦降噪相位图，其中，所述软阈值函数为：
aj为平稳小波变换的原始细节系数，cj为阈值后的细节系数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图，包括：
根据所述正弦降噪相位图和所述余弦降噪相位图，通过四象限反正切算法确定所述目标降噪相位图。
8.根据权利要求7所述的方法，其特征在于，所述根据所述正弦降噪相位图和所述余弦降噪相位图，通过四象限反正切算法确定所述目标降噪相位图，包括：
通过下述公式计算得到所述目标降噪相位图Φ(m，n)：
其中，S′(m，n)为所述正弦降噪相位图，C′(m，n)为所述余弦降噪相位图。
9.一种散斑干涉图像的降噪装置，其特征在于，包括：
第一处理模块，用于通过正弦变换和余弦变换将不连续的原始相位图转换为连续的正弦相位图和余弦相位图；
降噪模块，用于利用平稳小波变换对所述正弦相位图和所述余弦相位图分别进行降噪处理，得到正弦降噪相位图和余弦降噪相位图；
第二处理模块，用于根据所述正弦降噪相位图和所述余弦降噪相位图，确定目标降噪相位图。
CN201910980587.XA 2019-10-16 2019-10-16 一种散斑干涉图像的降噪方法和装置 Pending CN110766627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910980587.XA CN110766627A (zh) 2019-10-16 2019-10-16 一种散斑干涉图像的降噪方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910980587.XA CN110766627A (zh) 2019-10-16 2019-10-16 一种散斑干涉图像的降噪方法和装置

Publications (1)

Publication Number Publication Date
CN110766627A true CN110766627A (zh) 2020-02-07

Family

ID=69331392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910980587.XA Pending CN110766627A (zh) 2019-10-16 2019-10-16 一种散斑干涉图像的降噪方法和装置

Country Status (1)

Country Link
CN (1) CN110766627A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160088A (zh) * 2021-04-30 2021-07-23 河南大学 一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527037A (zh) * 2009-04-13 2009-09-09 天津大学 基于邻域加窗的平稳小波图像去噪方法
CN103854264A (zh) * 2014-03-28 2014-06-11 中国石油大学(华东) 一种基于改进型阈值函数的小波变换图像去噪方法
CN104715461A (zh) * 2015-04-02 2015-06-17 哈尔滨理工大学 图像去噪方法
CN107563969A (zh) * 2017-08-03 2018-01-09 天津大学 基于变分模态分解的dspi相位滤波方法
CN109242799A (zh) * 2018-09-19 2019-01-18 安徽理工大学 一种变阈值的小波去噪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527037A (zh) * 2009-04-13 2009-09-09 天津大学 基于邻域加窗的平稳小波图像去噪方法
CN103854264A (zh) * 2014-03-28 2014-06-11 中国石油大学(华东) 一种基于改进型阈值函数的小波变换图像去噪方法
CN104715461A (zh) * 2015-04-02 2015-06-17 哈尔滨理工大学 图像去噪方法
CN107563969A (zh) * 2017-08-03 2018-01-09 天津大学 基于变分模态分解的dspi相位滤波方法
CN109242799A (zh) * 2018-09-19 2019-01-18 安徽理工大学 一种变阈值的小波去噪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LEBRON_XUEYAN: "软阈值小波变换 Birge-Massart策略整理", 《HTTPS://BLOG.CSDN.NET/ZXY115019/ARTICLE/DETAILS/80407087》 *
王慧琴: "《小波理论与应用》", 31 January 2011 *
矫媛，赵志刚，黄斌文: "基于平稳小波变换的邻域依赖自适应软阈值图像降噪", 《科技信息》 *
肖启阳，李 健，吴思进，杨连祥，董明利，曾周末: "基于能量的DSPI 相位图正余弦降噪", 《光学精密工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160088A (zh) * 2021-04-30 2021-07-23 河南大学 一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法
CN113160088B (zh) * 2021-04-30 2022-08-12 河南大学 一种基于Sobel算子及图像熵的散斑干涉相位图滤波评价方法

Similar Documents

Publication Publication Date Title
Gao et al. An improved Sobel edge detection
CN105205788B (zh) 一种针对高通量基因测序图像的去噪方法
WO2013107076A1 (zh) 一种光学三维测量中的自适应窗口傅里叶相位提取法
JP2001266140A (ja) ２次元パターンの変調及び位相判定方法及び装置
CN109087348B (zh) 一种基于自适应区域投射的单像素成像方法
Fernandez et al. Automatic window size selection in Windowed Fourier Transform for 3D reconstruction using adapted mother wavelets
Ning et al. Fast phase denoising using stationary wavelet transform in speckle pattern interferometry
CN105550998B (zh) 基于二代小波整数变换的图像增强方法及图像增强***
CN114779343A (zh) 一种基于曲波变换-联合双边滤波的地震数据去噪方法
CN114355348B (zh) Sar干涉图小波降噪处理方法及其处理装置
CN110766627A (zh) 一种散斑干涉图像的降噪方法和装置
CN105976340A (zh) 改进的基于小波分解的旋滤波算法
CN110930433A (zh) 一种基于图像复原的高速移动对象机器视觉目标检测方法
CN110060220A (zh) 基于改进bm3d算法的图像去噪方法及***
Priyadharsini et al. Underwater acoustic image enhancement using wavelet and KL transform
Hu et al. A new method and implementation of blind restoration algorithm for moving fuzzy license plate image based on frequency-domain characteristics
CN106469438B (zh) 基于卡方无偏估计的邻域收缩mri去噪方法
CN109697704A (zh) 基于bm3d算法的自适应全变分espi图像降噪方法及***
CN113506212B (zh) 一种改进的基于pocs的高光谱图像超分辨率重建方法
Yavariabdi et al. 3D Medical Image Enhancement based on Wavelet Transforms.
CN108062743A (zh) 一种含噪图像超分辨率方法
CN111028152B (zh) 一种基于地形匹配的声呐图像的超分辨率重建方法
CN114066749A (zh) 相位相关抗噪位移估计方法、设备及存储介质
CN112669361A (zh) 一种海水水下图像快速分解方法
Li et al. An Improved Block-matching and Three-dimensional Algorithm for Phase Interferogram

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200207

WD01 Invention patent application deemed withdrawn after publication