条纹噪声识别

图像处理与分析课程设计报告—条纹失真图像研究

姓名：余志雄

小组成员：朱全

1.项目的立项依据

1.1研究意义

近年来，随着制作工艺和计算机硬件水平的提高，越来越多的小型机和个人计算机参与到图像和视频的处理及应用中来，个人相机和摄影机也也得到了广泛的应用，从而使得图片文件和视频文件在人们的生活和工作中有着越来越高的地位。但是，由于各个人对数码相机、摄相机的使用能力的不同，得到的图片和视频的质量和水平也不尽相同，加之文件制作传输过程中容易受到光电、电磁、异物等不同因素的干扰，使得有时候最后获得的图片和视频会出现各种不同的失真。图片的失真主要有三大类：光线失真（包括亮度失真和色彩失真），噪声失真（雪花噪声、条纹噪声等）和异物遮挡迭起（对摄相头遮挡和对物体遮挡）。本文主要对条纹噪声进行研究。

在上述失真类别中，噪声失真是指由于客观条件的影响，图像上的某一部分或者某几个部分出现了本来不属于图片内空的“点”或“痕迹”，其中，条纹噪声是一种比较常见的噪声。条纹噪声是指主要由于接触不良、电磁干扰导致图像中混有周期性的叠加条状噪声，在视觉上表现出来的是颜色混杂的直线。比如在计算机播放视频的时候，如果周围出现手机信号干扰，往往会造成播放的视频中间有条纹线；再比如在街道和小区的安防摄相头拍摄的监控视频中往往会出现许多条纹，这些通常是由于拍摄过程中摄相头周围电磁环境复杂等因素造成的，在以上情况中，视频中的条纹噪声都给人们的生活工作带来了不同程度的影响。总结条纹噪声图片和视频，我们发现条纹噪声主要表现为几下几个特点：（1）条纹通常贯穿整幅图片；（2）条纹通常表现为一组平行的任意角度的直线（以横向较为常见）；（3）条纹噪声影响的是整图片的可见度，对图片质量的影响较之其它噪声要大。

介于条纹噪声的诸多特点，当前在图像识别领域，针对条纹噪声的去噪问题引起了许多人关注，有许多人也提出了许多行之有效的去噪声算法。比如曲线拟合、小波变换等等。这些不同的算法在不同的层次上针对不同的图像要求都取得

了一定的实验成果。然而这些算法都是在已知图片含有条纹噪声的情况下，针对条纹噪声的特点进行过滤或者差值运算等进行的，它要求在算法的第一阶段必须有人工的参与，需要人为的去判断图片中是否有条纹，即“人在回路”。可是在实际应用中，当人为的发现图片或视频带有噪声后更多的是对图片进行舍弃，而对其进行去噪处理的概率通常较小，显然，“人在回路”的意义不大。为此，我们需要计算机在传输过程中自动判断图片或视频有没有噪声，在确定有噪声后再对其应用去噪算法，最后把调整恢复好的图像和视频输出给读者，即“人不在回路”，这样既减轻了用户的负担又能提高图片的使用效率，具有重要的意义。

1.2国内外研究现状及发展动态分析

1.2.1国内外研究现状

最早对条纹噪声的分析是由手工完成的，主要是根据灰度分布确定条纹中心以及为条纹级次赋值，通过测量条纹间距来获得应变分布。这种处理方法繁琐费时，而且人为造成的偶然误差也较大，尤其是在条纹稀疏和形状不规则时。随着计算机技术的发展及其理论基础的完善，利用计算机和数字硬件设备这些平台，数字图像处理技术在光测力学领域能够很好的应用，且应用范围也越来越广泛。在国外，1987年，S.Helen开始将摄像机和计算机引入条纹噪声法，1988年，P-Tining等人提出了用图像处理系统对条纹图像进行全场分析的方法。这种方法主要有条纹图像的采集、消除噪声干扰、细化条纹、确定条纹级数、计算力学量等步骤。但这种方法采用的是通用的图像处理系统，因此对于条纹图像来说，其图像处理效果较差，计算精度较低。1991年，Aasundi提出了用快速傅立叶变换对干涉条纹图分析的方法。傅立叶变换能消除条纹的噪声。但是由于傅立叶变换具有平滑效应，在对条纹进行窗口分析时，若窗口选择不当，易丢失条纹信息，特别是对条纹变化较复杂的位移图，从而使计算误差较大。1991年，John.B.Brownell等人提出了用相移技术对条纹噪声条纹进行处理的方法。1993年，C.Y.Poon等人也提出了用相移技术对条纹噪声图进行自动处理的方法。采用光学相移技术对图像进行处理。光学相移技术通过在光路中设置相移器而实现，通过改变位相，得到多幅相移图像（至少三幅），进行位相计算，从而得到位移、应变、应力等力学量，这种方法具有自动化程度高、计算精度高、处理速度快等特点，特别适合与条纹图像的处理。在国内，数字图像处理在光测力学领域的应用也受到重视，而且其发展十分迅速。1989年，季南、于起峰提出了利用全场灰度处理条纹数字图像的方法。这种方法利用条纹中较多的信息，而且自动化程度较高。但这种方法，较适用于条纹较疏，而且图像质量较高的条纹图。对较密的条纹或图像质量较差的条纹图将变得很困难。1989年，周东亚等人提出了引导跟踪法。1990年，何玉明等人提出了对全息干涉条纹图进行跟踪算法获得条

纹中心的方法。1992年，张恩东等人提出了“探索数”算法，解决了如何提取条纹中心的问题。1993年，张海波等人发展了Aasundi的相移逻辑条纹法，提出了一种条纹图像全自动处理的新方法-二维相移逻辑条纹法。该方法运用了经典条纹的概念，用计算机产生参考栅，把输入的条纹图看成变形栅，将他们叠加产生逻辑条纹，通过计算机移动参考栅从而实现相移，经去包裹处理，得到位相值，然后由位相得到条纹级次，从而进行力学量的分析。2008年，首都师范大学的邹园园等人也提出了一种基于频域滤波的THz的图像条纹噪声处理方法，该方法主要是利用条纹噪声在空域中的方向性和周期性以及在频域中的交错性与对称性进行检测，其算法可行性较强，但是算法较为复杂。2009年，中国科学院遥感应用研究所的吴强等人提出了一种结合同质性测度和真实边缘提取的图像噪声估计方法，该方法主要通过对图像局部连通性进行研究，其算法主要分为两部分，第一部分是基于柯西核函数，定义了像元及其邻域像元范围内的均匀性判定函数；第二部分是根据相似性的大小对图像进行边缘提取。此方法估计效率较高，但是不具有针对性，不能针对条纹噪声进行分析判定。根据图像处理近几年的发展可以看出，图像处理正朝着自动化程度高、处理速度快，处理精度高的方向发展。虽然相位处理技术具有这些特点，是条纹图像处理的主流，但通过相移法所求到的参数受噪声影响误差比较大，在试验仪器上仍要有很大的改进。条纹中心法仍然是最为普遍应用的条纹图像计算机处理技术，条纹中心法由于采用正交多项式拟合算法，从而使得处理结果一般是连续无歧异的，这一点是相位处理技术难以做到的。

1.2.2发展动态分析

对条纹噪声的处理就是通过一些图像处理算法对采集到的条纹噪声图像进行处理，使计算机能够自动识别。主要应用滤波、阈值分割、细化等已有的算法和引入一些已有的数学算法对数字图像进行处理，完成干涉图像的计算机识别。在这方面国内一些学者也做了大量的工作并取的丰硕的成果。

一般而言，对条纹图像进行处理即条纹中心法所用的图像处理算法步骤如下：滤波去噪、阈值分割、图像细化、去除毛刺、曲线拟合、曲线连接。每一步骤都有许多种图像处理算法来实现，有些算法对所处理的图像又具有针对性，因此它们往往具有局限性，效果不是特别好，比如利用傅立叶变换对图像进行滤波的同时，也会造成边缘的模糊和细节的湮没。傅里叶变换的实质是将一个信号分离为无穷多多正弦/复指数信号的加成，也就是说，把信号变成正弦信号相加的形式,既然是无穷多个信号相加，那对于非周期信号来说，每个信号的加权应该