基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

计算机工程与科学

基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

安静宇1,马宪民2

(1.西安科技大学工程训练中心，陕西西安 710054；
2.西安科技大学电气与控制工程学院，陕西西安 710054)

收稿日期:2015-08-17 修回日期:2015-12-21 出版日期:2016-08-25 发布日期:2016-08-25
基金资助:
国家自然科学基金（50977077）;西安市科学技术局资助项目（CXY1338(6)）;西安科技大学培育基金（201213）;陕西省自然科学专项(14JK1467)

Image denoising for furnace flame based on median filter and wavelet transform

AN Jing-yu1,MA Xian-min2

(1.Engineering Training Center,Xi’an University of Science and Technology,Xi’an 710054;
2.School of Electrical and Control Engineering,Xi’an University of Science and Technology,Xi’an 710054,China)

Received:2015-08-17 Revised:2015-12-21 Online:2016-08-25 Published:2016-08-25

摘要/Abstract

摘要：

针对煤电厂炉膛火焰图像含有脉冲噪声和高斯噪声混合含噪图像的特点，提出了中值滤波和小波变换相结合的火焰图像去噪方法。首先采用自适应权重中值滤波方法对火焰图像去噪，然后再对去噪后的图像进行小波分解，分解后对不同子带采用不同的滤波方法进行有效滤波。实验结果表明，该方法不仅能够有效地滤除图像噪声，提高火焰图像的质量，而且在边缘保持能力上比传统的去噪方法要好。

关键词: 炉膛火焰, 中值滤波, 小波变换

Abstract:

Given that the furnace flame noise image in coal power plants features mixed impulse noise and Gaussian noise, we propose a denoising method for furnace flame based on the median filter and wavelet transform. Firstly, we remove the impulsive noise from the furnace flame by the adaptive weight median filtering method, and then decompose the denoised image using the wavelet transform. And then different filtering methods are used for different sub-bands after the decomposition. Experimental results show that the proposed method can effectively remove the noise and improve the quality of the flame image, and it outperforms the traditional denoising method.

Key words: furnace flame, median filter, wavelet transform

安静宇1,马宪民2 . 基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法[J]. 计算机工程与科学.

AN Jing-yu1,MA Xian-min2. Image denoising for furnace flame based on median filter and wavelet transform [J]. Computer Engineering & Science.

参考文献

［1］Li Qiu-ni,Chao Ai-nong,Shi De-qin,et al,A novel image denoising method of wavellet semi-soft threshold ［J］,Computer Engineering & Science,2014,36(8): 1567-1570.(in Chinese)
［2］Zhang Chun-xue, Chen Xiu-hong. A noisy image edge detection nethod based on zero crossing［J］.Computer Engineering & Science,2010,32(9):39-42.(in Chinese)
［3］Wan Xiao-hong. Image denoising based on wavelet transform and median filter［J］.Journal of Beihua University(Natural Science),2012,13(3):353-355.(in Chinese)
［4］Zhang Xiao-gang,Tang Mei-ling,Chen Hua,et al.A dehazing method in single image based on double-area filter and image fusion［J］.Acta Automatica Sinica,2014,40(8):1734-1739.(in Chinese)
［5］Destrempes F,Mignotte M.Astatistical model for contours in images［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(5): 626-638.
［6］He Kai-ming, Sun Jian, Tang Xiao-ou.Single image haze removal using dark channel prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2341-2353.
［7］Xu Huan-yu,Sun Quan-sen,Chen Qiang,et al.Blind image restoration using half Gaussian kernel based shock-diusion filter［J］.Acta Automatica Sinica,2014,40(6):1165-1175.(in Chinese)
［8］Li Ming-xi,Mao Han-ping,Zhang Yan-cheng.Study of the actual image denoising method based on lift-wavelet analysis and median filter technology［J］. Laser & Infrared,2007,37(10):1109-1111.(in Chinese)
［9］Javier P,Vastly S,Wainwright M,et al.Image denoising using scale mixtures of Gaussians in the wavelet domain［ J］.IEEE Transactions on Image Processing,2003,11(12): 1338-1351.
［10］Yang Lei,Huang You-rui,Tang Chao-li,et al.An image compression method for coal mine undergroud［J］.Industry and Mine Automation,2015,41(8):82-84.(in Chinese)
附中文参考文献：
［1］李秋妮,晁爱农,史德琴,等.一种新的小波半软阈值图像去噪方法［J］.计算机工程与科学,2014,36(8): 1567-1570.
［2］张春雪,陈秀宏.基于零交叉的噪声图像边缘检测［J］.计算机工程与科学,2010,32(9):40-42.
［3］万小红.一种基于中值滤波和小波变换的图像去噪算法研究［J］.北华大学学报(自然科学版),2012,13(3):352-355.
［4］张小刚,唐美玲,陈华,等.一种结合双区域滤波和图像融合的单幅图像去雾算法［J］.自动化学报2014,40(8):1734-1739.
［7］徐焕宇，孙权森,陈强,等.使用半高斯核的冲击扩散滤波图像盲复原方法［J］.自动化学报,2014,40(6):1165-1175.
［8］李明喜,毛罕平,张艳诚.基于提升小波变换和中值滤波的图像去噪方法研究,［J］.激光与红外,2007,37(10):1109-1111.
［10］杨磊，黄友锐，唐超礼,等.一种煤矿井下图像压缩方法［J］.工矿自动化,2015,41(8):82-84.

[1]	牟明任, 贾海鹏, 张云泉, 邓明森, 曲国远, 魏大洲, 张广婷. 基于ARM架构的中值滤波算法优化[J]. 计算机工程与科学, 2022, 44(10): 1738-1746.
[2]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[3]	董霙达, 张成涛, 多化琼, 杜豫怡. 基于加权变换的蒙古族家具纹样增强研究[J]. 计算机工程与科学, 2021, 43(06): 1047-1051.
[4]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[5]	王健1,2,张修飞1,任萍1,院文乐1. 基于增补小波变换和PCNN的NSCT域图像融合算法[J]. 计算机工程与科学, 2018, 40(10): 1822-1828.
[6]	姜文超 1，2，刘海波1,杨宇杰1，陈佳峰1，孙傲冰2. 一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J]. 计算机工程与科学, 2018, 40(09): 1646-1652.
[7]	王磊，薛伟. 基于时空混沌和小波变换的图像加密算法[J]. 计算机工程与科学, 2018, 40(05): 856-862.
[8]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.
[9]	王晓花，徐学军，何秋娅. 一种改进的心电图QRS波群检测算法[J]. J4, 2016, 38(05): 983-987.
[10]	芦碧波1,王建龙1,张跃2,王国东2. 高阶PDE模型中的松弛中值图像去噪方法[J]. J4, 2016, 38(02): 338-343.
[11]	张建明，李沛，吴宏林，黄倩倩. 噪声先验自适应加权的稀疏表示混合去噪算法[J]. J4, 2015, 37(10): 1917-1923.
[12]	刘婧,王威，李骥，杨蔚蔚. 基于对偶树复小波变换的模糊图像质量评价[J]. J4, 2015, 37(08): 1573-1578.
[13]	刘珑1，李胜1，王轶卿2. 基于小波包变换的脑电波信号降噪及特征提取[J]. J4, 2015, 37(04): 790-795.
[14]	谭春娇，祝恩. 一种彩色图像可恢复半脆弱数字水印算法[J]. J4, 2015, 37(03): 594-598.
[15]	罗晓霞，王莉青，薛弘晔. 基于小波变换和曲波变换的图像边缘检测新算法[J]. J4, 2015, 37(01): 157-161.