基于指数软硬择中阈值函数的光谱去噪方法
【专利摘要】本发明涉及一种基于指数软硬择中阈值函数的光谱去噪方法，主要实现对线阵CCD采集的光谱数据进行降噪处理。具体步骤为：对输入的含噪光谱信号进行多层小波分解；采用小波阈值对各层小波的高频系数进行收缩处理，其中小波阈值函数采用指数软硬择中阈值函数；对处理后的小波系数进行小波反变换，得到小波阈值法去噪后的光谱信号估计值；最后对光谱信号估计值进行中值滤波，进一步滤除光谱中的脉冲噪声。本发明在很好地保留光谱细节的前提下，减少去噪后光谱中的噪声残留，该发明可以用于CCD全谱直读光谱仪中的光谱预处理部分，实现对CCD采集的光谱信号进行去噪处理。
【专利说明】 基于指数软硬择中阈值函数的光谱去噪方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，更进一步涉及基于指数软硬择中阈值函数的光谱去噪方法，可作为用于CCD全谱直读光谱仪采集的光谱数据的降噪处理。
【背景技术】
[0002]全谱直读光谱仪是钢铁行业的主要分析检测校准仪器。根据光谱检测器件的不同，目前市场上的全谱直读光谱仪主要有两种:基于光电倍增管(PMT)和基于电荷耦合器件(Charge-coupled Device,CO))。其中基于CO)的全谱直读光谱仪具有体积小,重量轻，功耗低，使用方便，单次采集光谱范围宽，响应速度快，灵敏度高，数据采集处理快捷方便等特点。因此，采用线阵CCD实现全谱直读光谱分析仪是一个发展趋势。在光谱数据的定量分析中，噪声的存在往往会影响分析结果的准确性，为了提高光谱数据的分析精度，对线阵CCD采集的光谱数据进行降噪处理是十分必要。
[0003]根据图像光谱的特点和噪声的统计特性，发展了各种各样的去噪方法。常用的去噪算法有很多种，比如均值滤波、平滑滤波、窗函数法、自适应中值滤波、中值滤波和小波变换滤波。尽管去噪方法多种多样，但降噪研究的工作都是在去噪和保留高频信息之间进行权衡。总体来说减少信号噪声的方法可以在信号空间域和在信号变换域内完成。在全谱直读光谱仪中，线阵CCD采集到的光谱数据含有以下噪声:由杂散光引起的低频背景噪声和由暗电流噪声、转移噪声所组成的高频噪声。这些噪声在光谱图上会形成波动和毛刺，对光谱的峰值位置和波峰的高度会产生一定的影响。根据CCD采集到的光谱特性以及各种去噪方法的特点，采用小波阈值和中值滤波相结合的方法对含噪光谱数据进行处理。
[0004]经过小波分解，信号的能量主要分布在低分辨的尺度函数上，而噪声的能量分布不变，仍然均匀分布在所有小波系数上。基于此特性，小波阈值去噪方法就是保留或收缩大的小波系数(低频系数)，剔除小的小波系数(高频系数)。在使用小波阈值法对光谱数据进行去噪处理时，选取不同的阈值函数反映了对小波稀疏模的不同处理策略，通常阈值函数米用 Donoho 等在文章“Ideal Spatial Adaptat1n by Wavelet Shrinkage”(B1metrika, Vol.81, N0.3，pp.425-455，1994)提出的硬阈值函数(Hard Threshold Funct1n)和软阈值函数(Soft Threshold Funct1n)两种。其中硬阈值函数对于信号的细节特征可以很好地保留，但在阈值±T处不连续，且不可导，同时其剔除了小于阈值的小波系数，不加处理的完全保留了大于阈值的小波系数，因此重构信号容易产生较大的均方差，出现振荡；软阈值函数在阈值±Τ处是连续的，可以避免去噪后的信号产生振荡现象，但估计的小波系数与实际信号的小波系数之间存在恒定的偏差，使得重构的信号过度平滑，使得边缘相对模糊，同样影响去噪效果。
【发明内容】
[0005]本发明针对上述现有的阈值函数的缺陷，提出了一种指数软硬择中阈值函数，对光谱信号进行去噪处理，以减少了降噪后光谱信号的噪声残留，提高了光谱信号的信噪比。
[0006]为了实现上述目标，本发明包括以下步骤:
[0007]步骤1:对输入的含噪光谱信号进行多层小波变换。采用db4小波对含噪光谱信号进行5层分解，分别得到小波的低频系数和高频系数；
[0008]步骤2:对步骤I得到的各层高频小波系数进行收缩处理。在收缩处理中阈值函数采用了本发明所提出的指数软硬择中阈值函数，即
[0009]
【权利要求】
1.一种基于指数软硬择中阈值函数的光谱去噪方法，包括以下步骤: 步骤1:对输入的含噪光谱信号进行多层小波变换。采用db4小波对含噪光谱信号进行5层分解，分别得到小波的低频系数和高频系数。 步骤2:利用本发明所提出的指数软硬择中阈值函数对步骤I得到的小波系数进行收缩处理。 步骤3:小波反变换获得小波去噪后的信号估计。利用步骤I得到的小波低频系数和步骤2经过小波阈值处理的高频系数进行小波反变换，获得小波分层去噪后的信号估计值。 步骤4:信号中值滤波处理。为了有效去除含噪光谱中的脉冲干扰，对步骤3所得到的信号估计值，进一步进行中值滤波。
2.根据权利要求1所述的方法，其特征在于:步骤2中所述的阈值函数采用了指数软硬择中阈值函数，其表达式如下: β = Ug^jk)[I，1- 7} e-卜丨巧]\a)jk I > Tj’IOM<TJ 其中，Tj为阈值，ωΛ为第j层的小波系数，为阈值收缩后的小波系数，j为小波分解的层数，k则表示第k个小波系数。 随着I ωΛ|的增大，该指数软硬择中阈值函数所估计出来的渐进于，因此该阈值函数克服了单纯软阈值函数估计出来的岣fc具有恒定偏差Kl ωΛ| ^Tj)的局限。
【文档编号】G06T5/00GK104182946SQ201410456371
【公开日】2014年12月3日 申请日期:2014年9月9日 优先权日:2014年9月9日
【发明者】高美凤, 于力革, 朱建鸿 申请人:江南大学