一种基于非局部均值算法优化的布里渊增益谱降噪方法

本发明涉及光纤传感，具体涉及一种基于非局部均值算法优化的布里渊增益谱降噪方法。

背景技术：

1、在石油、天然气管道运输领域，由于第三方破坏或自然因素等造成的管道破坏会带来最大的经济和社会损害，布里渊光时域分析(botda)作为一种分布式光纤传感技术，可以测量传感光纤每一位置的温度和应变，已广泛应用于轨道交通、桥梁建筑、油气管道等领域的安全监测。虽然基于布里渊散射的分布式光纤传感系统在结构检测、温度检测和应变检测等领域越来越受关注，但长输管道距离长，跨越地形复杂，沿途情况多变，导致干扰信息多，数据量庞大。随着传感距离的增加、传感分辨率的提高，传感系统中的接收的噪音以及数据处理量急速增长，传统的数据处理方法越来越难以满足传感系统对于实时性的需求，因此，开展botda系统布里渊增益谱降噪算法研究是提升分布式光纤传感系统的性能和精度的重要步骤，能够更好地帮助识别管道实时状况，及时发现危险。

2、对于botda系统，利用图像处理算法进行去噪的实质是将三维布里渊增益谱(bgs)看成一幅灰度图像进行处理。首先将系统每一个扫描频率下的时域曲线构建成一个三维bgs，其中的数据代表光纤特定位置处每一个扫描频率下的布里渊增益的大小，可以看成图像中的像素点。然后，将三维bgs通过图像处理算法进行去噪，从而使系统的信噪比得到提升。在图像处理法领域，一些传统的去噪算法如均值滤波算法、基于偏微分方程的去噪算法都属于局部类的图像去噪算法。此类算法是利用了图像中局部区域的像素信息，却忽略了图像中其他区域的相关信息，虽然取得了一定的去噪效果，但是无法到达全局最优去噪。

3、中国专利公开号cn110274620b，公开日2019年9月24日，发明创造的名称为一种基于频谱中心对齐的布里渊散射信号去噪方法，该方案公开了一种基于频谱中心对齐的布里渊散射信号去噪方法，其不足之处便是无法达到全局最优去噪，去噪效果大大首先，不能保持处理去噪能力和保持图像细节特征兼顾，而且忽略了图像中其他区域的相关信息，不够获得准确的温度或应变信息。

技术实现思路

1、本发明解决了现有布里渊增益谱降噪方法存在处理时去噪能力和保持图像细节特征两者无法兼顾，无法达到全局最优去噪的问题，提供了一种基于非局部均值算法优化的布里渊增益谱降噪方法。

2、为了实现上述发明目的，本发明采取以下技术方案：

3、一种基于非局部均值算法优化的布里渊增益谱降噪方法，包括以下步骤：

4、s1、在布里渊光时域分析系统中，对噪声图像进行预处理；

5、s2、初始化种群，通过黑寡妇算法创建一群黑寡妇蜘蛛，其中每个黑寡妇蜘蛛代表一个由平滑参数h组成的一维数组；

6、s3、适应性评估，根据黑寡妇算法的平滑参数h值，应用于非局部均值算法，并利用适应度函数计算平滑参数h值对应的适应度值；

7、s4、根据计算出的适应度值，进行种群更新和迭代。所述基于非局部均值算法优化的布里渊增益谱降噪方法还包括步骤s5、根据优化的非局部均值算法进行布里渊增益谱图像处理。根据原始布里渊增益谱噪声图像的标准差与方差，利用黑寡妇优化算法初始化生成由平滑参数组成的一维数组，然后将平滑参数处理后的图像的信噪比snr和均方根误差rmse作为适应度函数评估适应性，设定适应度误差不大于全局最优误差的设定值以及迭代更新次数达到设定的最大迭代次数两项为停止条件，在满足停止条件后输出全局最优的平滑参数，将最优的平滑参数代入非局部均值算法中进行botda系统布里渊增益谱降噪处理，使得从botda系统布里渊增益谱中能更好地提取布里渊频移，从而获得更准确的温度或应变信息。

8、作为优选，所述步骤s1进一步表示为：在布里渊光时域分析系统中，提取含噪布里渊增益谱图像；计算含噪布里渊增益谱图像像素值的方差和标准差。

9、采用黑寡妇算法优化平滑参数h的选择过程，选出最优的平滑参数，代入非局部均值算法中，融合形成所述的优化非局部均值算法。三维布里渊增益谱图像中的每一个布里渊增益谱都是洛伦兹型的含噪曲线，其中的像素点并不是孤立存在的，这将导致三维布里渊增益谱(bgs)中具有大量的冗余性和相似的图像块。在本方案中，通过优化的非局部均值算法充分利用了三维布里渊增益谱(bgs)中不同区域之间的相似性，通过对相似性的图像块加权平均就能较好地还原数据信息，从而使系统的信噪比大幅度提升。

10、作为优选，所述步骤s4进一步表示为：根据计算出的适应度值，选择适应度最好的黑寡妇蜘蛛；黑寡妇算法进行多次迭代，不断更新平滑参数h值；重新计算适应度函数。种群更新采用信息交换机制不断更新黑寡妇蜘蛛的平滑参数h值。所述黑寡妇算法为一种人受黑寡妇蜘蛛独特的交配行为启发而提出的，该算法模拟了黑寡妇蜘蛛的生命周期，通过模仿蜘蛛求偶时不同的运动策略，对搜索空间进行探索和开发，具有收敛速度快，精度高等特点。

11、所述适应度函数根据处理后的布里渊增益谱图像的信噪比和均方根误差评价图像的质量。所述信噪比snr定义为图像信号功率与噪声功率之比，通常以分贝表示；所述均方根误差是预测值与真实值偏差的平方与观测次数n比值的平方根，在实际测量中，观测次数n总是有限的，真值只能用最可信赖(最佳)值来代替。

12、作为优选，所述步骤s3进一步表示为：适应性评估，根据黑寡妇算法的平滑参数h值，将平滑参数h至应用于非局部均值算法中；利用黑寡妇蜘蛛的适应度函数，计算平滑参数h值对应的适应度值；判断全局最优误差值是否小于设定值；判断是否达到最大迭代次数。通过优化后的非局部均值算法，充分利用了三维布里渊增益谱(bgs)不同区域之间的相似性，通过对布里渊增益谱图像中相似性的图像块加权平均的方式，还原数据信息，从而使得布里渊光时域分析系统的信噪比大幅度提升，还同时兼顾保持了图像的细节特征，使得能够从布里渊增益谱中更好地提取布里渊频移(bfs)，从而获得更准确的温度或应变信息。

13、所述非局部均值算法(nlm算法)为一种用于图像处理和降噪的算法。该算法充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征。算法处理的基本思想是当前像素的估计值由图像中与它具有相似邻域结构的像素加权平均得到。

14、所述黑寡妇算法初始化创建一群数量为pop的黑寡妇蜘蛛，其中每个黑寡妇蜘蛛代表一个由平滑参数h组成的一堆数组。在初始化种群期间，平滑参数h的竖直被设置为一个随机值，落在噪声标准差的0-100倍内。

15、本发明的有益效果为：一种基于非局部均值算法优化的布里渊增益谱降噪方法，根据原始布里渊增益谱噪声图像的标准差与方差，利用黑寡妇优化算法初始化生成由平滑参数组成的一维数组，然后将平滑参数处理后的图像的信噪比snr和均方根误差rmse作为适应度函数评估适应性，设定适应度误差不大于全局最优误差的设定值以及迭代更新次数达到设定的最大迭代次数两项为停止条件，在满足停止条件后输出全局最优的平滑参数，将最优的平滑参数代入非局部均值算法中进行botda系统布里渊增益谱降噪处理，使得从botda系统布里渊增益谱中能更好地提取布里渊频移，从而获得更准确的温度或应变信息。