本發(fā)明涉及去除噪聲的處理方法，具體地指一種無線多媒體傳感器網(wǎng)絡(luò)中圖像信號的去噪處理方法。

背景技術(shù)：
無線多媒體傳感器網(wǎng)絡(luò)(WMSNs)具有視頻、音頻、圖像等多媒體信息感知功能，能夠?qū)崿F(xiàn)細(xì)粒度、精準(zhǔn)信息的環(huán)境監(jiān)測。圖像作為WMSNs主要感知信息之一，一般由具有圖像和視頻采集功能的CMOS傳感器獲取。但是在CMOS傳感器的處理過程中，光信號需要經(jīng)過感光像素采樣轉(zhuǎn)換為模擬電學(xué)信號，而后通過放大器以及模數(shù)轉(zhuǎn)換器單元得到數(shù)字圖像信號最終輸出。在這一系列的處理過程中，不可避免會引入各種噪聲，比如高斯白噪聲、椒鹽噪聲和泊松噪聲等，從而導(dǎo)致圖像質(zhì)量的下降。這些噪聲若不剔除，會導(dǎo)致無法對監(jiān)測信息進行準(zhǔn)確地分析，嚴(yán)重影響到后續(xù)處理的正確性。因此，如何對被噪聲污染的圖像信號進行有效的去噪以獲得更準(zhǔn)確的傳感器測量值，是一個亟待解決的問題。經(jīng)驗?zāi)B(tài)分解(empiricalmodedecomposition，EMD)是一種新的多尺度時頻分析工具，為圖像信號的去噪提供了新的思路，該方法將信號分解成有限個內(nèi)蘊模態(tài)函數(shù)(intrinsicmodefunction，IMF)和一個均值趨勢函數(shù)之和。EMD和小波變換最大的不同在于：EMD不是憑經(jīng)驗預(yù)先設(shè)定基底和分解層數(shù)，而是根據(jù)篩選的迭代程序來自適應(yīng)的獲取基底IMF，IMF的形態(tài)和個數(shù)會隨信號自身特性的不同而改變，是一種完全數(shù)據(jù)驅(qū)動的自適應(yīng)基底，在一定程度上改進了小波分解的不足。研究結(jié)果表明，對于非線性和非穩(wěn)態(tài)信號，EMD分解的效果要優(yōu)于小波分解，更能反映信號所包含信息的本質(zhì)特征。因此，EMD被逐漸應(yīng)用到圖像信號的去噪中，并取得了很好的去噪效果。目前已有的基于EMD的去噪方法主要包括三種：部分重構(gòu)去噪法、直接閾值去噪法和基于模態(tài)單元的閾值去噪法。部分重構(gòu)去噪法利用EMD將信號分解為一組內(nèi)蘊模態(tài)函數(shù)IMFs，考慮到噪聲主要集中在前幾項IMF（高頻IMF）中，通過一定的規(guī)則選出部分高頻IMF，把選出的高頻IMF當(dāng)作純噪聲直接去除，然后累加剩余的IMF以實現(xiàn)去噪。但是該方法存在的問題是：將選出的高頻IMF作為噪聲直接去除，會丟失較多的細(xì)節(jié)信息，而對剩余的IMF不加處理直接累加，又會導(dǎo)致噪聲不能完全去除，限制了EMD去噪性能的進一步提高。在直接閾值去噪法中，利用小波去噪中閾值的計算方法，計算IMF的去噪閾值，然后利用該閾值對IMF的系數(shù)進行閾值處理，對處理后的各層IMF進行累加以實現(xiàn)去噪。但是直接閾值去噪法沒有考慮到IMF所具有的固有模態(tài)特性，閾值處理時破壞了IMF中模態(tài)單元的完整性，去噪能力的提高有限，而且不具有通用性?；谀B(tài)單元的閾值去噪法不是直接對IMF的系數(shù)進行處理，而是將IMF中的每個模態(tài)單元看作是一個整體，構(gòu)造模態(tài)單元的閾值，利用閾值對IMF中的每個模態(tài)單元進行處理。該方法充分考慮了EMD的分解特點和IMF的固有震蕩特性，取得了很好的去噪效果。但是模態(tài)單元的閾值確定是個難題，現(xiàn)有算法中采用小波閾值作為模態(tài)單元的閾值，且在閾值確定過程中需要估計IMF中所含噪聲的方差和IMF系數(shù)的分布模型。由于EMD分解和小波分解完全不同，因此直接使用小波閾值作為IMF的模態(tài)單元閾值并不合適；而且EMD的理論基礎(chǔ)還很不完善，IMF中噪聲的方差以及IMF系數(shù)的分布模型尚沒有相應(yīng)的研究結(jié)果，在使用時只能根據(jù)經(jīng)驗進行假設(shè)，這些原因都導(dǎo)致模態(tài)單元的閾值難以被準(zhǔn)確確定。

技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足而提供一種無線多媒體傳感器網(wǎng)絡(luò)中圖像信號的去噪處理方法。實現(xiàn)本發(fā)明目的采用的技術(shù)方案是：一種無線多媒體傳感器網(wǎng)絡(luò)中圖像信號的去噪處理方法，包括以下步驟：1）計算圖像I(i1,i2)中每個像素所處位置的邊緣方向，得到邊緣方向信息T(i1,i2)，(i1,i2)表示圖像中像素點的坐標(biāo)；2)對圖像I(i1,i2)進行Z字形連接后得到的信號為Ij(n)，其中，j＝1，2，3，4分別表示分別按照水平、垂直、+45°和-45°方向連接后得到的信號；1≤n≤M，M表示每個方向連接后數(shù)據(jù)的總長度；3）利用EMD和KPCA對Ij(n)進行去噪，得到4）根據(jù)邊緣方向信息T(i1,i2)，從(j＝1，2，3，4)中選擇數(shù)據(jù)得到最終的去噪圖像數(shù)據(jù)I(d)(i1,i2)，I(d)(i1,i2)選擇方法如下：如果邊緣方向T(i1,i2)是水平方向、垂直方向、+45°方向或-45°方向，則分別選擇或作為去噪后數(shù)據(jù)。本發(fā)明方法是基于EMD分解和KPCA信噪分解融合完成去噪處理，提高對圖像信號的去噪能力。附圖說明圖1為本發(fā)明無線多媒體傳感器網(wǎng)絡(luò)中圖像信號的去噪處理方法流程圖；圖2a為對圖像I(i1,i2)按照水平方向連接后得到的信號I1(n)；圖2b為對圖像I(i1,i2)按照垂直方向連接后得到的信號I2(n)；圖2c對圖像I(i1,i2)按照+45°方向連接后得到的信號I3(n)；圖2d對圖像I(i1,i2)按照-45°方向連接后得到的信號I4(n)；圖3為原始含噪CMOS圖像；圖4為EMD-CPR去噪后的結(jié)果；圖5為EMD-CITT去噪后的結(jié)果；圖6為本發(fā)明EMD-KPCA去噪后的結(jié)果；圖7為原始含噪圖像局部放大圖；圖8為EMD-CPR去噪結(jié)果局部放大圖；圖9為EMD-CIIT去噪結(jié)果局部放大圖；圖10為本發(fā)明EMD-KPCA去噪結(jié)果局部放大圖。具體實施方式下面結(jié)合附圖和具體實施例對本發(fā)明作進一步的詳細(xì)說明。如圖1所示，本發(fā)明基于EMD和KPCA的無線多媒體傳感器網(wǎng)絡(luò)中圖像信號的去噪處理方法（以下簡稱EMD-KPCA），包括以下步驟：步驟S101、計算圖像I(i1,i2)中每個像素所處位置的邊緣方向，取核函數(shù)k(x,y)＝(a(x·y)+b)c，其中a,b,c分別為實數(shù)，(i1,i2)表示圖像中像素點的坐標(biāo)。步驟S102、對圖像I(i1,i2)進行Z字形連接后得到的信號為Ij(n)，其中，j＝1、2、3、4分別表示分別按照水平、垂直、+45°和-45°方向進行Z字形連接后得到的信號；1≤n≤M，M表示每個方向連接后數(shù)據(jù)的總長度。如j＝1時，對圖像I(i1,i2)按照水平方向進行Z字形連接后得到的信號I1(n)，1≤n≤M；此時M表示按照水平方向進行Z字形連接后數(shù)據(jù)的長度。同理，j＝2表示在垂直方向進行Z字形連接，j＝3表示在+45°方向垂直方向進行Z字形連接，j＝4表示在-45°方向進行Z字形連接；其中+45°的方向可以理解為原圖像所在平面順時針方向旋轉(zhuǎn)45°后的方向，+45°的方向可以理解為原圖像所在平面逆時針方向旋轉(zhuǎn)45°后的方向。如圖2a所示，對圖像I(i1,i2)按照水平方向進行Z字形連接后得到的信號I1(n)；如圖2b所示，對圖像I(i1,i2)按照垂直方向進行Z字形連接后得到的信號I2(n)；如圖2c所示，對圖像I(i1,i2)按照+45°方向進行Z字形連接后得到的信號I3(n)；如圖2d所示，對圖像I(i1,i2)按照-45°方向進行Z字形連接后得到的信號I4(n)，上述進行Z字形連接為大體上成“Z”字形即可。步驟S103、對Ij(n)進行K層EMD分解，并估算各層噪聲能量。對圖像信號Ij(n)進行EMD分解，將Ij(n)分解為K個表征時間尺度的IMF分量imfk和一個均值趨勢函數(shù)rK，即(k＝1,2,...,K)，其中，imfk＝gk+Wk，gk表示imfk中沒被污染的原始信號，Wk表示imfk中所含的噪聲。令其中E(·)表示期望值，則根據(jù)純零均值高斯白噪聲的特性可知E(Wk)＝0，令則顯然，對imfk去噪等價于對去噪。設(shè)第k層IMF為imfk＝{d1,d2,…,dN}，其中dn（1≤n≤N）為實數(shù)，N表示imfk的長度。imfk的能量ε(imfk)定義為：將Wk的能量分別記為和ε(Wk)，則因為信號gk與噪聲Wk無關(guān)，所以故即的能量近似等于信號能量與噪聲能量ε(Wk)之和。對進行去噪時，如果能從中去除能量為ε(Wk)的純噪聲，則可認(rèn)為絕大部分噪聲被去除，剩余的信號能很好地近似于不含噪聲的理想信號。由于純高斯白噪聲經(jīng)EMD分解后，通過能量分布模型，可對中噪聲的能量ε(Wk)進行近似計算，計算方法如式(1)所示：k≥2(1)其中γ＝0.719，ρ＝2.01。因此，先求出imf1中所含噪聲的能量ε(W1)，再通過式(1)求出imfk(k≥2)中所含噪聲的能量ε(Wk)。由于被高斯白噪聲污染的信號經(jīng)EMD分解后，imf1基本由噪聲組成，因此ε(W1)＝ε(imf1)。步驟S104、利用噪聲能量ε(Wk)計算KPCA去噪時應(yīng)保留的主分量個數(shù)H。設(shè)在特征空間中的映射為在利用KPCA對進行消噪時，如果刪除的噪聲的能量ε(Wk)與中所含噪聲的能量相等，則可認(rèn)為中的噪聲被盡可能地去除，保留下來的主分量可以較好地接近不含噪聲的理想信號，因此應(yīng)選擇合適個數(shù)的前H個主分量，使得但在選擇H時，很難保證該等式恰好成立，故本發(fā)明從噪聲能量在信號總能量中所占的比例出發(fā)，自適應(yīng)地確定去噪時所保留的主分量的個數(shù)H。按照以下方法進行取值：如果存在η使得式(2)成立，則令H＝η,(2)其中L是KPCA分解后的主分量總個數(shù)，βk為第k個主分量對應(yīng)的特征值，c為實數(shù)。步驟S105、根據(jù)應(yīng)保留的主分量個數(shù)H，計算在特征空間中映射的去噪結(jié)果計算方法如式(3)所示：(3)其中Vk是的協(xié)方差矩陣的第k個特征向量，βk為第k個主分量對應(yīng)的特征值。步驟S106、以作為初值，求在原像空間的去噪結(jié)果通過公式(4)循環(huán)迭代計算，直至序列{zt}收斂為止，收斂值即為在原像空間的去噪結(jié)果(4)其中a,b,c分別為實數(shù)，xi表示原始圖像數(shù)據(jù)，t≥0為迭代次數(shù)，zt′是zt的轉(zhuǎn)置，且迭代初值m為Vk的長度。步驟S107、通過計算imfk去噪后的結(jié)果并對(k≥2)進行累加重構(gòu)，得到去噪后的圖像步驟S108、根據(jù)邊緣方向信息T(i1,i2)，從中選擇數(shù)據(jù)得到最終的去噪圖像I(d)(i1,i2)。I(d)(i1,i2)選擇方法如下：如果邊緣方向T(i1,i2)是水平方向，就選擇作為去噪后數(shù)據(jù)；如果邊緣方向T(i1,i2)是垂直方向，就選擇作為去噪后數(shù)據(jù)；如果邊緣方向T(i1,i2)是+45°方向，就選擇作為去噪后數(shù)據(jù)；如果邊緣方向T(i1,i2)是-45°方向，就選擇作為去噪后數(shù)據(jù)；如果不存在邊緣，用4個方向的平均值作為去噪后數(shù)據(jù)。本發(fā)明對按照水平、垂直、+45°和-45°方向?qū)D像I(i1,i2)進行Z字形連接后得到的信號為Ij(n)，由于按不同的方向進行Z字形連接后，可以保留信號的方向信息，這樣在步驟S104中，根據(jù)邊緣的方向從四個方向(水平、垂直、+45°方向和-45°方向)去噪后的數(shù)據(jù)中選擇最合適的數(shù)據(jù)加以保留，可以有效提高去噪的效果。本實施例選用含高斯白噪聲的CMOS圖像作為測試樣本，運行在MATLAB9.0環(huán)境下進行降噪處理，用于比較EMD部分重構(gòu)去噪法(EMD-CRP)、EMD模態(tài)單元閾值去噪法(EMD-CIIT)和本發(fā)明EMD-KPCA法的去噪性能。在EMD-CRP和EMD-CIIT中，分解層數(shù)取為12，在獲取IMF時迭代次數(shù)取為10，并且在EMD-CIIT中采用硬閾值法去噪；在EMD-KPCA中，核函數(shù)k(x,y)＝(a(x·y)+b)c的a＝2,b＝0,c＝3。本發(fā)明方法采用均方誤差MSE和信噪比SNR來評估方法的性能：信噪比越大，均方誤差越小，表明去噪效果越好。三種方法去噪后的均方誤差和信噪比如表1所示?？梢钥闯?，采用EMD-KPCA方法能大幅提高圖像的信噪比，重構(gòu)信號的均方誤差小，能夠有效地去除噪聲，去噪效果要優(yōu)于EMD-CRP方法和EMD-CIIT方法。EMD-CRPEMD-CIITEMD-KPCA信噪比(SNR)52.248659.072864.2621均方誤差(MSE)8.96496.53884.6562表1圖3是原始的含噪CMOS圖像，圖4-圖6分別是采用EMD-CPR法、EMD-CIIT法和本發(fā)明EMD-KPCA法去噪后的結(jié)果。為了清晰地比較三種算法的去噪效果，分別將圖3—圖6進行局部放大，其中圖7是原始含噪圖像局部放大圖，圖8—圖10分別是采用EMD-CPR法、EMD-CIIT法和本發(fā)明EMD-KPCA法去噪結(jié)果的局部放大圖。通過實驗結(jié)果的視覺效果上比較。從圖4的EMD-CPR去噪結(jié)果可以看出，EMD-CPR濾波可以對噪聲進行很好的平滑；但是去噪后圖像細(xì)節(jié)部分不夠清晰，圖像的邊緣也有一定程度的模糊，而且還殘留有部分噪聲，如圖8中矩形框內(nèi)的邊緣部分。從圖5所示，EMD-CIIT方法在去噪效果和細(xì)節(jié)保持方面都有較好的提高，噪聲基本被濾除，降噪后圖像中的點和邊緣等細(xì)節(jié)目標(biāo)也保持的較好；但是一部分細(xì)節(jié)信息仍被丟失，減弱了細(xì)節(jié)部分的清晰度；而且該方法直接采用類似小波的硬閾值去噪，導(dǎo)致去噪后圖像產(chǎn)生了部分Gibbs現(xiàn)象，去噪后圖像會產(chǎn)生一些劃痕，如圖9中所標(biāo)出的邊緣部分。圖6和圖10分別是本發(fā)明EMD-KPCA方法去噪后的結(jié)果和局部放大圖，可以看出，其均勻區(qū)域較平滑，對噪聲的抑制較好，而且如圖10中所標(biāo)出矩形部分的點、線和邊緣等目標(biāo)也得到了較好的保持。與EMD-CPR和EMD-CIIT的方法相比，EMD-KPCA在去噪能力和細(xì)節(jié)保持方面都有一定程度的改進。