一種形態(tài)濾波方法及裝置制造方法
【專利摘要】本發(fā)明公開(kāi)了一種形態(tài)濾波方法,屬于模式識(shí)別【技術(shù)領(lǐng)域】。本發(fā)明針對(duì)現(xiàn)有形態(tài)濾波算法結(jié)構(gòu)固定、需預(yù)設(shè)結(jié)構(gòu)元素和偏倚校正系數(shù)等不足,對(duì)其進(jìn)行了改進(jìn),利用多層濾波形式,每層根據(jù)前后濾波的差值選取較優(yōu)結(jié)構(gòu)元素,并根據(jù)前后濾波信號(hào)的相關(guān)系數(shù)獲取較優(yōu)的偏移校正系數(shù),從而有效提高形態(tài)濾波的普適性和濾波效果。本發(fā)明還公開(kāi)了一種采用上述形態(tài)濾波方法的形態(tài)濾波裝置。相比現(xiàn)有技術(shù),本發(fā)明可針對(duì)不同特點(diǎn)的原始信號(hào)選擇合適的結(jié)構(gòu)元素,具有更強(qiáng)的普適性;本發(fā)明采用級(jí)聯(lián)的多層濾波方式,并可獲取較優(yōu)的偏移校正系數(shù),可有效提高形態(tài)濾波的濾波效果。
【專利說(shuō)明】一種形態(tài)濾波方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字信號(hào)的濾波方法,尤其涉及一種形態(tài)濾波方法及裝置,屬于模式識(shí)別【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]研究去除干擾信號(hào)的方法已經(jīng)經(jīng)歷了較長(zhǎng)時(shí)間的發(fā)展,盡管目前尚未建立完整的濾噪方法體系,但是存在一些濾噪方法已被證明是有效的,例如:濾波器法、自適應(yīng)對(duì)消、普減法。周期性噪聲的功率譜具有許多離散的譜峰,因此,很容易通過(guò)檢測(cè)功率譜來(lái)發(fā)現(xiàn)它們,從而采用濾波方法將其濾波。自適應(yīng)對(duì)消是由自適應(yīng)濾波器來(lái)完成的,自適應(yīng)濾波器在輸入信號(hào)和噪聲的統(tǒng)計(jì)特性未知或變化的情況下,能調(diào)整自身參數(shù),使得估計(jì)出的噪聲與實(shí)際噪聲最接近,以達(dá)到最佳濾波效果。但是其存在以下問(wèn)題:第一,自適應(yīng)噪聲對(duì)消法,最關(guān)鍵的一步是,需要得到噪聲的相關(guān)成分,即需要有一個(gè)參考信號(hào),而得到這個(gè)參考信號(hào)需要較為復(fù)雜的操作,導(dǎo)致時(shí)間復(fù)雜度變大;第二,在只用低通濾波器來(lái)進(jìn)行噪聲消除,則會(huì)損失信號(hào)的高頻部分,使得質(zhì)量下降。譜減法是計(jì)算量小的濾除信號(hào)中噪音的方法,其基本原理是從帶噪信號(hào)的短時(shí)譜中減去噪聲譜,得到的就是純凈信號(hào)的頻譜,這就達(dá)到了濾除噪音的目的。
[0003]形態(tài)濾波方法不同于上面的幾類方法,它是一種非線性處理方法,理論是由GMatheron和J.Serra等人在八十年代初創(chuàng)立的。形態(tài)濾波器是基于信號(hào)的幾何結(jié)構(gòu)特性,利用預(yù)先定義的結(jié)構(gòu)元素(相當(dāng)于濾波窗)對(duì)信號(hào)進(jìn)行匹配或局部修正,以達(dá)到提取信號(hào),抑制噪聲的目的。數(shù)學(xué)形態(tài)學(xué)的運(yùn)算以腐蝕和膨脹著兩種基本運(yùn)算為基礎(chǔ),引出了其它常用的數(shù)學(xué)形態(tài)學(xué)運(yùn)算開(kāi)運(yùn)算、閉運(yùn)算等,它們是全部形態(tài)學(xué)的基礎(chǔ)。
[0004]從改善濾波效果的影響因素可以將數(shù)學(xué)形態(tài)濾波器分為兩類:第一,設(shè)計(jì)新穎的變換形式,改善形態(tài)濾器的濾波效果;第二,選擇合適的結(jié)構(gòu)元素并設(shè)定結(jié)構(gòu)元素的參數(shù)值,從而改善形態(tài)濾波器的濾波效果。就形態(tài)濾波器變換形式而言,在現(xiàn)有的文獻(xiàn)中,一般采用兩種方式。第一種是采用一種線性級(jí)聯(lián)的方式,這種方式是由Mohsen BakhshiAshtiani 在文獻(xiàn) Feature-oriented De-noising of Partial Discharge SignalsEmploying Mathematical Morphology Filters 中提出的;第二種則采用的是一種先級(jí)聯(lián)后并聯(lián)的方式,這種方式是由Bouaynaya在文獻(xiàn)M-1dempotent and Self-DualMorphological Filters提出的,以上這些變換形式的設(shè)計(jì)方法在濾波過(guò)程中有以下缺點(diǎn):第一,對(duì)于在濾波過(guò)程中,不能實(shí)時(shí)的選擇結(jié)構(gòu)元素,這種設(shè)計(jì)方式,只能預(yù)先選定結(jié)構(gòu)元素,然后再參與運(yùn)算,當(dāng)環(huán)境發(fā)生一些變化時(shí),不能保證剛才所選的結(jié)構(gòu)元素還是最佳的;第二,對(duì)于開(kāi)閉運(yùn)算的偏倚現(xiàn)象,不能自適應(yīng)調(diào)整,只能預(yù)先設(shè)定好偏倚校正系數(shù),從而達(dá)不到較好的預(yù)期結(jié)果。就形態(tài)濾波器結(jié)構(gòu)元素選擇而言,現(xiàn)有的文獻(xiàn)采用以下方式:①白銀剛等人在一種廣義多結(jié)構(gòu)元形態(tài)濾波器的文獻(xiàn)中提出了采用多結(jié)構(gòu)元素的方法,構(gòu)造了廣義形態(tài)開(kāi)最大和廣義形態(tài)閉最小濾波器,這類濾波器具有平移不變性、遞增性、對(duì)偶性等重要性質(zhì)。這樣構(gòu)造濾波器可以減少算法的運(yùn)算量,較好的保持細(xì)節(jié),同時(shí)達(dá)到抑制正負(fù)脈沖噪聲的作用。但是這種廣義形態(tài)開(kāi)最大、閉最小濾波器不具有冪等性,進(jìn)行一次濾波不能求出根信號(hào)。②余農(nóng)等人在紅外目標(biāo)檢測(cè)的自適應(yīng)背景感知算法文獻(xiàn)中提出一種非凸型結(jié)構(gòu)元素,利用這種結(jié)構(gòu)元進(jìn)行信號(hào)處理,促進(jìn)了濾波質(zhì)量和運(yùn)算速度的雙向提高,并且改善了對(duì)雜波起伏不夠敏感的固有缺陷。③曹潔等人在自適應(yīng)廣義數(shù)學(xué)形態(tài)學(xué)抑制局部放電窄帶干擾文獻(xiàn)中提出對(duì)不同結(jié)構(gòu)元素采用最小均方自適應(yīng)算法,不斷優(yōu)化權(quán)系數(shù),使得濾波效果達(dá)到最佳。其缺點(diǎn)是在反復(fù)的迭代優(yōu)化參數(shù)時(shí),時(shí)間復(fù)雜度較高。④張偉等人在一種基于改進(jìn)算子的形態(tài)學(xué)邊緣檢測(cè)算法中提出一種多結(jié)構(gòu)尺度形態(tài)學(xué)邊緣檢測(cè)算法,通過(guò)構(gòu)建新算子實(shí)現(xiàn)邊緣檢測(cè)。在該算法中,分別將各個(gè)結(jié)構(gòu)元素下的檢測(cè)結(jié)果進(jìn)行加權(quán)求和。這種方法具有更好的噪聲抑制能力,而且邊緣定位準(zhǔn)確,檢測(cè)到的邊緣輪廓更加清晰完整,但是其自適應(yīng)效果較差,對(duì)于選擇較好結(jié)構(gòu)元素存在較大的困難。⑤申雪利等人在新型形態(tài)學(xué)濾波器的構(gòu)造與應(yīng)用中提出了一種新型的形態(tài)濾波器,其采用了一種形式、尺寸不斷增大的結(jié)構(gòu)元素對(duì)信號(hào)進(jìn)行濾波處理。這種方法可以很好的保持某種幾何信息,但是如果要同時(shí)保留多種幾何信息這種方法就不可行了,只采用一種形狀的結(jié)構(gòu)元素只會(huì)保留一種幾何信息,其他的幾何信息與噪聲將一起被濾除。
【發(fā)明內(nèi)容】
[0005]本發(fā)明所要解決的技術(shù)問(wèn)題在于克服現(xiàn)有形態(tài)濾波方法結(jié)構(gòu)固定、需預(yù)設(shè)結(jié)構(gòu)元素和偏倚校正系數(shù)的不足,提供一種形態(tài)濾波方法及裝置,在濾波過(guò)程中可以靈活的選擇結(jié)構(gòu)元素,并且通過(guò)最優(yōu)化方法計(jì)算得到偏倚校正系數(shù),從而提高濾波效果適應(yīng)選擇結(jié)構(gòu)元素,并且通過(guò)較優(yōu)化方法計(jì)算得到偏倚校正系數(shù),從而提高濾波效果。
[0006]本發(fā)明具體采用以下技術(shù)方案:
[0007]一種形態(tài)濾波方法,包括以下步驟:
[0008]步驟1、利用多個(gè)不同的結(jié)構(gòu)元素分別對(duì)原始信號(hào)進(jìn)行開(kāi)/閉運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第一閾值的運(yùn)算結(jié)果;
[0009]步驟2、對(duì)步驟I所選出的每一個(gè)運(yùn)算結(jié)果,利用多個(gè)不同的結(jié)構(gòu)元素分別對(duì)其進(jìn)行閉/開(kāi)運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第二閾值的運(yùn)算結(jié)果;以所選出的每一個(gè)運(yùn)算結(jié)果作為一個(gè)分量,構(gòu)建一個(gè)Hl2維向量y,其中Hi2為所選出的運(yùn)算結(jié)果的總數(shù);
[0010]步驟3、通過(guò)求解以下多目標(biāo)優(yōu)化模型,得到較優(yōu)的HI2維偏倚校正系數(shù)向量a:
【權(quán)利要求】
1.一種形態(tài)濾波方法,其特征在于,包括以下步驟: 步驟1、利用多個(gè)不同的結(jié)構(gòu)元素分別對(duì)原始信號(hào)進(jìn)行開(kāi)/閉運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第一閾值的運(yùn)算結(jié)果; 步驟2、對(duì)步驟I所選出的每一個(gè)運(yùn)算結(jié)果,利用多個(gè)不同的結(jié)構(gòu)元素分別對(duì)其進(jìn)行閉/開(kāi)運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第二閾值的運(yùn)算結(jié)果;以所選出的每一個(gè)運(yùn)算結(jié)果作為一個(gè)分量,構(gòu)建一個(gè),維向量y,其中《2為所選出的運(yùn)算結(jié)果的總數(shù); 步驟3、通過(guò)求解以下多目標(biāo)優(yōu)化模型,得到較優(yōu)的維偏倚校正系數(shù)向量a:
2.如權(quán)利要求1所述形態(tài)濾波方法,其特征在于,所述多個(gè)不同的結(jié)構(gòu)元素至少包括線性結(jié)構(gòu)元素、拋物型結(jié)構(gòu)元素、三角型結(jié)構(gòu)元素。
3.如權(quán)利要求1所述形態(tài)濾波方法,其特征在于,所述第一閾值與第二閾值的取值相同。
4.如權(quán)利要求1所述形態(tài)濾波方法,其特征在于,步驟3中首先以rnaxC(e)為主目標(biāo),利用主目標(biāo)法將所述多目標(biāo)優(yōu)化模型轉(zhuǎn)化為單目標(biāo)優(yōu)化模型;然后利用外罰函數(shù)法求解所述單目標(biāo)優(yōu)化模型。
5.如權(quán)利要求1所述形態(tài)濾波方法,其特征在于,所述原始信號(hào)為語(yǔ)音信號(hào)或圖像信號(hào)。
6.一種形態(tài)濾波裝置,其特征在于,包括依次級(jí)聯(lián)的第一運(yùn)算模塊、第二運(yùn)算模塊、第二運(yùn)算模塊; 第一運(yùn)算模塊利用預(yù)存的多個(gè)不同的結(jié)構(gòu)元素分別對(duì)輸入的原始信號(hào)進(jìn)行開(kāi)/閉運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第一閾值的運(yùn)算結(jié)果,然后將選出的運(yùn)算結(jié)果輸出至第二運(yùn)算模塊;第二運(yùn)算模塊對(duì)第一運(yùn)算模塊所輸出的每一個(gè)運(yùn)算結(jié)果,利用預(yù)存的多個(gè)不同的結(jié)構(gòu)元素分別對(duì)其進(jìn)行閉/開(kāi)運(yùn)算,并從所得到的一系列運(yùn)算結(jié)果中選出與原始信號(hào)的差值的模的倒數(shù)小于預(yù)設(shè)的第二閾值的運(yùn)算結(jié)果;然后以所選出的每一個(gè)運(yùn)算結(jié)果作為一個(gè)分量,構(gòu)建一個(gè)W2維向量y輸出至第三運(yùn)算模塊,其中為所選出的運(yùn)算結(jié)果的總數(shù); 第三運(yùn)算模塊根據(jù)第二運(yùn)算模塊所輸出的/?維向量y,通過(guò)求解以下多目標(biāo)優(yōu)化模型,得到較優(yōu)的 '維偏倚校正系數(shù)向量^:
7.如權(quán)利要求6所述形態(tài)濾波裝置,其特征在于,所述多個(gè)不同的結(jié)構(gòu)元素至少包括 線性結(jié)構(gòu)元素、拋物型結(jié)構(gòu)元素、三角型結(jié)構(gòu)元素。
8.如權(quán)利要求6所述形態(tài)濾波裝置,其特征在于,所述第一閾值與第二閾值的取值相同。
9.如權(quán)利要求6所述形態(tài)濾波裝置,其特征在于,第三運(yùn)算模塊首先以maxC(a)為主目標(biāo),利用主目標(biāo)法將所述多目標(biāo)優(yōu)化模型轉(zhuǎn)化為單目標(biāo)優(yōu)化模型;然后利用外罰函數(shù)法求解所述單目標(biāo)優(yōu)化模型。
10.如權(quán)利要求6所述形態(tài)濾波裝置,其特征在于,所述原始信號(hào)為語(yǔ)音信號(hào)或圖像信號(hào)。
【文檔編號(hào)】H03H17/02GK103840793SQ201410079695
【公開(kāi)日】2014年6月4日 申請(qǐng)日期:2014年3月6日 優(yōu)先權(quán)日:2014年3月6日
【發(fā)明者】程春玲, 王家良, 高陽(yáng), 陳興國(guó) 申請(qǐng)人:南京郵電大學(xué)