数字全息具备成像方便、分辨率高和实时观测等优势,已广泛应用于信息加密、显微观测、医学诊断、元器件测量等领域。但在数字全息成像中,散斑噪声严重影响了再现像的信噪比和成像分辨率,因此为了提高数字全息成像质量,迫切需要抑制再现像的散斑噪声。本文提出了一种基于TV模型和维纳滤波融合的散斑噪声抑制方法。仿真实验表明经该算法处理的再现像平滑效果好,去噪声能力强,和原图的相似度高。 与参考光进行干涉，生成散斑全息图;重建时，散斑被全息条纹的衍射调制到各个衍射级次(再现像)上，从而形成再现像的散斑噪声。散斑的统计特性和其光场的概率分布有关，光场的强度I分布满足负指数函数概率分布特性，可详见图1所示。对应的数学表述则如式(1)所示:pI(I)=12σ2exp(－1)图1负指数函数概率分布F因此可将其认为均值等于0，标准差等于σ的乘性噪声，推导求得公式如下:u*(x)表示原始图像，u*(x，y)表示噪声图像，n(x，y)表示图像中的噪声。散斑噪声抑制-电动折弯机电动液压滚圆机滚弧机张家港数控钢管滚圆机滚弧机折弯机一般图像去噪方法能有效处理加性噪声，通常将乘性噪声通过对数运算转为加性噪声，由此可得数学公式为:u*(x，y)=u(x，y)+n(x，y)(3)1．2TV模型去噪算法基于偏微分方程的图像去噪方法是一种快速修补算法，能够密切匹配原始图像特征，减少图像的变异，保留重要细节的同时删除不必要细节，如边缘细节。全变分(TotalVariation，TV)模型［11］是研究受未知函数影响的偏微分方程极值的一种数学模型。研究得到，TV模型去噪过程可整体论述如下:1)散斑噪声看作是加性噪声来处理，并可确定得到数学公式如下:为均值等于0，标准差等于σ的高斯噪声。2)根据泛函定义如下公式:J(u)=TV(u)=∫Ω!udxdy(5)其中，图像梯度为为图像区域面积，(x，y)∈Ω为图像像素点坐标。3)求得TV范数的极值，需要满足均值约束与方差约束两个约束条件抑制重建像中的斑点，去噪效果分别如图4～图8所示。原始重建图像存在着许多星星状的散斑噪声本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name，图像边缘和细节信息清晰度较差。中值滤波和邻域均值滤波由于不能够区别图像边缘与噪声，从而导致图像边缘模糊和图像清晰度下降。维纳滤波不能完全抑制细节轮廓周围的噪声，会有残留的斑点存在。TV模型滤波后虽然能清晰地辨别出图像细节轮廓，但“块状”区域也会导致图像清晰度下降。对比发现，本文提出的TV－维纳滤波方法去噪效果明显，继承了维纳滤波和TV模型的优点，滤波后图像边缘和细节轮廓清晰，平滑效果好，还能够抑制容易出现的“块状”效应。图8采用TV－维纳滤波方法的去噪结果F了客观分析TV－滤波算法去噪效果，本文分别计算了峰值信噪比(PSNR)、相关性(CORR)、等效视数(ENL)和斑点指数(SSI)4项性能指标。表1给出了不同算法处理熊猫重建图像的4项性能指标。从表1中可看出，在CORR、ENL和SSI这3项性能指标中，本文算法对应的性能指标最好。CORR的值大，说明去噪后的图像与原始图像的相似度高;ENL的值大，说明图像的平滑效果和抑制噪声能力好;SSI的值小，说明斑点数量少，图像清晰度高。由以上分析可知，经TV－Wiener滤波处理的再现像平滑效果好，去噪声能力强，和原图的相似度高，图像质量得到明显改善。表1不同算法处理熊猫重建图像的4项性能指标Tab散斑噪声抑制-电动折弯机电动液压滚圆机滚弧机张家港数控钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name