基于Armijo线搜索的布里渊散射谱图像降噪算法 下载: 913次
1 引言
布里渊光时域分析(BOTDA)广泛应用于温度和应变的传感监测[1-2]。BOTDA信号从产生、传输到接收会引入一系列噪声,主要有激光器噪声、多径瑞利散射噪声、光电探测器噪声和偏振噪声等。噪声的存在会严重影响BOTDA传感系统的测量精度和实时性等性能参数。因此,信噪比(SNR)是衡量BOTDA系统性能的关键指标之一。文献[ 3]中的传统BOTDA技术通过提高脉冲光的峰值功率和增加累计平均次数提高了系统的信噪比。受光纤损耗及光纤中非线性效应的限制,探测光脉冲的峰值功率不能无限增加,并且当累计平均次数增加到一定程度后,不仅测量时间延长,而且信噪比的改善效果也趋于饱和。因此,本文考虑采用优良的降噪算法对布里渊散射谱进行降噪处理,以期在相同信噪比条件下,减少平均次数,提高系统的实时性。
在BOTDA传感领域,2011年,Farahani等[4]将小波阈值收缩法应用于BOTDA系统,采用阈值收缩增强时域波形后再累加平均,将需要采集的时域波形数目减少92%,大大缩短了系统的测量时间。2012年,Farahani等[5]采用自适应滤波技术对BOTDA信号进行预处理,在相同信噪比下的测量时间减少90%。上述算法在一维空间分别对各扫描频率下的测量信号降噪,仅去除了测量信号在时域的相关性,忽略了不同扫描频率下测量信号的结构相似性和冗余性。2015年, Soto等[6]用高斯滤波、非局部均值(NLM)、频域变换降噪和二维离散小波变换等4种基础图像降噪方法对BOTDA传感测量系统进行浮点降噪,证明了图像处理算法提高BOTDA系统信噪比的可行性。2016年,Soto等[7]改进降噪方法,评估BOTDA数据在二维空间中所具有的高度相似性和冗余性,选用传统的图像和视频处理方法对受限的白噪声进行剔除,保持高频的测量分量,弥补低通滤波的不足,但实验结果仍然是基于简单的图像/视频处理。2017年,Soto等[8]采用NLM滤波算法对BOTDA信号进行处理,克服了线性滤波算法的图像模糊、空间过于平滑和丢失高频细节等缺点。但NLM算法计算要求高、耗时多,难以保证实时性。2018年,孟彦杰等[9]采用Kuwahara滤波方法对BOTDA传感图像降噪,信噪比提高了6.7 dB,与第二年提出的约束最小二乘滤波(CLS)的自适应图像恢复方法相比[10],信噪比增加了12.2 dB,温度精度提高到1.3 ℃。
本文提出了一种保持布里渊频谱边缘特性的降噪算法,该算法强调谱变化细节的降噪处理,保留高频测量分量,基于局部特征提高传感系统的测量精度。该方法将偏微分方程的各向异性扩散方程用于图像降噪,在平滑噪声的同时,保持频谱边缘。采用优化的线搜索策略,使降噪算法学习率自适应变化,提高了信噪比,减少了累计平均次数,达到了改善实时性的目的,提升了BOTDA系统的传感效率。
2 算法设计与实现
2.1 算法原理
该算法的降噪可以归结为求极小值问题,在满足观测值的条件下,获得信号最稀疏解的过程,实质为一种无约束凸优化问题。设图像噪声模型为
式中:
式中:
式中:
按照最速下降法[14]离散化(4)式得到迭代演化公式为
式中:
为了以最小代价找到极小值点的近似,减少降噪处理的时间,采用基于Armijo准则[15]的回溯线搜索得到每次搜索方向对应的下降步长,并采用梯度下降法确定搜索方向。Armijo准则[15]表示为
其中,
首先,在搜索方向上设置一个初始步长,通过(7)式所示的Armijo准则判断当前的步长是否合适。如果步长较小,则利用参数
2.2 算法实现
算法实施步骤如
3 实验数据分析
3.1 实验系统
本文采用的Rayleigh-BOTDA实验系统如
滤波后通过光环形器C1(C1、C2、C3、C4均为光环形器)进入传感光纤。脉冲基底的1阶上下边带产生后向瑞利散射光,与0阶脉冲光发生受激布里渊散射作用。
将传感光纤中段置于恒温槽升温至60 ℃,其余光纤置于室温25 ℃下。设置扫频范围为10.80~10.91 GHz,步长5 MHz,累计平均10000次,实验采集的三维布里渊散射谱如
3.2 拉格朗日因子对BFS提取的影响
拉格朗日因子
响,设置固定下降步长
由
图 4. 不同λ下的降噪图像正视图。(a) λ=0;(b) λ=0.5;(c) λ=1
Fig. 4. Front views of noise reduction image with different λ. (a) λ=0; (b) λ=0.5; (c) λ=1
由
3.3 Armijo线搜索与固定步长下降的对比
设置初始下降步长
图 6. 常温和加温区域的BFS和λ关系曲线。(a)常温;(b)加温
Fig. 6. Relationship between BFS and λ in normal and heating temperature regions. (a) Normal temperature; (b) heating temperature
设置TV模型按固定下降步长
由
图 8. 降噪图像随迭代次数的变化。(a) n=0,α0=0.9124;(b) n=1,α1=0.2308;(c) n=2,α2=4.2215×10-21;(d) n=3,α3=4.2215×10-21
Fig. 8. Variation in noise reduction image with number of iterations. (a) n=0, α0=0.9124; (b) n=1, α1=0.2308; (c) n=2, α2=4.2215×10-21; (d) n=3, α3=4.2215×10-21
图 9. ‖un+1-un‖/‖un‖的值随迭代次数的变化
Fig. 9. Variation in value of ‖un+1-un‖/‖un‖ with number of iterations
3.4 算法对实时性的改善
对BOTDA系统采集的时域波形进行256次累计平均,得到三维布里渊散射谱如
图 11. 256次平均的三维布里渊散射谱TV降噪结果对比。(a)降噪前;(b)降噪后
Fig. 11. Comparison of TV noise reduction results of 256-time average 3D Brillouin scattering spectrum. (a) Before noise reduction; (b) after noise reduction
累计平均次数是影响BOTDA实时性的主要因素,本文通过降噪算法提高信噪比,减少平均次数,改善了实时性。在BOTDA测量时间中,累计平均时间可以表示为
4 结论
将全变分图像降噪法应用于BOTDA系统信号的降噪处理,并采用最速下降法进行数值求解。为了优化求解速度,运用基于Armijo准则的回溯线搜索进行梯度下降步长的自适应调整。分析了拉格朗日因子对BFS提取准确度的影响。另外,与固定步长下降法对比发现,Armijo线搜索对步长的优化可以大大减少迭代次数,缩短降噪处理的时间。对256次累计平均的BOTDA信号进行降噪处理和BFS提取结果分析发现,结合Armijo线搜索的TV图像降噪算法可以有效提高系统信噪比,相比于10000次的累计平均,可以大大减少数据采集时间,提高系统的实时性。但该算法设计依赖于数据的空间光谱特征和噪声水平,信噪比提升范围有不确定性。如何根据不同的噪声类型及受噪声干扰的程度,对本文提出的算法进行改进,使之能更好地降噪并保持频谱细节,将是今后的研究方向之一。
[1] 尚秋峰, 胡雨婷. 基于布里渊光时域分析的动态测量技术研究进展[J]. 激光与光电子学进展, 2018, 55(10): 100004.
[3] 李存磊. 基于多波长光源的布里渊光纤传感系统研究[D]. 南京: 南京大学, 2012.
Li CL. Research on the system of Brillouin optical fiber sensor based on multi-wavelength light source[D]. Nanjing: Nanjing University, 2012.
[9] 孟彦杰, 查剑锋. Kuwahara滤波在布里渊光时域分析传感图像去噪中的应用[J]. 激光与光电子学进展, 2018, 55(7): 070607.
[11] 侯榆青, 张欢, 杨旭朗, 等. 全变分图像复原的研究及其三种数值方法比较[ C]∥全国第二届信号处理与应用学术会议论文集, 2018-10-12,广西, 南宁.[S.l.]: 中国高科技产业化研究会, 2008: 301- 303.
Hou YQ, ZhangH, Yang XL, et al. Research on total variational image restoration and comparison of three numerical methods[ C]∥The 2nd National Conference on Signal Processing and Application Conference, October 12, 2008, Nanning, Guangxi.[S.l.]: China High-Tech Industrialization Association.2008: 301- 303.
[13] Rudin LI, OsherS. Total variation based image restoration with free local constraints[C]∥1st International Conference on Image Processing, November 13-16, 1994, Austin, TX, USA. New York: IEEE, 1994: 31- 35.
[15] 李彬, 李刚. 基于Armijo准则的自适应稳定转换法[J]. 计算力学学报, 2018, 35(4): 399-407.
Li B, Li G. Armijo-based adaptive stability transformation method[J]. Chinese Journal of Computational Mechanics, 2018, 35(4): 399-407.
Article Outline
尚秋峰, 秦文婕, 胡雨婷. 基于Armijo线搜索的布里渊散射谱图像降噪算法[J]. 中国激光, 2019, 46(9): 0906002. Shang Qiufeng, Qin Wenjie, Hu Yuting. Brillouin Scattering Spectral Image Denoising Algorithm Based on Armijo Line Search[J]. Chinese Journal of Lasers, 2019, 46(9): 0906002.