一种形态滤波方法及装置制造方法及图纸

本发明专利技术公开了一种形态滤波方法，属于模式识别技术领域。本发明专利技术针对现有形态滤波算法结构固定、需预设结构元素和偏倚校正系数等不足，对其进行了改进，利用多层滤波形式，每层根据前后滤波的差值选取较优结构元素，并根据前后滤波信号的相关系数获取较优的偏移校正系数，从而有效提高形态滤波的普适性和滤波效果。本发明专利技术还公开了一种采用上述形态滤波方法的形态滤波装置。相比现有技术，本发明专利技术可针对不同特点的原始信号选择合适的结构元素，具有更强的普适性；本发明专利技术采用级联的多层滤波方式，并可获取较优的偏移校正系数，可有效提高形态滤波的滤波效果。

Morphological filtering method and device

The invention discloses a morphological filtering method, belonging to the technical field of pattern recognition. The present invention morphological filtering algorithm is a fixed structure, need to preset the structure elements and the bias correction coefficient is inadequate, it is improved in this paper, using the multi filter form, each layer according to the difference between before and after filtering the selection of optimum structure elements, and according to the correlation coefficient before and after filtering the signal to obtain optimum offset correction coefficient, so as to improve the the universality of morphological filtering and filtering effect. The invention also discloses a morphological filtering device adopting the morphological filtering method. Compared with the prior art, the original signal of the invention can according to different characteristics of choosing appropriate structure elements, has stronger universality; the invention adopts multi-layer filter cascade, and can obtain better offset correction coefficient, which can effectively improve the filtering effect of morphological filter.

【技术实现步骤摘要】

本专利技术涉及数字信号的滤波方法，尤其涉及一种形态滤波方法及装置，属于模式识别

技术介绍
研究去除干扰信号的方法已经经历了较长时间的发展，尽管目前尚未建立完整的滤噪方法体系，但是存在一些滤噪方法已被证明是有效的，例如：滤波器法、自适应对消、普减法。周期性噪声的功率谱具有许多离散的谱峰，因此，很容易通过检测功率谱来发现它们，从而采用滤波方法将其滤波。自适应对消是由自适应滤波器来完成的，自适应滤波器在输入信号和噪声的统计特性未知或变化的情况下，能调整自身参数，使得估计出的噪声与实际噪声最接近，以达到最佳滤波效果。但是其存在以下问题：第一，自适应噪声对消法，最关键的一步是，需要得到噪声的相关成分，即需要有一个参考信号，而得到这个参考信号需要较为复杂的操作，导致时间复杂度变大；第二，在只用低通滤波器来进行噪声消除，则会损失信号的高频部分，使得质量下降。谱减法是计算量小的滤除信号中噪音的方法，其基本原理是从带噪信号的短时谱中减去噪声谱，得到的就是纯净信号的频谱，这就达到了滤除噪音的目的。形态滤波方法不同于上面的几类方法，它是一种非线性处理方法，理论是由GMatheron和J.Serra等人在八十年代初创立的。形态滤波器是基于信号的几何结构特性，利用预先定义的结构元素(相当于滤波窗)对信号进行匹配或局部修正，以达到提取信号，抑制噪声的目的。数学形态学的运算以腐蚀和膨胀着两种基本运算为基础，引出了其它常用的数学形态学运算开运算、闭运算等，它们是全部形态学的基础。从改善滤波效果的影响因素可以将数学形态滤波器分为两类：第一，设计新颖的变换形式，改善形态滤器的滤波效果；第二，选择合适的结构元素并设定结构元素的参数值，从而改善形态滤波器的滤波效果。就形态滤波器变换形式而言，在现有的文献中，一般采用两种方式。第一种是采用一种线性级联的方式，这种方式是由MohsenBakhshiAshtiani在文献Feature-orientedDe-noisingofPartialDischargeSignalsEmployingMathematicalMorphologyFilters中提出的；第二种则采用的是一种先级联后并联的方式，这种方式是由Bouaynaya在文献M-IdempotentandSelf-DualMorphologicalFilters提出的，以上这些变换形式的设计方法在滤波过程中有以下缺点：第一，对于在滤波过程中，不能实时的选择结构元素，这种设计方式，只能预先选定结构元素，然后再参与运算，当环境发生一些变化时，不能保证刚才所选的结构元素还是最佳的；第二，对于开闭运算的偏倚现象，不能自适应调整，只能预先设定好偏倚校正系数，从而达不到较好的预期结果。就形态滤波器结构元素选择而言，现有的文献采用以下方式：①白银刚等人在一种广义多结构元形态滤波器的文献中提出了采用多结构元素的方法，构造了广义形态开最大和广义形态闭最小滤波器，这类滤波器具有平移不变性、递增性、对偶性等重要性质。这样构造滤波器可以减少算法的运算量，较好的保持细节，同时达到抑制正负脉冲噪声的作用。但是这种广义形态开最大、闭最小滤波器不具有幂等性，进行一次滤波不能求出根信号。②余农等人在红外目标检测的自适应背景感知算法文献中提出一种非凸型结构元素，利用这种结构元进行信号处理，促进了滤波质量和运算速度的双向提高，并且改善了对杂波起伏不够敏感的固有缺陷。③曹洁等人在自适应广义数学形态学抑制局部放电窄带干扰文献中提出对不同结构元素采用最小均方自适应算法，不断优化权系数，使得滤波效果达到最佳。其缺点是在反复的迭代优化参数时，时间复杂度较高。④张伟等人在一种基于改进算子的形态学边缘检测算法中提出一种多结构尺度形态学边缘检测算法，通过构建新算子实现边缘检测。在该算法中，分别将各个结构元素下的检测结果进行加权求和。这种方法具有更好的噪声抑制能力，而且边缘定位准确，检测到的边缘轮廓更加清晰完整，但是其自适应效果较差，对于选择较好结构元素存在较大的困难。⑤申雪利等人在新型形态学滤波器的构造与应用中提出了一种新型的形态滤波器，其采用了一种形式、尺寸不断增大的结构元素对信号进行滤波处理。这种方法可以很好的保持某种几何信息，但是如果要同时保留多种几何信息这种方法就不可行了，只采用一种形状的结构元素只会保留一种几何信息，其他的几何信息与噪声将一起被滤除。
技术实现思路
本专利技术所要解决的技术问题在于克服现有形态滤波方法结构固定、需预设结构元素和偏倚校正系数的不足，提供一种形态滤波方法及装置，在滤波过程中可以灵活的选择结构元素，并且通过最优化方法计算得到偏倚校正系数，从而提高滤波效果适应选择结构元素，并且通过较优化方法计算得到偏倚校正系数，从而提高滤波效果。本专利技术具体采用以下技术方案：一种形态滤波方法，包括以下步骤：步骤1、利用多个不同的结构元素分别对原始信号进行开/闭运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第一阈值的运算结果；步骤2、对步骤1所选出的每一个运算结果，利用多个不同的结构元素分别对其进行闭/开运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第二阈值的运算结果；以所选出的每一个运算结果作为一个分量，构建一个m2维向量y，其中m2为所选出的运算结果的总数；步骤3、通过求解以下多目标优化模型，得到较优的m2维偏倚校正系数向量α：maxC(α)=|y·α-s0|2maxr=Σt=1m(|s0t|-s0‾)(|Yt|-Y‾)Σt=1m(|s0t|-s0‾)2Σt=1m(|Yt|-Y‾)2]]>s·t·Σi=1m2|αi|=1]]>其中，s0表示原始信号，|αi|表示偏倚校正系数向量α的第i维分量αi的模，m是原始信号的维度，|s0t|表示原始信号s0的第t维分量s0t的模，|Yt|表示最终输出信号Y的第t维分量Yt的模，和分别表示原始信号s0和最终输出信号Y各维分量模的均值，C(α)表示滤波输出和输入信号的差值，r表示滤波输出和输入信号的相关系数；步骤4、用所得到的较优偏倚校正系数向量α与向量y进行点乘，所得结果即为滤波后的信号。一种形态滤波装置，包括依次级联的第一运算模块、第二运算模块、第三运算模块；第一运算模块利用预存的多个不同的结构元素分别对输入的原始信号进行开/闭运算，...

【技术保护点】
1.一种形态滤波方法，其特征在于，包括以下步骤：步骤1、利用多个不同的结构元素分别对原始信号进行开/闭运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第一阈值的运算结果；步骤2、对步骤1所选出的每一个运算结果，利用多个不同的结构元素分别对其进行闭/开运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第二阈值的运算结果；以所选出的每一个运算结果作为一个分量，构建一个维向量，其中为所选出的运算结果的总数；步骤3、通过求解以下多目标优化模型，得到较优的维偏倚校正系数向量：其中，表示原始信号，表示偏倚校正系数向量的第i维分量的模，是原始信号的维度，表示原始信号的第维分量的模，表示最终输出信号的第维分量的模，和分别表示原始信号和最终输出信号各维分量模的均值，表示滤波输出和输入信号的差值，表示滤波输出和输入信号的相关系数；步骤4、用所得到的较优偏倚校正系数向量与向量进行点乘，所得结果即为滤波后的信号。

【技术特征摘要】
1.一种形态滤波方法，其特征在于，包括以下步骤：
步骤1、利用多个不同的结构元素分别对原始信号进行开/闭运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第一阈值的运算结果；
步骤2、对步骤1所选出的每一个运算结果，利用多个不同的结构元素分别对其进行闭/开运算，并从所得到的一系列运算结果中选出与原始信号的差值的模的倒数小于预设的第二阈值的运算结果；以所选出的每一个运算结果作为一个分量，构建一个维向量，其中为所选出的运算结果的总数；
步骤3、通过求解以下多目标优化模型，得到较优的维偏倚校正系数向量：
其中，表示原始信号，表示偏倚校正系数向量的第i维分量的模，是原始信号的维度，表示原始信号的第维分量的模，表示最终输出信号的第维分量的模，和分别表示原始信号和最终输出信号各维分量模的均值，表示滤波输出和输入信号的差值，表示滤波输出和输入信号的相关系数；
步骤4、用所得到的较优偏倚校正系数向量与向量进行点乘，所得结果即为滤波后的信号。
2.如权利要求1所述形态滤波方法，其特征在于，所述多个不同的结构元素至少包括线性结构元素、抛物型结构元素、三角型结构元素。
3.如权利要求1所述形态滤波方法，其特征在于，所述第一阈值与第二阈值的取值相同。
4.如权利要求1所述形态滤波方法，其特征在于，步骤3中首先以为主目标，利用主目标法将所述多目标优化模型转化为单目标优化模型；然后利用外罚函数法求解所述单目标优化模型。
5.如权利要求1所述形态滤波方法，其特征在于，所述原始信号为语音信号或图像信号。
6.一种形态滤波装置，其特征在于，包括依次级联的第一运算模块、第二运算模块、第三运算模块；

【专利技术属性】
技术研发人员：程春玲，王家良，高阳，陈兴国，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32