Введение

Процесс удаления шума из сигнала

Подавление шума – это процесс удаления шума из сигнала. Существуют методы подавления шума для аудио- и изображений. Алгоритмы подавления шума могут в определенной степени искажать сигнал. Подавление помех – это способность схемы изолировать нежелаемую составляющую сигнала от желаемой, например, как коэффициент подавления синфазного сигнала. Все устройства обработки сигналов, как аналоговые, так и цифровые, обладают характеристиками, делающими их восприимчивыми к шуму. Шум может быть случайным с равномерным распределением частот (белый шум) или частотно-зависимым шумом, возникающим из-за механизма устройства или алгоритмов обработки сигнала. В электронных системах основным типом шума является шипение, создаваемое случайным движением электронов из-за теплового возбуждения. Эти возбужденные электроны быстро прибавляются и вычитаются из выходного сигнала, тем самым создавая обнаруживаемый шум. В случае фотопленки и магнитной ленты шум (как видимый, так и слышимый) возникает из-за зернистой структуры носителя. В фотопленке размер зерен определяет чувствительность пленки: более чувствительная пленка имеет зерна большего размера. В магнитной ленте чем больше зерна магнитных частиц (обычно оксида железа или магнетита), тем более восприимчив носитель к шуму. Для компенсации этого можно использовать большие площади пленки или магнитной ленты, чтобы снизить шум до приемлемого уровня.

В общем

Алгоритмы шумоподавления в той или иной степени изменяют сигналы. Алгоритм ортогонализации локального сигнала и шума позволяет избежать изменений сигналов.

В сейсмической разведке

Усиление сигналов в сейсмических данных особенно важно для сейсмической визуализации, инверсии и интерпретации, что значительно повышает вероятность успеха при разведке нефти и газа. Полезный сигнал, замаскированный фоновым случайным шумом, часто упускается из виду, что может приводить к ложным разрывам сейсмических событий и артефактам на конечном мигрированном изображении. Усиление полезного сигнала с сохранением четкости границ сейсмических профилей за счет подавления случайного шума помогает снизить сложность интерпретации и риск ошибочных выводов при поиске нефти и газа.

В аудио

Шум ленты – проблема, ограничивающая качество аналоговой записи на магнитной ленте. Это связано с размером частиц и текстурой магнитной эмульсии, наносимой на носитель, а также с относительной скоростью движения ленты над магнитной головкой. Существуют четыре типа шумоподавления: предварительное шумоподавление при записи, шумоподавление при воспроизведении, шумоподавление поверхностного шума и кодековые, или двухсторонние системы. Системы предварительного шумоподавления (например, Dolby HX Pro) воздействуют на носитель записи непосредственно в процессе записи. Системы шумоподавления при воспроизведении (такие как DNL) были далее развиты компанией National Semiconductor в динамическое шумоподавление (DNR) для снижения уровня шума в дальней телефонной связи. DNR впервые поступил в продажу в 1981 году и часто путается с гораздо более распространенной системой шумоподавления Dolby. В отличие от Dolby и dbx типов I и II, DNL и DNR – это системы обработки сигнала, работающие только при воспроизведении, и не требующие предварительного кодирования исходного материала. Они могут использоваться для удаления фонового шума из любого аудиосигнала, включая записи на магнитной ленте и FM-радиовещание, снижая уровень шума до 10 дБ. Их также можно использовать совместно с другими системами шумоподавления, при условии, что они применяются до DNR, чтобы избежать сбоев в работе другой системы шумоподавления. Одним из первых широко распространенных применений DNR стала аудиосистема GM Delco в автомобилях GM, представленных в США в 1984 году. Она также использовалась в заводских аудиосистемах автомобилей Jeep в 1980-х годах, таких как Cherokee XJ. Сегодня DNR, DNL и подобные системы чаще всего встречаются как системы шумоподавления в микрофонных системах.

Другие подходы

Второй класс алгоритмов работает во временной и частотной области, используя линейные или нелинейные фильтры с локальными характеристиками, которые часто называют временными и частотными фильтрами. Шум, таким образом, также можно удалить с помощью инструментов спектрального редактирования, работающих в этой временной и частотной области, позволяя вносить локальные изменения, не затрагивая энергию сигнала поблизости. Это можно сделать вручную, подобно рисованию в графическом редакторе. Другой способ – определить динамический порог для фильтрации шума, который вычисляется на основе локального сигнала, опять же относительно локальной временной и частотной области. Все, что ниже порога, будет отфильтровано, а все, что выше порога, например, гармоники голоса или желаемый шум, останется без изменений. Область обычно определяется положением мгновенной частоты сигнала, поскольку большая часть энергии сигнала, которую необходимо сохранить, сосредоточена вокруг нее.

Программные программы

Большинство цифровых аудио рабочих станций (DAW) и программ для редактирования звука имеют одну или несколько функций шумоподавления.

В изображениях

На изображениях, полученных с цифровых или традиционных пленочных камер, проявляется шум, возникающий из различных источников. Дальнейшая обработка этих изображений часто требует уменьшения шума, как в эстетических целях, так и для практических задач, например, компьютерного зрения.

Типы

В шуме "соль и перец" (разреженные светлые и темные помехи), также известном как импульсный шум, пиксели изображения значительно отличаются по цвету или интенсивности от окружающих пикселей; определяющей характеристикой является отсутствие связи между значением зашумленного пикселя и цветом его соседей. При просмотре на изображении видны отдельные темные и белые точки, отсюда и название "соль и перец". Обычно этот тип шума затрагивает лишь небольшое количество пикселей изображения. Типичными источниками являются пылинки внутри камеры и перегретые или неисправные элементы ПЗС-матрицы. В гауссовском шуме каждый пиксель изображения изменяется от своего исходного значения на (обычно) небольшую величину. Гистограмма, график зависимости количества искажений значения пикселя от частоты их возникновения, демонстрирует нормальное распределение шума. Хотя возможны и другие распределения, гауссовское (нормальное) распределение часто является хорошей моделью, поскольку центральная предельная теорема утверждает, что сумма различных шумов стремится к гауссовскому распределению. В обоих случаях шум на разных пикселях может быть коррелированным или некоррелированным; во многих случаях значения шума на разных пикселях моделируются как независимые и одинаково распределенные, а следовательно, некоррелированные.

Разделение шума по цвету и светимости

На фотографиях, сделанных в реальном мире, детали с самой высокой пространственной частотой в основном состоят из изменений яркости (деталей яркости), а не из изменений цветового тона (деталей цветности). Большинство алгоритмов шумоподавления разделяют детали изображения на компоненты цветности и яркости и применяют более сильное шумоподавление к первым, либо предоставляют пользователю возможность отдельно регулировать шумоподавление для цветности и яркости.

Линейные гладкие фильтры

Один из способов удаления шума — свертка исходного изображения с маской, представляющей собой фильтр нижних частот или операцию сглаживания. Например, гауссова маска состоит из элементов, определяемых гауссовой функцией. Эта свертка приближает значение каждого пикселя к значениям его соседей. В общем случае, фильтр сглаживания присваивает каждому пикселю среднее значение или средневзвешенное значение его самого и ближайших соседей; гауссовский фильтр — лишь один из возможных наборов весов. Фильтры сглаживания имеют тенденцию размывать изображение, поскольку значения интенсивности пикселей, значительно превышающие или не дотягивающие до значений окружающих пикселей, растекаются по области. Из-за этого размытия линейные фильтры редко используются на практике для подавления шума, однако они часто служат основой для нелинейных фильтров подавления шума.

Анизотропная диффузия

Другой способ удаления шума — это изменение изображения в соответствии с гладким частным дифференциальным уравнением, аналогичным уравнению теплопроводности, которое называется анизотропной диффузией. При пространственно постоянном коэффициенте диффузии это эквивалентно уравнению теплопроводности или линейной гауссовской фильтрации, но при коэффициенте диффузии, разработанном для выделения границ, шум можно удалить, не размывая края изображения.

Неместные средства

Другой подход к удалению шума основан на нелокальном усреднении всех пикселей изображения. В частности, вес пикселя определяется степенью сходства между небольшим фрагментом изображения, центрированным вокруг этого пикселя, и небольшим фрагментом изображения, центрированным вокруг пикселя, который подвергается шумоподавлению.

Трансформация волновой линии

Основная цель алгоритма шумоподавления изображения – достижение как снижения шума, так и сохранения деталей с использованием банков волновых фильтров. В этом контексте методы, основанные на волнолетах, представляют особый интерес. В волновой области шум распределяется равномерно по коэффициентам, в то время как основная часть информации об изображении концентрируется в небольшом количестве крупных коэффициентов. Поэтому первые методы шумоподавления на основе волнолетов основывались на пороговой обработке коэффициентов поддиапазонов детализации. Однако большинство методов волновой пороговой обработки страдают от недостатка, заключающегося в том, что выбранный порог может не соответствовать специфическому распределению компонентов сигнала и шума на различных масштабах и ориентациях. Для преодоления этих недостатков были разработаны нелинейные оценки, основанные на байесовской теории. В рамках байесовского подхода было признано, что эффективный алгоритм шумоподавления может обеспечить как снижение шума, так и сохранение деталей, если он использует точное статистическое описание компонентов сигнала и шума.

Алгоритмы сопоставления блоков

Алгоритм сопоставления блоков может быть использован для объединения схожих фрагментов изображения в перекрывающиеся макроблоки одинакового размера. Затем стеки подобных макроблоков фильтруются совместно в частотной области, и каждый фрагмент изображения в конечном итоге восстанавливается в его исходное положение с помощью взвешенного среднего перекрывающихся пикселей.

Случайное поле

Сжатие полей — это метод машинного обучения, основанный на случайных полях, который обеспечивает производительность, сопоставимую с методами блочного сопоставления и 3D-фильтрации, но требует значительно меньших вычислительных ресурсов, что позволяет выполнять его непосредственно во встроенных системах.

Глубокое обучение

Для решения задач подавления шума и восстановления изображений было предложено множество методов глубокого обучения. Deep Image Prior – один из таких методов, использующий сверточную нейронную сеть и отличающийся тем, что не требует предварительно обученных данных.

Программное обеспечение

Большинство универсальных программ для редактирования изображений и фотографий имеют одну или несколько функций подавления шума (медианный фильтр, размытие, устранение шумов и т.п.).