一种相位敏感光时域反射信号自适应滤波方法及装置与流程

1.本发明涉及光信息传感技术领域，特别涉及一种相位敏感光时域反射信号自适应滤波方法及装置。


背景技术：

2.由于相敏光时域反射仪响应速度快、灵敏度高、多重检测能力强等优点，近年来的研究和应用受到广泛的关注，其已被应用于周界入侵监测、管道保护和地震波测绘等领域。通过监测入射脉冲光的瑞利背散射统计干涉强度，相敏光时域反射仪系统可提供定性的振动测量。然而相干噪声、白噪声和环境干扰会严重降低信号的信噪比，使得被检测信号恶化，导致入侵检测系统的误报率或声波传感中频率再转换而失真。提高系统检测的灵敏度引起了研究者的兴趣，成为分布式光纤传感的研究焦点。为了提高信噪比和补偿传输光纤的损耗，许多方法已经被用于远距离检测，其中包括脉宽调制布里渊放大、弱光纤布拉格光栅阵列和分布式拉曼放大器。然而上述方法依赖于光学非线性效应，需要相当高的光功率和额外的硬件成本。另一种是通过直接信号处理方法，这是在不增加硬件成本情况下消除噪声的最有效方法。不同的信号处理方法已被应用于分析复杂的信号，包括移动平均、移动微分、傅里叶变换、小波去噪、模式分解、统计聚类、经验模式分解-pearson相关系数和正交匹配追踪。最近，二维图像恢复，即所谓的非局部均值(nlm)，已证明可以将布里渊和拉曼散射信号的信噪比提高到20db。这个方法通过利用包含在多维数据中的信息冗余与相关性来极大地改善信号，但它耗时且不适合需要快速相应的系统。但这个缺点可以通过双边滤波来克服，它可以在27.6公里传感光纤中快速将信号的信噪比提高到14db且没有空间分辨率损失。无论采用何种信号滤波方法，都需要优化滤波参数以获得最佳滤波质量，尤其是在比较各种滤波方法时。传统上通过信噪比进行评估，这通常需要标准参考信号，但是检测现场通常很难获得有效的标准信号。目前大多数非局部均值滤波参数优化方法基于噪声水平估计。如计算测量值的标准偏差(std)、基于滤波器的估计算法和基于局部块的估计算法，该算法选择botda信号的弱纹理局部块，然后使用主成分分析(w-pca)估计噪声级。这些方法较复杂，影响计算效率。


技术实现要素：

3.本发明要解决的技术问题，在于提供一种相位敏感光时域反射信号自适应滤波方法及装置，不是采用噪声水平估计，而是利用自相关函数对信号的敏感性来优化非局部均值的滤波参数，通过相关系数来评价二维图像数据的滤波质量，进一步评估最佳过滤参数，简易、方便地实现相位敏感光时域反射信号自适应滤波。
4.第一方面，本发明提供了一种相位敏感光时域反射信号自适应滤波方法，应用于
相位敏感型光时域反射计的振动信号测量，包括以下步骤：
5.设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
6.将高斯参数从初始值起按设定步长进行调整，同时计算相关系数，每次滤波后，记录相关系数的第一个周期的波峰，当自相关系数的第一周期波峰达到最大值时，记录对应的高斯参数作为最优高斯参数；
7.将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数的第一周期的波峰，当相关系数的第一周期波峰达到最大值时，记录对应的邻域窗口参数作为最优邻域窗口参数；
8.将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数的第一周期波峰，当相关系数的第一周期的波峰达到最大值时，记录对应的搜索窗口参数作为最优搜索窗口参数；
9.所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
10.利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
11.进一步地，所述相关系数的计算方法具体包括：
12.计算目标像素的去噪结果，如公式(1)所示：
[0013][0014]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0015][0016]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0017][0018]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0019][0020]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0021]
得到二维相关系数矩阵后，再计算沿迹线方向的相关系数，如下式：
[0022][0023]
其中，i是信号序列的时间延迟。
[0024]
第二方面，本发明提供了一种相位敏感光时域反射信号自适应滤波装置，应用于相位敏感型光时域反射计的振动信号测量，包括：初始化模块、过滤参数优化模块以及自适应滤波模块；
[0025]
所述初始化模块，用于设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
[0026]
所述过滤参数优化模块，用于将高斯参数从初始值起按设定步长进行调整，同时计算相关系数的第一周期波峰，当相关系数的第一周期的波峰达到最大值时，记录对应的高斯参数作为最优高斯参数；
[0027]
将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数的第一周期波峰，当相关系数的第一周期的波峰达到最大值时，记录对应的邻域窗口参数作为最优邻域窗口参数；
[0028]
将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数的第一周期波峰，当相关系数的第一周期的波峰达到最大值时，记录对应的搜索窗口参数作为最优搜索窗口参数；
[0029]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0030]
所述自适应滤波模块，用于利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
[0031]
进一步地，所述过滤参数优化模块中，相关系数的计算方法具体包括：
[0032]
计算目标像素的去噪结果，如公式(1)所示：
[0033][0034]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0035][0036]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0037][0038]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0039][0040]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0041]
得到二维相关系数矩阵后，再计算沿迹线方向的相关系数，如下式：
[0042][0043]
其中，i是信号序列的时间延迟。
[0044]
第三方面，本发明提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，包括以下步骤：
[0045]
设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
[0046]
将高斯参数从初始值起按设定步长进行调整，同时计算相关系数，每次滤波后，记录相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的高斯参数作为最优高斯参数；
[0047]
将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的邻域窗口参数作为最优邻域窗口参数；
[0048]
将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的搜索窗口参数作为最优搜索窗口参数；
[0049]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0050]
利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
[0051]
第四方面，本发明提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，包括以下步骤：
[0052]
设定二维周期性信号图像滤波的滤波参数的初始值和步长；
[0053]
将第一滤波参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数的第一周期的波峰达到最大值时，记录对应的第一滤波参数的值作为最优第一滤波参数；
[0054]
将第一滤波参数的值固定为最优第一滤波参数，然后将第二滤波参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数的第一周期的波峰达到最大值时，记录对应的第二滤波参数作为最优第二滤波参数；
[0055]
按同样方法对所有的滤波参数进行优化；
[0056]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0057]
利用优化后的最优滤波参数进行相位敏感光时域反射信号自适应滤波。
[0058]
进一步地，所述相关系数的计算方法具体包括：
[0059]
计算目标像素的去噪结果，如公式(1)所示：
[0060][0061]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0062][0063]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0064][0065]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0066][0067]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0068]
得到二维相关系数矩阵后，再计算沿迹线方向的相关系数，如下式：
[0069][0070]
其中，i是信号序列的时间延迟。
[0071]
第五方面，本发明提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，包括以下步骤：
[0072]
设定二维周期性信号图像滤波的滤波参数的初始值和步长；
[0073]
将第一滤波参数从初始值起按设定步长进行调整，同时计算相关系数，每次滤波后，记录相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的第一滤波参数的值作为最优第一滤波参数；
[0074]
将第一滤波参数的值固定为最优第一滤波参数，然后将第二滤波参数从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的第二滤波参数作为最优第二滤波参数；
[0075]
按同样方法对所有的滤波参数进行优化；
[0076]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0077]
利用优化后的最优滤波参数进行相位敏感光时域反射信号自适应滤波。
[0078]
本发明实施例中提供的技术方案具有如下技术效果或优点：
[0079]
1、通过相关系数的计算结果来过滤最优参数，相关系数方法仅凭相位敏感型光时域反射计的振动信号的自相关性，无需纯净无噪声的参考信号，可评估非局域均值滤波方法的滤波效果，进而优化滤波参数，因此，更适合在检测现场应用，适用范围更广；
[0080]
2、相比于传统的图像最优灰度标准差与噪声标准差的关系，并将标准差计算结果评估非局域均值滤波方法的滤波效果，进而优化滤波参数，本发明的算法仅需计算图像的自相关系数，计算量小，效率高。
[0081]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
[0082]
下面参照附图结合实施例对本发明作进一步的说明。
[0083]
图1为现有技术中标准图像、增加噪声图像以及nlm滤波后图像的示意图；
[0084]
图2为本发明通过假定的标准噪声图像进行验证时，相关系数、高斯参数、目标窗口大小以及搜寻窗口大小之间的关系以及优化示意图；
[0085]
图3为米传感光纤的实际微弱振动信号示意图；
[0086]
图4为本发明通过实际的φ-otdr信号进行测试时，相关系数、高斯参数、目标窗口大小以及搜寻窗口大小之间的关系以及优化示意图；
[0087]
图5本发明经过优化参数nlm去噪的实际振动信号示意图；
[0088]
图6为本发明实施例一中方法的流程示意图；
[0089]
图7为本发明实施例二中装置的结构示意图。
具体实施方式
[0090]
本技术实施例通过提供一种相位敏感光时域反射信号自适应滤波方法及装置，通过相关系数来评价二维图像数据的滤波质量，进一步评估最佳过滤参数，简易、方便地实现相位敏感光时域反射信号自适应滤波。
[0091]
本技术实施例中的技术方案，总体思路如下：
[0092]
由于噪声本身是不相关的，而相敏光时域反射仪的振动信号是周期性且强相关的。本发明实施例提出了一种相位敏感光时域反射信号自适应滤波方法，基于相关系数的自适应nlm来优化滤波参数，从而提高信号的信噪比。该方法简单、有效，只需要通过相关系数就可以很好评价二维图像数据的滤波质量。
[0093]
对数据对进行数字化采集，通过减去相邻迹线获得振动曲线。图像去噪通常是指平均去噪，而不是基于机器学习的去噪法，平均噪声图像越多，去噪效果越好。通过平均所有具有相似灰度和纹理结构的领域块来对目标块进行去噪，发现相似邻域图像块越多，降噪效果越好。因此，需要以目标图像块为中心的更大搜索窗口，但由于受计算机计算能力的限制，邻域大小和搜索窗口的大小应按实际需求适当设置，以兼顾相似度计算的准确性和效率。目标像素的去噪结果是所有像素的加权平均，如公式(1)所示：
[0094][0095]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0096][0097]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0098][0099]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0100][0101]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0102]
得到二维相关系数矩阵后，再计算沿迹线方向的相关系数，如下式：
[0103][0104]
其中，i是信号序列的时间延迟。
[0105]
在现有技术中，峰值信噪比(psnr)和结构相似度(ssim)是传统的信号衡量标准。
[0106]
峰值信噪比(psnr)在图像压缩领域经常被用来衡量信号重建的质量。
[0107][0108]
其中，mse是原始图像(标准信号)与降噪后图像之间的均方误差。psnr值越大，降噪后的信号失真越小。因此，psnr越大，图像的滤波效果越好。
[0109]
结构相似度(ssim)是衡量两幅图像(滤波后图像和标准信号)相似度的视觉指标。设x为原始图像，y为降噪后的图像，
[0110][0111]
μ
x
和μy是图像的平均亮度，和是标准偏差，σ
xy
是协方差，c1、c2和c3是常数。该数值越大，y和x的ssim就越好。
[0112]
如果psnr和ssim值较大，则说明滤波后的图像与原始图像信号接近，视觉效果较好。然而，psnr和ssim的计算均需要标准参考信号，但是检测现场通常很难获得有效的标准信号。
[0113]
由于二维图像恢复，即非局部均值(nlm)，已证明可以将布里渊和拉曼散射信号的信噪比提高到20db，因此本发明实施例基于相关系数的计算形成自适应nlm，优化滤波参数以获得最佳滤波质量，从而提高信号的信噪比。为了验证本发明实施例方法的有效性，首先通过假定的标准噪声图像进行验证，然后通过实际的信号进行测试。
[0114]
首先，为了解相关系数、psnr和ssim之间的关系，进行了以下实验。首先产生一个没有噪声的标准信号，如图1(a)所示，将0.2到1不同幅度水平的随机噪声添加到标准信号图像中，如图1(b)所示。则图1(c)是nlm滤波后的图像。原始图像大小为126
×
126，其次，为了找到最优的高斯滤波参数，当邻域和搜索窗口的大小分别设置为10和100时，以0.004的步长从0.02增加到0.12的高斯参数对含噪图像进行降噪。如图2(a)所示，当nlm滤波图像的第一个周期(星号)的相关系数达到最大时，高斯参数是最佳的。传统上，当图像的psnr和ssim最大时，高斯滤波参数是最佳的。本实验将三种方法得到的最佳高斯滤波器参数与噪声幅度的增加进行比较，如图2(b)所示，它们随时噪声幅度的增加而增加。在相同的噪声水平下，这些方法得到的最佳高斯参数几乎相同。
[0115]
此外，使用相同的过程来寻找最优邻域窗口大小和搜索窗口大小，如图2(c)和图2(d)所示。随着噪声幅度的增加，邻域窗口和搜索窗口的最佳值基本保持不变。从相关系数、psnr和ssim获得的最佳邻域窗口大小分别为14、8和11。从图中可以看出，从相关系数得到的邻域窗口大小接近信号周期的一半，而从psnr得到的约为信号周期的四分之一。ssim的结果介于以上两种方法之间。对于搜索窗口而言，除了较大的偏差数据，采用相关性、psnr和ssim得到的最佳搜索窗口大小都为251。
[0116]
然后，为了验证自适应nlm滤波的有效性，将相关算法应用于的实际信号处理。将101条相邻轨迹相减得到信号图像，如图3所示。周期信号的自相关函数仍然是周期信号，如图4(a)所示。如果周期信号的时间延迟达到一个周期，则信号的自相关函数将达到峰值(星号)。星号表示偏移量为9时相关系数达到最大值。由于噪声没有相关性，只过滤噪声不会改变相关系数，但去除信号的有效成份会降低相关系数，因此，相关系数可用评估滤波质量和优化滤波参数。
[0117]
高斯参数控制高斯函数的衰减程度。高斯函数越大，变化越平滑，去噪级别越高，但也会导致图像更加模糊。相反，保留的边缘细节分量会越多，但保留的噪点也会越多。当高斯参数从0.033变为0.058，步长为0.002，邻域和搜索窗口的大小分别设置为10和80时，计算信号滤波后的相关参数、高斯参数与相关系数的关系如图4(b)所示。随着高斯平滑参数的增加，由于噪声的降低相关系数会增加，然后由于信号的一些有效成份被滤除而相关系数会减小，当高斯参数最佳为0.047时，它达到峰值0.3716。
[0118]
nlm的邻域窗口在过滤图像时保留了详细信息。如果邻域窗口的大小只有一个像素，nlm可以看作是一种双边滤波方法。当平滑参数和搜索窗口分别设置为0.047和80时，相关系数和邻域窗口大小的关系如图4(c)所示。相关系数首先随着邻域窗口大小的增加而增加。当邻域窗口大小为9时，相关系数达到最大值0.4219，然后略微下降。因为邻域窗口中的所有像素都参与相似度计算，所以大的领域窗口导致计算量大。因此，最佳邻域窗口不仅能提高滤波质量，还节省了计算量。nlm的搜索窗口是寻找相似的邻域图像块对目标图像块进行去噪。原则上，搜索窗口越大，能找到的邻域窗口越多，过滤效果越好。基于先前确定的最
优高斯参数0.047和邻域窗口大小9，相关系数与搜索窗口大小的关系绘制在图4(d)中。随着搜索窗口大小的增加，相关系数先增加后快速减小。搜索窗口大小为196时相关系数达到最大0.4453。最佳搜索窗口的大小大约是数据矩阵维度的两倍。因此，只要计算机性能可承受，搜索窗口大小应尽可能大。实际上，搜索窗口大小应该权衡滤波效果和计算量。
[0119]
将nlm的三个滤波参数分别优化后，可以看出自相关系数从0.3716逐渐增加到0.4302。最终，信号的nlm滤波结果如图5所示，它清楚地表明，在微风的影响下，悬浮在空气中的前40米传感光纤轻微振动，而后60米几乎不受影响。该结果与微风对传感光纤受扰动情况非常吻合。与图3的原始信号相比，这种自适应nlm滤波后极大地提高图像质量。
[0120]
通过相关算法优化滤波参数与传统峰值信噪比和结构相似优化的滤波参数进行比较，结果表明，优化的滤波参数几乎相同，除了邻域窗口大小稍有差异，该方法同样也适用于其它二维周期性信号图像滤波。
[0121]
实施例一
[0122]
本实施例提供一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，如图6所示，包括：
[0123]
设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
[0124]
将高斯参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第一峰值时，记录对应的高斯参数作为最优高斯参数；
[0125]
将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第二峰值时，记录对应的邻域窗口参数作为最优邻域窗口参数；
[0126]
将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第三峰值时，记录对应的搜索窗口参数作为最优搜索窗口参数；
[0127]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像与原始噪声图像的序列相关性计算得到；
[0128]
利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
[0129]
较佳地，所述相关系数的计算方法具体包括：
[0130]
计算目标像素的去噪结果，如公式(1)所示：
[0131][0132]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0133][0134]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其
可由公式(3)计算：
[0135][0136]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0137][0138]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0139]
沿迹线方向的相关系数，即时间延迟，通过下式计算：
[0140][0141]
其中，i是信号序列的时间延迟。
[0142]
基于同一发明构思，本技术还提供了与实施例一中的方法对应的装置，详见实施例二。
[0143]
实施例二
[0144]
在本实施例中提供了一种相位敏感光时域反射信号自适应滤波装置，应用于相位敏感型光时域反射计的振动信号测量，如图7所示，包括：初始化模块、过滤参数优化模块以及自适应滤波模块；
[0145]
所述初始化模块，用于设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
[0146]
所述过滤参数优化模块，用于将高斯参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第一峰值时，记录对应的高斯参数作为最优高斯参数；
[0147]
将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第二峰值时，记录对应的邻域窗口参数作为最优邻域窗口参数；
[0148]
将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数，当相关系数达到第三峰值时，记录对应的搜索窗口参数作为最优搜索窗口参数；
[0149]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像与原始噪声图像的序列相关性计算得到；
[0150]
所述自适应滤波模块，用于利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
[0151]
较佳地，所述过滤参数优化模块中，相关系数的计算方法具体包括：
[0152]
计算目标像素的去噪结果，如公式(1)所示：
[0153]
[0154]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0155][0156]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0157][0158]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0159][0160]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0161]
沿迹线方向的相关系数，即时间延迟，通过下式计算：
[0162][0163]
其中，i是信号序列的时间延迟。
[0164]
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
[0165]
实施例三
[0166]
在本实施例中提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，区别于实施例一的是，本实施例通过观察峰度或功率密度的值是否达到最小作为最优参数的判断标准，可以包括以下步骤：
[0167]
设定非局部均值滤波的滤波参数的初始值和步长，所述滤波参数包括高斯参数、邻域窗口参数以及搜索窗口参数；
[0168]
将高斯参数从初始值起按设定步长进行调整，同时计算相关系数，每次滤波后，记录相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的高斯参数作为最优高斯参数；
[0169]
将高斯参数固定为最优高斯参数，然后将邻域窗口参数从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的邻域窗口参数作为最优邻域窗口参数；
[0170]
将高斯参数设定为最优高斯参数，将邻域窗口参数设定为最优邻域窗口参数，然后将搜索窗口从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的搜索窗口参数作为最优搜索窗口参
数；
[0171]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0172]
利用最优高斯参数、最优邻域窗口参数以及最优搜索窗口参数进行相位敏感光时域反射信号自适应滤波。
[0173]
其中，相关系数的计算方法可以和前面的实施例相同。
[0174]
实施例四
[0175]
除非局部均值滤波外，上述方法还可以应用于其它的二维周期性信号图像滤波，因此，在本实施例中提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，包括以下步骤：
[0176]
设定二维周期性信号图像滤波的滤波参数的初始值和步长；
[0177]
将第一滤波参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数的第一周期的波峰达到最大值时，记录对应的第一滤波参数的值作为最优第一滤波参数；
[0178]
将第一滤波参数的值固定为最优第一滤波参数，然后将第二滤波参数从初始值起按设定步长进行调整，同时计算相关系数，当相关系数的第一周期的波峰达到最大值时，记录对应的第二滤波参数作为最优第二滤波参数；
[0179]
按同样方法对所有的滤波参数进行优化；
[0180]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0181]
利用优化后的最优滤波参数进行相位敏感光时域反射信号自适应滤波。
[0182]
通过相关算法优化滤波参数的方法同样也适用于其它二维周期性信号图像滤波，只需要对滤波参数依次优化，根据相关系数的第一周期的波峰的值找到最优滤波参数，即可实现行相位敏感光时域反射信号自适应滤波。
[0183]
较佳地，所述相关系数的计算方法具体包括：
[0184]
计算目标像素的去噪结果，如公式(1)所示：
[0185][0186]
其中，s是邻域窗口图像块，t是目标窗口图像块，i是整幅图像，u(t)是目标窗口去噪图像块，v(s)是邻域窗口噪声图像块，ω(s,t)是加权因子，其可由公式(2)计算：
[0187][0188]
其中，h是高斯平滑参数，v(t)是目标窗口待去噪的图像块；z(t)是归一化系数，其可由公式(3)计算：
[0189][0190]
自相关也称为序列相关，是信号与其自身在不同时间点之间的互相关；
[0191][0192]
其中，r是二维相关系数矩阵，a是的信号，是矩阵a的平均值，m和n分别是矩阵的行和列；
[0193]
沿迹线方向的相关系数，即时间延迟，通过下式计算：
[0194][0195]
其中，i是信号序列的时间延迟。
[0196]
实施例五
[0197]
除非局部均值滤波外，上述方法还可以应用于其它的二维周期性信号图像滤波，因此，在本实施例中提供了一种相位敏感光时域反射信号自适应滤波方法，应用于相位敏感型光时域反射计的振动信号测量，与实施例四的区别是，本实施例通过观察峰度或功率密度的值是否达到最小作为最优参数的判断标准，可以包括以下步骤：
[0198]
设定二维周期性信号图像滤波的滤波参数的初始值和步长；
[0199]
将第一滤波参数从初始值起按设定步长进行调整，同时计算相关系数，每次滤波后，记录相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的第一滤波参数的值作为最优第一滤波参数；
[0200]
将第一滤波参数的值固定为最优第一滤波参数，然后将第二滤波参数从初始值起按设定步长进行调整，同时计算相关系数的峰度或功率密度，当相关系数的峰度或功率密度达到最小时，记录对应的第二滤波参数作为最优第二滤波参数；
[0201]
按同样方法对所有的滤波参数进行优化；
[0202]
所述相关系数利用相位敏感型光时域反射计振动信号的周期性和自相关特性，由去噪后的图像自身的序列相关性计算得到；
[0203]
利用优化后的最优滤波参数进行相位敏感光时域反射信号自适应滤波。
[0204]
其中，相关系数的计算方法可以和前面的实施例相同。
[0205]
本发明通过相关系数的计算结果来过滤最优参数，相关系数方法仅凭相位敏感型光时域反射计的振动信号的自相关性，无需纯净无噪声的参考信号，可评估非局域均值滤波方法的滤波效果，进而优化滤波参数，因此，更适合在检测现场应用，适用范围更广；相比于传统的图像最优灰度标准差与噪声标准差的关系，并将标准差计算结果评估非局域均值滤波方法的滤波效果，进而优化滤波参数，本发明的算法仅需计算图像的自相关系数，计算量小，效率高。
[0206]
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。