Зашумление

Зашумление (также шумоподавление, шумопонижение, англ. noise reduction, denoising, noise suppression) — это процесс обработки сигнала (аудио-, видео-, цифрового изображения или данных), направленный на уменьшение уровня нежелательных случайных или детерминированных помех (шума) при сохранении полезной информации. В зависимости от контекста термин может обозначать как технические методы фильтрации, так и алгоритмы, применяемые в фотографии, звукозаписи, радиосвязи, компьютерном зрении и других областях.

История

Первые методы шумоподавления появились в середине XX века в связи с развитием радиосвязи и аналоговой звукозаписи. В 1930-х годах для уменьшения шумов в телефонных линиях использовались пассивные фильтры. В 1960-х годах компания Dolby Laboratories (США) разработала систему шумопонижения для магнитной ленты, основанную на компандировании (сжатии и расширении динамического диапазона). В 1970-х годах с распространением цифровой обработки сигналов (ЦОС) начали применяться алгоритмы, такие как фильтр Винера и медианный фильтр. В 1990-х годах для изображений и видео стали использовать вейвлет-преобразования. С 2010-х годов доминирующими стали методы на основе нейронных сетей, особенно свёрточных нейронных сетей (CNN) и генеративно-состязательных сетей (GAN).

Физическая природа шума

Шум представляет собой случайные флуктуации сигнала, возникающие по разным причинам. В электронике различают:

• Тепловой шум (шум Джонсона — Найквиста) — вызван тепловым движением носителей заряда в проводниках; пропорционален температуре и сопротивлению.
• Дробовой шум — связан с дискретностью электрического заряда; проявляется в полупроводниковых приборах.
• Фликкер-шум (1/f-шум) — имеет спектральную плотность, обратно пропорциональную частоте; характерен для транзисторов и резисторов.
• Импульсный шум — кратковременные всплески, вызванные внешними помехами (например, от электродвигателей или гроз).

В фотографии и видео основным источником является фотонный шум (пуассоновский шум), возникающий из-за статистического характера потока фотонов, и шум считывания (read noise), связанный с электроникой матрицы. В звукозаписи — шум ленты (tape hiss) и фоновый шум (например, шум ветра или гул помещения).

Классификация методов шумоподавления

Методы зашумления делятся на несколько категорий по принципу действия и области применения.

По типу обрабатываемого сигнала

• Аудиошумоподавление — применяется в звукозаписи, радиосвязи, слуховых аппаратах, системах голосового управления.
• Подавление шума в изображениях — используется в цифровой фотографии, медицинской визуализации, астрономии, компьютерном зрении.
• Подавление шума в видеосигналах — учитывает временную корреляцию между кадрами.
• Подавление шума в данных — применяется в телеметрии, научных измерениях, статистике.

По алгоритму обработки

• Линейные методы — основаны на свёртке сигнала с ядром фильтра (например, фильтр Гаусса, фильтр Винера). Просты в реализации, но могут размывать детали.
• Нелинейные методы — сохраняют резкие перепады (например, медианный фильтр, билатеральный фильтр, фильтр с сохранением границ).
• Адаптивные методы — подстраивают параметры фильтрации под локальные характеристики сигнала (например, адаптивный фильтр Винера, фильтр Калмана).
• Методы на основе преобразований — работают в частотной области (вейвлет-преобразование, преобразование Фурье, дискретное косинусное преобразование). Позволяют подавлять шум, порогово обрабатывая коэффициенты.
• Методы машинного обучения — используют нейронные сети, обученные на парах «зашумлённое изображение — чистое изображение». Примеры: DnCNN, U-Net, Noise2Noise, Noise2Void, а также модели на основе GAN и диффузионных моделей.

По типу шума

• Аддитивный шум — добавляется к сигналу независимо (например, тепловой шум). Подавляется вычитанием оценки шума.
• Мультипликативный шум — зависит от сигнала (например, шум ленты, спекл-шум в ультразвуке). Требует логарифмического преобразования перед фильтрацией.
• Импульсный шум — проявляется в виде отдельных выбросов (например, «соль и перец»). Эффективно подавляется медианным фильтром.

Применение в фотографии и видео

В цифровой фотографии шумоподавление является одним из ключевых этапов обработки изображений. Современные камеры и смартфоны используют встроенные алгоритмы, работающие в реальном времени. Основные подходы:

• Пространственное шумоподавление — усреднение пикселей в окрестности (например, фильтр Гаусса, билатеральный фильтр). Недостаток — потеря мелких деталей и текстуры.
• Частотное шумоподавление — подавление высокочастотных компонент, где обычно сосредоточен шум. Используется вейвлет-преобразование или преобразование Фурье.
• Временное шумоподавление — усреднение нескольких кадров (например, в режиме HDR или ночной съёмке). Эффективно для статичных сцен, но может приводить к смазыванию движущихся объектов.
• Нейросетевые методы — например, алгоритмы, обученные на больших наборах данных (ImageNet, DIV2K). Позволяют восстанавливать текстуры и детали, не различимые человеческим глазом.

В видеосъёмке шумоподавление часто реализуется аппаратно (в процессоре камеры) или программно (в кодеках, например, в HEVC/H.265). Для видео характерно использование 3D-фильтров (трёхмерных), учитывающих как пространственную, так и временную размерность.

Применение в аудио

В аудиоинженерии шумоподавление применяется для очистки записей от фоновых шумов (гул, шипение, треск), а также для улучшения разборчивости речи. Основные методы:

• Спектральное вычитание — оценка спектра шума в паузах и вычитание его из общего спектра.
• Фильтрация Винера — оптимальный линейный фильтр, минимизирующий среднеквадратичную ошибку.
• Алгоритмы на основе нейронных сетей — например, модели на основе RNN (рекуррентных нейронных сетей) или U-Net для аудио. Примеры: RNNoise, Demucs, Spleeter.
• Адаптивные фильтры — используются в системах активного шумоподавления (ANC) в наушниках и гарнитурах.

В радиосвязи и телефонии применяются шумоподавители (noise gate, squelch), которые отключают выходной сигнал при уровне шума ниже порога.

Применение в других областях

• Медицина — шумоподавление в МРТ, КТ, ультразвуковых исследованиях позволяет улучшить качество диагностики. Используются вейвлет-преобразования и методы на основе разреженного представления.
• Астрономия — для обработки изображений с телескопов, где шум часто превышает сигнал. Применяются методы, основанные на статистике Пуассона.
• Радиолокация и гидролокация — подавление шума для улучшения обнаружения целей. Используются согласованные фильтры и алгоритмы на основе преобразования Вигнера — Вилля.
• Научные измерения — фильтрация данных с датчиков (температура, давление, вибрация) для выделения полезного сигнала.

Критика и ограничения

Основная проблема шумоподавления — компромисс между подавлением шума и сохранением деталей. Чрезмерная фильтрация приводит к эффекту «мыла» (потере резкости), появлению артефактов (например, «звон» на границах, ореолы, потеря текстуры). В аудио — к «булькающему» звуку (музыкальные шумы, потеря высоких частот). Нейросетевые методы, хотя и дают лучшие результаты, могут вносить галлюцинации (добавление деталей, которых не было в исходном сигнале), что критично в медицине и криминалистике.

Кроме того, шумоподавление неэффективно при очень низком отношении сигнал/шум (менее 1–2 дБ) и при нестационарном шуме (например, шум ветра, резкие изменения громкости). В таких случаях требуется комбинирование с другими методами (например, многоканальная запись, адаптивное подавление).

Интересные факты

• Первый коммерческий шумоподавитель для аудио — система Dolby A (1965), разработанная Рэем Долби. Она использовала компандирование с четырьмя полосами частот.
• В фотографии RAW-файлы содержат минимальное количество шумоподавления, что позволяет фотографам применять собственные алгоритмы на этапе постобработки.
• Алгоритм Noise2Noise (2018) позволяет обучать нейросеть шумоподавлению без использования чистых изображений — достаточно двух зашумлённых версий одного и того же снимка.
• В системах активного шумоподавления (ANC) используются микрофоны, динамики и алгоритмы, генерирующие противофазу шума. Впервые такие системы были применены в авиации в 1950-х годах.
• В астрономии для подавления шума применяют метод «стэкинга» (stacking) — усреднение сотен и тысяч кадров, что позволяет выделить слабые сигналы.

Источники

• Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2012.
• Оппенгейм А., Шафер Р. Цифровая обработка сигналов. — М.: Техносфера, 2006.
• Jain A. K. Fundamentals of Digital Image Processing. — Prentice Hall, 1989.
• Zhang K., Zuo W., Chen Y., Meng D., Zhang L. Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising // IEEE Transactions on Image Processing. — 2017.
• Lehtinen J., Munkberg J., Hasselgren J., Laine S., Karras T., Aittala M., Aila T. Noise2Noise: Learning Image Restoration without Clean Data // International Conference on Machine Learning (ICML). — 2018.
• Dolby Laboratories. History of Dolby Noise Reduction. — Официальный сайт Dolby.
• ГОСТ Р 8.614-2005. Шум. Методы измерения и нормирования.