一種基于噪聲識別的紅外圖像降噪方法
【專利摘要】本發(fā)明公開了一種基于噪聲識別的紅外圖像降噪方法，本方法引入了噪聲識別的基本思想，分別計算了當(dāng)前像素基于截尾均值的和基于梯度的隸屬度，考察當(dāng)前像素受噪聲干擾的程度，采用聯(lián)合判據(jù)判斷當(dāng)前像素是否為噪聲像素，最后根據(jù)判斷結(jié)果進(jìn)行降噪，實現(xiàn)對紅外圖像的降噪。本發(fā)明計算量小，易于實時實現(xiàn)；相對傳統(tǒng)算法能更有效的保護(hù)圖像邊緣與細(xì)節(jié)；在對噪聲點進(jìn)行降噪的過程中也考慮了圖像的紋理梯度信息，更為準(zhǔn)確的對原有信號進(jìn)行估計。
【專利說明】一種基于噪聲識別的紅外圖像降噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于紅外圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于噪聲識別的紅外圖像降噪 方法。

【背景技術(shù)】
[0002] 紅外成像系統(tǒng)抗干擾能力強(qiáng)，隱蔽性能好，大氣穿透能力強(qiáng)，適應(yīng)多種特殊場合， 在科研、軍事、醫(yī)學(xué)、工業(yè)、民用等許多方面有著越來越廣泛的應(yīng)用。但是由于紅外探測器生 產(chǎn)工藝、靈敏度以及目標(biāo)與環(huán)境輻射特性等因素影響，紅外熱圖像相比可見光圖像對比對 不高，呈現(xiàn)出高背景，低反差的特點，噪聲比較明顯，不利于后期使用。為了充分利用捕捉到 信息，抑制噪聲，改善圖像質(zhì)量，便于更高層次的處理，必須對紅外圖像進(jìn)行降噪處理。
[0003] 傳統(tǒng)的圖像降噪方法主要分為3類：時域降噪、空域降噪、頻域降噪。時域降噪利 用信號采集過程中，信號具有較強(qiáng)的相關(guān)性，而噪聲具有隨機(jī)分布的特性，對幀間同一個像 素的信號進(jìn)行平均來取到降噪的效果，但在高速運動的場景會引起圖像模糊和拖影；空域 降噪是利用相鄰像素在空間上具有的相關(guān)性來進(jìn)行降噪，典型的方法均值濾波、中值濾波、 維納濾波等，算法實現(xiàn)簡單，運算速度快，缺點是在降噪的同時會使圖像模糊，尤其在物體 邊緣和細(xì)節(jié)處；頻域降噪是通過圖像變換把圖像從空域變換到頻域，用濾波的方法濾除代 表噪聲的高頻部分，但對一些頻率成分與信號相近的噪聲無法去除，濾波閾值選擇不好對 降噪效果影響很大。此外，還有一些結(jié)合了以上降噪的原理，從多個方面對圖像進(jìn)行降噪， 如小波降噪就是結(jié)合了空域與頻域降噪的原理，具有良好的局部化性質(zhì)和多尺度分析的特 點，能比較有效的把信號和噪聲分離開，但運算量大。
[0004] 隨著紅外成像系統(tǒng)的發(fā)展，系統(tǒng)成像分辨率越來越高，這就使得需要實時處理的 圖像數(shù)據(jù)越來越多。由于系統(tǒng)資源有限，一些計算量大、占用存儲資源多的降噪算法并不適 用。為了實現(xiàn)紅外圖像的實時處理，需要研宄一種計算量小，易于實時實現(xiàn)的紅外圖像降噪 算法。


【發(fā)明內(nèi)容】

[0005] 為了解決上述的技術(shù)問題，本發(fā)明提供了一種基于噪聲識別的紅外圖像降噪方 法。
[0006] 本發(fā)明所采用的技術(shù)方案是：一種基于噪聲識別的紅外圖像降噪方法，其特征在 于，包括以下步驟：
[0007] 步驟1 :計算當(dāng)前像素基于截尾均值的隸屬度，包括基于截尾均值的噪聲隸屬度 yn(i，j)以及基于截尾均值的信號隸屬度ys(i，j)，其中i和j為當(dāng)前像素所在坐標(biāo)；
[0008] 步驟2 :計算當(dāng)前像素基于梯度的隸屬度，包括基于梯度的噪聲隸屬度Sn(i，j)以 及基于梯度的信號隸屬度S s (i，j);
[0009] 步驟3 :根據(jù)步驟1、步驟2計算得到的基于截尾均值的隸屬度和基于梯度的隸屬 度，判斷當(dāng)前像素是否為噪聲像素；
[0010] 步驟4 :如果當(dāng)前像素為噪聲像素，則對該像素進(jìn)行降噪處理，處理完后回到步驟 1直到遍歷完整幅圖像；如果當(dāng)前像素為正常信號像素，則直接回到步驟1直到遍歷完整幅 圖像。
[0011] 作為優(yōu)選，步驟1中所述的基于截尾均值的噪聲隸屬度yn(i，j)的計算公式為：

【權(quán)利要求】
1. 一種基于噪聲識別的紅外圖像降噪方法，其特征在于，包括以下步驟： 步驟1 :計算當(dāng)前像素基于截尾均值的隸屬度，包括基于截尾均值的噪聲隸屬度yn(i，j)以及基于截尾均值的信號隸屬度ys(i，j)，其中i和j為當(dāng)前像素所在坐標(biāo)； 步驟2 :計算當(dāng)前像素基于梯度的隸屬度，包括基于梯度的噪聲隸屬度sn(i，j)以及基 于梯度的信號隸屬度Ss(i，j); 步驟3:根據(jù)步驟1、步驟2計算得到的基于截尾均值的隸屬度和基于梯度的隸屬度，判 斷當(dāng)前像素是否為噪聲像素； 步驟4 :如果當(dāng)前像素為噪聲像素，則對該像素進(jìn)行降噪處理，處理完后回到步驟1直 到遍歷完整幅圖像；如果當(dāng)前像素為正常信號像素，則直接回到步驟1直到遍歷完整幅圖 像。
2. 根據(jù)權(quán)利要求1所述的基于噪聲識別的紅外圖像降噪方法，其特征在于：步驟1中 所述的基于截尾均值的噪聲隸屬度yna，j)的計算公式為：
其中，f(i，j)為坐標(biāo)（i，j)的像素灰度值，a、b為可變參數(shù)，根據(jù)實驗取經(jīng)驗值，T(i，j) 為以當(dāng)前像素為中心的3X3窗口的結(jié)尾均值，計算公式為：
其中，Au表示以當(dāng)前像素為中心的3X3窗口內(nèi)所有像素灰度的集合，pMax為集合Ai;」 中的最大灰度，pMin為集合Ai;j中的最小灰度； 步驟1中所述的基于截尾均值的信號隸屬度Us (i，j)的計算公式為：ys(i，j)=卜yn(i，j)。
3. 根據(jù)權(quán)利要求1所述的基于噪聲識別的紅外圖像降噪方法，其特征在于：步驟2中 所述的基于梯度的噪聲隸屬度sn(i，j)的計算公式為：
其中，d表示方向，共8個方向，分別是上U、左上LU、右上RU、左L、右R、左下LD、下D、 右下RD，〇，./)為坐標(biāo)（i，j)的像素基于d方向上梯度的噪聲隸屬度，計算公式為：
其中： 當(dāng)d=U、LU、RU、L、R、LD、D、RD時，Vjf 分別等于4(1-1，」）-以1，」）|、|以卜 l，j-l)-f(i，j)l、|f(i-l，j+l)-f(i，j)l、|f(i，j-l)-f(i，j)l、|f(i，j+l)-f(i，j)I、If(i+1，j-1) -f(i，j)I、If(i+1，j) -f(i，j)I、If(i+1，j+1) -f(i，j)I; 當(dāng)d=U、LU、RU、L、R、LD、D、RD時，Vg分別等于 |f(i- 1，j-I) -f(i，j-I)I、 f(i,j-1) -f(i+l,j)U|f(i-l,j) -f(i,j-l)U|f(i+l,j-1) -f(i+l,j)U|f(i-1,j+1) -f(i-I,j)u|f(i+l,j) -f(i,j+1)U|f(i+l,j+1) -f(i,j+1)u|f(i,j+1)- f(i-I,j)I; 當(dāng)（1 =山1^、冊、1^、1?、〇)、0、1?時，'^分別等于|以卜1，]_+1)-以1，]_+1)|、|以卜 l，j-l)-f(i，j)l、|f(i，j+l)-f(i+l，j)l、|f(i-l，j-l)-f(i-l，j)l、|f(i+l，j+l)_f(i+1,j)I,|f(i,j-1) -f(i-1,j)I,|f(i+1,j-1) -f(i,j-1)I,If(i+1,j)- f(i,j-I)I; 函數(shù)β(·)定義如下：
其中，c、d為可變參數(shù)，根據(jù)實驗取經(jīng)驗值； 步驟2中所沭的基于梯度的信號隸屬度S"(i,i)的計算公式為：
其中，d,./)為當(dāng)前像素基于d方向上梯度的信號隸屬度，計算公式為：
4. 根據(jù)權(quán)利要求1所述的基于噪聲識別的紅外圖像降噪方法，其特征在于：步 驟3中所述的判斷當(dāng)前像素是否為噪聲像素，其方法為：當(dāng)yn(i，j) *Sn(i，j)大于 等于μs(i，j) ·Ss(i,j)時，判定當(dāng)前像素為噪聲像素；當(dāng)μη(?，j) ·Sn(i,j)小于 ys(i，j) .Ss(i，j)時，判定當(dāng)前像素為正常信號像素。
5. 根據(jù)權(quán)利要求3所述的基于噪聲識別的紅外圖像降噪方法，其特征在于：步驟4中 所述的對該像素進(jìn)行降噪處理，其具體實現(xiàn)方法為在U、LU、RU、L、R、LD、D、RD這8個方向 中尋找令最小的方向，記這個方向為dmin，則當(dāng)前像素灰度用如下公式計 算的灰度替換：
【文檔編號】G06T5/00GK104463813SQ201510004744
【公開日】2015年3月25日 申請日期:2015年1月7日 優(yōu)先權(quán)日:2015年1月7日
【發(fā)明者】馬泳, 黃珺, 樊凡 申請人:武漢大學(xué)