本發(fā)明屬于圖像去噪技術領域，具體涉及一種紅外圖像條狀噪聲消除方法。

背景技術：

紅外成像系統(tǒng)能夠捕獲人眼無法看見的紅外信息，在工業(yè)、醫(yī)學、軍事等領域具有重要的應用價值。紅外焦平面陣列是當前紅外成像系統(tǒng)使用的主流技術，它具有體積小、制造成本低、敏感度高等優(yōu)點。紅外焦平面陣列通常采用列輸出方式，即一個讀出電路讀取焦平面陣列中位于相同列的傳感器響應。由于各讀出電路無法做到完全相同，這種差異會在紅外圖像中產生明顯的條狀固定模式噪聲。為了消除條狀固定模式噪聲，主要有兩類方法：基于標定的固定模式噪聲消除方法和基于場景的固定模式噪聲消除方法?；跇硕ǖ脑肼曄椒ㄐ枰谂臄z過程中使用黑體(各處溫度相同的物體)校正參數(shù)，因此會中斷拍攝過程。基于場景的噪聲消除方法僅使用連續(xù)拍攝的場景圖像序列估計校正參數(shù)，但容易導致“偽影”現(xiàn)象。

上述兩類方法均無法處理單幅含條狀噪聲的紅外圖像。傳統(tǒng)的圖像濾波方法無法有效消除條狀噪聲，同時還會導致圖像模糊。Tendero和Gi l les提出使用Midway直方圖均衡方法消除圖像列間差異，達到消除條狀噪聲的目的，其優(yōu)點是不需要使用待去噪圖像以外的其它信息。但是這種方法計算量大，并且無法完全消除條狀噪聲。

技術實現(xiàn)要素：

本發(fā)明所要解決的技術問題在于針對上述現(xiàn)有技術中的不足，提供一種紅外圖像條狀噪聲消除方法，針對紅外圖像條狀噪聲的產生機理，通過最小化校正圖像的能量估計校正參數(shù)，利用線性變換校正圖像條狀噪聲，只利用紅外圖像本身就可以完成消除條狀噪聲，不需要額外的信息，在有效消除紅外圖像條狀噪聲的同時不會造成圖像細節(jié)模糊，該方法計算量小，實時性好，便于推廣使用。

為解決上述技術問題，本發(fā)明采用的技術方案是：一種紅外圖像條狀噪聲消除方法，其特征在于該方法包括以下步驟：

步驟一、輸入原始紅外圖像：輸入一幅帶有條狀噪聲的原始紅外圖像Y(i,j)，原始紅外圖像Y(i,j)像素為M×N，其中，i＝1,2，…，M且j＝1,2，…，N；

步驟二、設置迭代次數(shù)K及迭代序號k并迭代初始化：設定迭代次數(shù)為K，同時初始化校正參數(shù)G_k(j)和O_k(j)，并給定初始迭代序號k＝0取G₀(j)和O₀(j)，其中，k≤K且K≥1，G_k(j)為第k次迭代后計算得到的紅外圖像第j列的增益校正參數(shù)，O_k(j)為第k次迭代后計算得到的紅外圖像第j列的偏置校正參數(shù)；

步驟三、根據(jù)公式X_k(i,j)＝G_k(j)Y(i,j)+O_k(j)，計算第k次校正后的紅外圖像X_k(i,j)；

步驟四、根據(jù)公式計算第k次校正后紅外圖像梯度的模|▽X_k|_i,j，其中，|▽X_k|_i,j為第k次校正后紅外圖像X_k(i,j)在(i，j)像素處的梯度的模值；

步驟五、根據(jù)公式更新校正參數(shù)G_k(j)和O_k(j)，其中，G_k+1(j)為校正參數(shù)G_k(j)更新一次后的增益校正參數(shù)，O_k+1(j)為校正參數(shù)O_k(j)更新一次后的偏置校正參數(shù)，E_k為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)且λ為更新步長且為正常數(shù)；

步驟六、判斷k＜K是否成立：當k＜K成立時，循環(huán)步驟三至步驟五；當k＜K不成立時，k取K，執(zhí)行步驟七；

步驟七、輸出最終紅外圖像X_K(i,j)：根據(jù)公式X_K(i,j)＝G_K(j)Y(i,j)+O_K(j)，計算輸出第K次校正后最終紅外圖像X_K(i,j)。

上述的一種紅外圖像條狀噪聲消除方法，其特征在于：步驟二中所述

上述的一種紅外圖像條狀噪聲消除方法，其特征在于：所述K取1～50000。

上述的一種紅外圖像條狀噪聲消除方法，其特征在于：所述λ取0～1。

上述的一種紅外圖像條狀噪聲消除方法，其特征在于：步驟五中為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其增益校正參數(shù)的偏導數(shù)且為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其偏置校正參數(shù)的偏導數(shù)且其中，|▽X_k|_i+1,j為第k次校正后紅外圖像X_k(i,j)在(i+1，j)像素處梯度的模值，|▽X_k|_i,j+1為第k次校正后紅外圖像X_k(i,j)在(i，j+1)像素處梯度的模值。

本發(fā)明與現(xiàn)有技術相比具有以下優(yōu)點：

1、本發(fā)明引入增益校正參數(shù)和偏置校正參數(shù)揭示條狀噪聲的產生機理，通過最小化校正圖像能量函數(shù)估計最優(yōu)校正參數(shù)，圖像的能量函數(shù)與圖像梯度有關，圖像梯度反映了噪聲的強弱，最小化能量函數(shù)相當于盡可能地消除噪聲。采用梯度下降法最小化能量函數(shù)，經過多次迭代得到最優(yōu)校正參數(shù)，最后使用最優(yōu)校正參數(shù)有效消除圖像中的條狀噪聲，去噪效果明顯。

2、本發(fā)明通過設置迭代次數(shù)，便于規(guī)定圖像去噪所需時間，迭代次數(shù)設置有效，可靠穩(wěn)定，使用效果好。

3、本發(fā)明只需要使用單幅紅外圖像就可以完成對圖像的去噪，不需要測量其它額外的信息，步驟簡單，計算量小，解決了紅外圖像中條狀噪聲問題，便于推廣使用。

綜上所述，本發(fā)明針對紅外圖像條狀噪聲的產生機理，通過最小化校正圖像的能量函數(shù)估計校正參數(shù)，利用線性變換校正圖像條狀噪聲，只利用紅外圖像本身就可以完成消除條狀噪聲，不需要額外的信息。在有效消除紅外圖像條狀噪聲的同時不會造成圖像細節(jié)模糊，該方法計算量小，實時性好，便于推廣使用。

下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。

附圖說明

圖1為本發(fā)明采用的紅外圖像條狀噪聲消除設備的電路原理框圖。

圖2為本發(fā)明的方法流程框圖。

圖3為本發(fā)明未消除條狀噪聲的紅外圖像效果圖。

圖4為本發(fā)明消除條狀噪聲的紅外圖像效果圖。

附圖標記說明:

1—圖像采集模塊；2—圖像處理模塊。

具體實施方式

如圖1和圖2所示，本發(fā)明包括一種紅外圖像條狀噪聲消除方法，包括以下步驟：

步驟一、輸入原始紅外圖像：輸入一幅帶有條狀噪聲的原始紅外圖像Y(i,j)，原始紅外圖像Y(i,j)像素為M×N，其中，i＝1,2，…，M且j＝1,2，…，N；

需要說明的是，像素為M×N的紅外圖像表示圖像包含M行，每行有N個像素，本實施例中，采用圖像采集模塊1采集像素為288×384的紅外圖像并傳輸至圖像處理模塊2中處理，實際使用中，圖像采集模塊1包括紅外焦平面探測器，圖像處理模塊2為計算機、高速微控制器或現(xiàn)場可編程門陣列，紅外焦平面探測器的紅外焦平面陣列通常采用列輸出方式，即一個讀出電路讀取紅外焦平面陣列中位于相同列的傳感器響應，如圖3所示，圖像中包含了條狀非均勻性噪聲。

步驟二、設置迭代次數(shù)K及迭代序號k并迭代初始化：設定迭代次數(shù)為K，同時初始化校正參數(shù)G_k(j)和O_k(j)，并給定初始迭代序號k＝0取G₀(j)和O₀(j)，其中，k≤K且K≥1，G_k(j)為第k次迭代后計算得到的紅外圖像第j列的增益校正參數(shù)，O_k(j)為第k次迭代后計算得到的紅外圖像第j列的偏置校正參數(shù)，所述K取1～50000；

本實施例中，步驟二中所述

實際使用中，設置迭代次數(shù)K確保在指定的處理時間內，得到最優(yōu)的增益校正參數(shù)和偏置校正參數(shù)，本實施例中，所述K取200。

采用增益校正參數(shù)和偏置校正參數(shù)對采集的圖像信息校正，初始化增益校正參數(shù)和偏置校正參數(shù)，賦予保持圖像初始狀態(tài)下為圖像采集模塊1采集的原始圖像。

步驟三、根據(jù)公式X_k(i,j)＝G_k(j)Y(i,j)+O_k(j)，計算第k次校正后的紅外圖像X_k(i,j)；

步驟四、根據(jù)公式計算第k次校正后紅外圖像梯度的模|▽X_k|_i,j，其中，|▽X_k|_i,j為第k次校正后紅外圖像X_k(i,j)在(i，j)像素處的梯度的模值；

步驟五、根據(jù)公式更新校正參數(shù)G_k(j)和O_k(j)，其中，G_k+1(j)為校正參數(shù)G_k(j)更新一次后的增益校正參數(shù)，O_k+1(j)為校正參數(shù)O_k(j)更新一次后的偏置校正參數(shù)，E_k為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)且λ為更新步長且為正常數(shù)；

本實施例中，所述λ取0～1。

本實施例中，由于圖像采集模塊1采集的圖像帶有明顯的條狀噪聲，需要調節(jié)合適的增益校正參數(shù)和偏置校正參數(shù)來消除條狀噪聲，為了使每次迭代過程中計算得到的新修正參數(shù)能達到更好的消除條狀噪聲的效果，采用梯度下降法更新校正參數(shù)，使得用新參數(shù)校正后的圖像能量函數(shù)E_k更小，本實施例中，更新步長λ取0.0001，更新效果好。

實際操作中，λ取值不易過大，若λ取值過大，會造成算法無法收斂，迭代次數(shù)K的取值與λ的值有關，λ取的小，每一次更新量就小，需要更多的迭代次數(shù)使能量函數(shù)E_k最小化，K的取值就大。

本實施例中，步驟五中為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其增益校正參數(shù)的偏導數(shù)且為第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其偏置校正參數(shù)的偏導數(shù)且其中，|▽X_k|_i+1,j為第k次校正后紅外圖像X_k(i,j)在(i+1，j)像素處梯度的模值，|▽X_k|_i,j+1為第k次校正后紅外圖像X_k(i,j)在(i，j+1)像素處梯度的模值。

實際計算時，更新校正參數(shù)G_k(j)和O_k(j)分別計算，能量函數(shù)E_k對增益校正參數(shù)G_k(j)的偏導數(shù)忽略偏置校正參數(shù)O_k(j)變化的影響，由于能量函數(shù)第k次校正后紅外圖像梯度的模且X_k(i,j)＝G_k(j)Y(i,j)+O_k(j)可得的值與X_k(i,j)和Y(i,j)的像素值均有關，能量函數(shù)E_k對偏置校正參數(shù)O_k(j)的偏導數(shù)忽略增益校正參數(shù)G_k(j)變化的影響，可得的值僅與本次迭代產生的紅外圖像X_k(i,j)的像素值有關，本實施例中，采用前向差分的方式求第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其增益校正參數(shù)的偏導數(shù)以及第k次校正后紅外圖像X_k(i,j)的能量函數(shù)對于其偏置校正參數(shù)的偏導數(shù)，找到能量下降方向，實際計算時，能量函數(shù)E_k對增益校正參數(shù)G_k(j)的偏導數(shù)以及能量函數(shù)E_k對偏置校正參數(shù)O_k(j)的偏導數(shù)也可采用后向差分或中心差分的方式計算偏導數(shù)，找到能量下降方向，并且采用梯度下降法更新校正參數(shù)，處理速度快。

步驟六、判斷k＜K是否成立：當k＜K成立時，循環(huán)步驟三至步驟五；當k＜K不成立時，k取K，執(zhí)行步驟七；

步驟七、輸出最終紅外圖像X_K(i,j)：根據(jù)公式X_K(i,j)＝G_K(j)Y(i,j)+O_K(j)，計算K次校正后最終紅外圖像X_K(i,j)。

如圖4所示，對于條狀噪聲去噪效果明顯，實際操作中，根據(jù)圖像處理時間與紅外圖像校正效果結合最優(yōu)的條件下，本實施例中，在更新步長λ取0.0001下，經過200次迭代，輸出最終紅外圖像X_K(i,j)。

以上所述，僅是本發(fā)明的較佳實施例，并非對本發(fā)明作任何限制，凡是根據(jù)本發(fā)明技術實質對以上實施例所作的任何簡單修改、變更以及等效結構變化，均仍屬于本發(fā)明技術方案的保護范圍內。