CN104517269A - 一种太赫兹图像条纹处理方法及系统 - Google Patents

Abstract

本发明涉及一种太赫兹图像条纹处理方法及系统，采用阀值法来构建滤波器，每个构建的滤波器都是基于待处理的图像，具有一定的定向性，可以更好地根据不同的图像进行不同的处理，从而解决了算法通用性这一问题。同时，本发明专利又采用主成分变换来强化图像的主要结构，使得处理后的图像不仅起到了消除条纹噪声的效果，还使得图像得到进一步的增强。

Description

一种太赫兹图像条纹处理方法及系统

技术领域

本发明涉及一种太赫兹图像噪声处理方法及系统，尤其涉及一种消除太赫兹图像条纹噪声的处理方法及系统。

背景技术

条纹噪声广泛的存在于多种成像光谱仪图像中，许多研究人员都对这一问题进行了大量的研究。目前，已经有许多方法用于解决这一问题，这些方法取得了一定的消除效果，但它们大多是针对某种具体成像光谱仪图像的，在条纹消除效果和算法通用性上都具有一定的不足和限制。特别是对于太赫兹图像中的宽度较大的条纹噪声，这些条纹噪声并不是标准的平行或是垂直。所以在太赫兹图像条纹噪声消除上还需进一步加强。

发明内容

本发明解决的技术问题是：构建一种太赫兹图像条纹处理方法及系统，克服现有技术在太赫兹图像条纹噪声消除效果不佳的技术问题。

本发明的技术方案是：提供一种太赫兹图像条纹处理方法，包括如下步骤：

确定阈值：以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，确定该新的阈值为需要获取的阈值；

滤波除噪：以确定的阈值分割图像，通过阀值法构建频域滤波器，将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；

图像增强：构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；

边缘处理：采用水平和垂直算子对频域滤波处理后的图像进行边缘处理；

叠加处理：将边缘处理后的图像与离散主成分分析变换处理的图像进行叠加。

本发明的进一步技术方案是：在滤波除噪步骤中，构建频域滤波器的方法如下：在分割后的图像中，以原点为中心，依次以递增的半径画圆，分别统计不同半径下，落在每个圆上的亮点数，若圆上亮点数N(r＝n)/N(r＝n-1)<80％，则以r＝n为半径，圆内为要保留的部分，而其他明亮区域是要滤除的噪声部分，将图中r＝n半径的圆内部分设为0，得到了滤波器。

本发明的进一步技术方案是：在滤波除噪步骤中，还包括对所述频域滤波器处理过的频谱进行傅里叶逆变换。

本发明的进一步技术方案是：对图像向量进行离散主成分分析变换得到增强的图像向量的方法包括：保留前面多个较大的特征值，去除之后留下多个较小的特征值，求得所述前面多个的特征值所对应的特征向量，做离散主成分分析反变换，得到图像向量的一个近似值。

本发明的进一步技术方案是：还包括将叠加后的太赫兹图像进行图像锐化。

本发明的技术方案是：构建一种太赫兹图像条纹处理系统，包括阈值确定模块、滤波器构建模块，图像增强模块、边缘处理模块、叠加模块，以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，所述阈值确定模块确定该新的阈值为需要获取的阈值；所述滤波器构建模块以确定的阈值分割图像，通过阀值法构建频域滤波器，所述除噪模块将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；所述图像增强模块构建图像向量的协方差矩阵和正交矩阵，通过部分较大特征值所对应的特征向量进行离散主成分分析变换，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；所述边缘处理模块采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加模块将边缘处理后的图像与二阶高通滤波处理的图像进行叠加。

本发明的进一步技术方案是：还包括傅里叶逆变换模块，所述傅里叶逆变换模块对所述频域滤波器处理过的频谱进行傅里叶逆变换。

本发明的进一步技术方案是：还包括离散主成分分析变换模块，所述离散主成分分析变换模块保留前面多个较大的特征值，去除之后留下多个较小的特征值，求得所述前面多个的特征值所对应的特征向量，做离散主成分分析反变换，得到图像向量的一个近似值。

本发明的进一步技术方案是：还包括图像锐化模块，所述图像锐化模块将叠加后的太赫兹图像进行图像锐化。

本发明的进一步技术方案是：所述水平和垂直算子包括Roberts、Prewitt或是Sobel算子中的一种或多种。

本发明的技术效果是：构建一种太赫兹图像条纹处理方法及系统，通过确定阈值：以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，确定该新的阈值为需要获取的阈值；滤波除噪：以确定的阈值分割图像，通过阀值法构建频域滤波器，将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；图像增强：构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；边缘处理：采用水平和垂直算子对频域滤波处理后的图像进行边缘处理；叠加处理：将边缘处理后的图像与离散主成分分析变换处理的图像进行叠加。本发明专利采用阀值法来构建滤波器，每个构建的滤波器都是基于待处理的图像，具有一定的定向性，可以更好地根据不同的图像进行不同的处理，从而解决了算法通用性这一问题。同时，本发明专利又采用主成分变换来强化图像的主要结构，使得处理后的图像不仅起到了消除条纹噪声的效果，还使得图像得到进一步的增强。

附图说明

图1为本发明的流程图。

图2为本发明的结构示意图。

具体实施方式

下面结合具体实施例，对本发明技术方案进一步说明。

如图1所示，本发明的具体实施方式是：提供一种太赫兹图像条纹处理方法，包括如下步骤：

确定阈值：以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，确定该新的阈值为需要获取的阈值。

具体实施过程是：选择合适阀值，包括以下步骤：A、将图像中最大亮度值和最小亮度值的中间值定为T的初始估计值，记为T₀；B，使用T分割图像。亮度值大于等于T的所有像素组成P1，亮度值小于T的所有像素组成P2；C计算P1、P2范围内的像素的平均亮度值σ₁和σ₂；D，基于上述两个平均亮度值计算出一个新的阀值T₁；重复步骤B到D，直到最终T的差比初始估计值T₀小为止。

滤波除噪：以确定的阈值分割图像，通过阀值法构建频域滤波器，将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分。

具体实施过程是：在经过阀值分割之后，图像中可以看到要滤除的噪声部分以及要保留的部分。进行滤波除噪，首先要构建频域滤波器，构建频域滤波器的具体步骤如下：

A.分割后的图像中，以原点为中心，以半径为0开始画圆，每次增加1，

B.分别统计不同半径下，图中落在每个圆上的亮点数。

C.若圆上亮点数N(r＝n)/N(r＝n-1)<80％,则以r＝n为半径，圆内为要保留的部分，而其他明亮区域是要滤除的噪声部分。

D.将图中r＝n半径的圆内部分设为0，得到了滤波器。

然后将所得频域滤波器和太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分。傅里叶能量谱为图像处理过程中常用的处理方法，这里只需要将频域滤波器和傅里叶能量谱相乘。将用频域滤波器处理过的频谱进行傅里叶逆变换，得到了除噪后的图像。傅里叶逆变换也是傅里叶变换中的通常算法，这里应用到滤波除噪过程中，将用频域滤波器处理过的频谱进行傅里叶逆变换，得到了除噪后的图像。

图像增强：构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强。

具体实施过程如下：主成分分析(Principal Component Analysis,主成分分析，简称“PCA”)是一种图像变换，通过主成分分析变换，可以从大量混乱无序的数据中提取出最重要的元素和结构，从而去除噪声。滤波器处理过的图像向量i的协方差矩阵定义为：

C₁＝E[(1-m₁)(1-m₁)^T]

λ₁≥λ₂≥…≥λ_N ²是协方差矩阵C_i的特征值，对应的特征向量是b_i,构成了N²×N²正交矩阵B：

$B=\left[\begin{array}{c}{b}_1^T\\ b_2^T\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ b_{N^2}^T\end{array}\right]\left[\begin{array}{cccccc}{b}_{11}& b_{12}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{{1N}^2}\\ b_{21}& b_{22}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{2N^2}\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ b_{N^{2}1}& b_{N^{2}2}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{N^2{N}^2}\end{array}\right]$

离散PCA变换的数学表达式：

离散PCA反变换的数学表达式：

A是对称正交变换阵，是矩阵B的归一化形式。i,g分别是滤波器处理过的图像和变换后的图像向量。m_i是i的均值向量。

对i做离散PCA变换，保留前面k个较大的特征值λ₁≥λ₂≥…≥λ_k，去除之后N2-k个较小的特征值求得前k个的特征值所对应的特征向量，做离散PCA反变换，便得到图像向量i的一个近似。被去除的信息在较小的特征值对应的特征向量中，并不在里。是原图像向量i简化后的主要结构。噪音通常是由较小的特征值表示，去除较小特征值可以达到除噪效果，但边缘和纹理同样也包含在较小的特征值对应的特征向量中，所以在保持边缘和降低噪音之间要去的一个平衡。

边缘处理：采用Roberts边缘检测算子实现水平和垂直方向对非局域滤波处理后的图像进行边缘处理。设f(x，y)是图像灰度分布函数，则其Reberts边缘检测算子为

$g(x,y){\{{[\sqrt{f(x,y)}-\sqrt{f(x+1,y+1)}]}^2+{[\sqrt{f(x+1,y)}-\sqrt{f(x,y+1)}]}^2\}}^{\frac{1}{2}}$

Roberts边缘检测算子分别实现水平和垂直方向的边缘检测，算子形式为：

$\left\{\begin{array}{c}{\mathrm{\&Delta;}}_{x}f(x,y)=f(x,y)-f(x-1,y-1)\\ {\mathrm{\&Delta;}}_{y}f(x,y)=f(x-1,y)-f(x,y-1)\end{array}\right.$

叠加处理：基于灰度信息法的图像配准将边缘处理后的图像与二阶高通滤波处理的图像进行叠加,具体方法是定义一个基准图像I(x，y)和模板图像T(x，y)，令模板图像在基准图像上移动，并计算两者之间的相似程度，峰值出现的地方即是配准位置，每个确定的位移点(i，j)上的相似度计算公式为

$D(i,j)=\frac{{\mathrm{\&Sigma;}}_x{\mathrm{\&Sigma;}}_{y}T(x,y)I(x-i,y-j)}{\sqrt{{\mathrm{\&Sigma;}}_x{\mathrm{\&Sigma;}}_y{I}^2(x-i,y-j)}}$

图像锐化：将叠加后的太赫兹图像进行图像锐化，利用Roberts算子进行锐化，Roberts算子模板是一个2*2的模板，对于当前待处理像素f(x，y)，Roberts算子定义如下：

$\&dtri;f=|f(x+1.y+1)-f(x,y)|+|f(x+1,y)-f(x,y+1)|$

模板的具体表示为

$D_1=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right]$ $D_2=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]$

ξ₁＝D₁(f(x,y))  ξ₂＝D₂(f(x,y))

$\&dtri;f(x,y)=\left|{\mathrm{\&xi;}}_1\right|+\left|{\mathrm{\&xi;}}_2\right|$

得到最终处理图像。

如图2所示，本发明的具体实施方式是：构建一种太赫兹图像条纹处理系统，包括阈值确定模块1、除噪模块7、滤波器构建模块2，图像增强模块3、边缘处理模块4、叠加模块5，以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，所述阈值确定模块1确定该新的阈值为需要获取的阈值；所述滤波器构建模块2以确定的阈值分割图像，通过阀值法构建频域滤波器，所述除噪模块7将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；所述图像增强模块3构建图像向量的协方差矩阵和正交矩阵，通过部分较大特征值所对应的特征向量进行离散主成分分析变换，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；所述边缘处理模块4采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加模块5将边缘处理后的图像与二阶高通滤波处理的图像进行叠加。

所述阈值确定模块1工作过程如下：选择合适阀值，包括以下步骤：A、将图像中最大亮度值和最小亮度值的中间值定为T的初始估计值，记为T₀；B，使用T分割图像。亮度值大于等于T的所有像素组成P1，亮度值小于T的所有像素组成P2；C计算P1、P2范围内的像素的平均亮度值σ₁和σ₂；D，基于上述两个平均亮度值计算出一个新的阀值T₁；重复步骤B到D，直到最终T的差比初始估计值T₀小为止。

滤波器构建模块2以确定的阈值分割图像，通过阀值法构建频域滤波器。将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分。

具体实施过程是：在经过阀值分割之后，图像中可以看到要滤除的噪声部分以及要保留的部分。进行滤波除噪，首先要构建频域滤波器，构建频域滤波器的具体步骤如下：

A.分割后的图像中，以原点为中心，以半径为0开始画圆，每次增加1，

B.分别统计不同半径下，图中落在每个圆上的亮点数。

C.若圆上亮点数N(r＝n)/N(r＝n-1)<80％,则以r＝n为半径，圆内为要保留的部分，而其他明亮区域是要滤除的噪声部分。

D.将图中r＝n半径的圆内部分设为0，得到了滤波器。

然后所述除噪模块7将所得频域滤波器和太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分。傅里叶能量谱为图像处理过程中常用的处理方法，这里只需要将频域滤波器和傅里叶能量谱相乘。还包括傅里叶逆变换模块6，所述傅里叶逆变换模块对所述频域滤波器处理过的频谱进行傅里叶逆变换，得到了除噪后的图像。傅里叶逆变换也是傅里叶变换中的通常算法，这里应用到滤波除噪过程中，将用频域滤波器处理过的频谱进行傅里叶逆变换，得到了除噪后的图像。

图像增强模块3构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强。

具体实施过程如下：主成分分析(Principal Component Analysis,主成分分析，简称“PCA”)是一种图像变换，通过主成分分析变换，可以从大量混乱无序的数据中提取出最重要的元素和结构，从而去除噪声。滤波器处理过的图像向量i的协方差矩阵定义为：

C₁＝E[(1-m₁)(1-m₁)^T]

λ₁≥λ₂≥…≥λ_N ²是协方差矩阵C_i的特征值，对应的特征向量是b_i,构成了N²×N²正交矩阵B：

$B=\left[\begin{array}{c}{b}_1^T\\ b_2^T\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ b_{N^2}^T\end{array}\right]\left[\begin{array}{cccccc}{b}_{11}& b_{12}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{{1N}^2}\\ b_{21}& b_{22}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{2N^2}\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & & & \&CenterDot;\\ b_{N^{2}1}& b_{N^{2}2}& \&CenterDot;& \&CenterDot;& \&CenterDot;& b_{N^2{N}^2}\end{array}\right]$

离散PCA变换的数学表达式：

离散PCA反变换的数学表达式：

A是对称正交变换阵，是矩阵B的归一化形式。i,g分别是滤波器处理过的图像和变换后的图像向量。m_i是i的均值向量。

对i做离散PCA变换，保留前面k个较大的特征值λ₁≥λ₂≥…≥λ_k，去除之后N2-k个较小的特征值求得前k个的特征值所对应的特征向量，做离散PCA反变换，便得到图像向量i的一个近似。被去除的信息在较小的特征值对应的特征向量中，并不在里。是原图像向量i简化后的主要结构。噪音通常是由较小的特征值表示，去除较小特征值可以达到除噪效果，但边缘和纹理同样也包含在较小的特征值对应的特征向量中，所以在保持边缘和降低噪音之间要去的一个平衡。

边缘处理模块4采用水平和垂直算子对频域滤波处理后的图像进行边缘处理。

具体实施过程如下：使用Roberts的水平和垂直算子对主成分变换后的图像进行边缘检测。所述水平和垂直算子包括Roberts、Prewitt或是Sobel算子中的一种或多种。

图像边缘处理模块4采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理。

边缘处理：采用Roberts边缘检测算子实现水平和垂直方向对非局域滤波处理后的图像进行边缘处理。设f(x，y)是图像灰度分布函数，则其Reberts边缘检测算子为

$g(x,y){\{{[\sqrt{f(x,y)}-\sqrt{f(x+1,y+1)}]}^2+{[\sqrt{f(x+1,y)}-\sqrt{f(x,y+1)}]}^2\}}^{\frac{1}{2}}$

Roberts边缘检测算子分别实现水平和垂直方向的边缘检测，算子形式为：

$\left\{\begin{array}{c}{\mathrm{\&Delta;}}_{x}f(x,y)=f(x,y)-f(x-1,y-1)\\ {\mathrm{\&Delta;}}_{y}f(x,y)=f(x-1,y)-f(x,y-1)\end{array}\right.$

叠加模块5将边缘处理后的图像与离散主成分分析变换处理的图像进行叠加。还包括图像锐化模块8，所述图像锐化模块将叠加后的太赫兹图像进行图像锐化，图像锐化模块8用Roberts算子对叠加图进行锐化，得到最终增强的太赫兹图像。

图像叠加模块5将边缘处理后的图像与二阶高通滤波处理的图像进行叠加，将叠加后的太赫兹图像进行图像锐化，得到最终处理图像。

叠加处理：基于灰度信息法的图像配准将边缘处理后的图像与二阶高通滤波处理的图像进行叠加,具体方法是定义一个基准图像I(x，y)和模板图像T(x，y)，令模板图像在基准图像上移动，并计算两者之间的相似程度，峰值出现的地方即是配准位置，每个确定的位移点(i，j)上的相似度计算公式为

$D(i,j)=\frac{{\mathrm{\&Sigma;}}_x{\mathrm{\&Sigma;}}_{y}T(x,y)I(x-i,y-j)}{\sqrt{{\mathrm{\&Sigma;}}_x{\mathrm{\&Sigma;}}_y{I}^2(x-i,y-j)}}$

图像锐化：将叠加后的太赫兹图像进行图像锐化，利用Roberts算子进行锐化，Roberts算子模板是一个2*2的模板，对于当前待处理像素f(x，y)，Roberts算子定义如下：

$\&dtri;f=|f(x+1.y+1)-f(x,y)|+|f(x+1,y)-f(x,y+1)|$

模板的具体表示为

$D_1=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right]$ $D_2=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]$

ξ₁＝D₁(f(x,y))  ξ₂＝D₂(f(x,y))

$\&dtri;f(x,y)=\left|{\mathrm{\&xi;}}_1\right|+\left|{\mathrm{\&xi;}}_2\right|$

得到最终处理图像。

本发明的技术效果是：构建一种太赫兹图像条纹处理方法及系统，通过确定阈值：以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，确定该新的阈值为需要获取的阈值；滤波除噪：以确定的阈值分割图像，通过阀值法构建频域滤波器，将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；图像增强：构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；边缘处理：采用水平和垂直算子对频域滤波处理后的图像进行边缘处理；叠加处理：将边缘处理后的图像与离散主成分分析变换处理的图像进行叠加。本发明专利采用阀值法来构建滤波器，每个构建的滤波器都是基于待处理的图像，具有一定的定向性，可以更好地根据不同的图像进行不同的处理，从而解决了算法通用性这一问题。同时，本发明专利又采用主成分变换来强化图像的主要结构，使得处理后的图像不仅起到了消除条纹噪声的效果，还使得图像得到进一步的增强。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1. 一种太赫兹图像条纹处理方法，包括如下步骤：

确定阈值：以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，确定该新的阈值为需要获取的阈值；

滤波除噪：以确定的阈值分割图像，通过阀值法构建频域滤波器，将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；

图像增强：构建图像向量的协方差矩阵和正交矩阵，对图像向量进行离散主成分分析变换得到增强的图像向量，具体包括：离散主成分分析变换方法是通过部分较大特征值所对应的特征向量，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；

边缘处理：采用水平和垂直算子对频域滤波处理后的图像进行边缘处理；

叠加处理：将边缘处理后的图像与离散主成分分析变换处理的图像进行叠加。

2.根据权利要求1所述太赫兹图像条纹处理方法，其特征在于，在滤波除噪步骤中，构建频域滤波器的方法如下：在分割后的图像中，以原点为中心，依次以递增的半径画圆，分别统计不同半径下，落在每个圆上的亮点数，若圆上亮点数N（r=n）/N(r=n-1)<80%，则以r=n为半径，圆内为要保留的部分，而其他明亮区域是要滤除的噪声部分，将图中r=n半径的圆内部分设为0，得到了滤波器。

3.根据权利要求1所述太赫兹图像条纹处理方法，其特征在于，在滤波除噪步骤中，还包括对所述频域滤波器处理过的频谱进行傅里叶逆变换。

4.根据权利要求1所述太赫兹图像条纹处理方法，其特征在于，对图像向量进行离散主成分分析变换得到增强的图像向量的方法包括：保留前面多个较大的特征值，去除之后留下多个较小的特征值，求得所述前面多个的特征值所对应的特征向量，做离散主成分分析反变换，得到图像向量的一个近似值。

5.根据权利要求1所述太赫兹图像条纹处理方法，其特征在于，还包括将叠加后的太赫兹图像进行图像锐化。

6.一种太赫兹图像条纹处理系统，其特征在于，包括阈值确定模块、滤波器构建模块、除噪模块、图像增强模块、边缘处理模块、叠加模块，以图像像素的平均亮度值为初始阈值，通过图像像素的平均亮度值对图像像素的亮度划分范围，根据各个范围内图像像素的平均亮度值确定新的阈值，直到新的阈值比初始阈值小，所述阈值确定模块确定该新的阈值为需要获取的阈值；所述滤波器构建模块以确定的阈值分割图像，通过阀值法构建频域滤波器，所述除噪模块将构建的频域滤波器与太赫兹图像的傅里叶能量谱相乘，滤除了频域中的条纹噪声成分；所述图像增强模块构建图像向量的协方差矩阵和正交矩阵，通过部分较大特征值所对应的特征向量进行离散主成分分析变换，再对所述特征特别向量进行离散主成分分析反变换进行图像增强；所述边缘处理模块采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加模块将边缘处理后的图像与二阶高通滤波处理的图像进行叠加。

7.根据权利要求6所述太赫兹图像条纹处理系统，其特征在于，还包括傅里叶逆变换模块，所述傅里叶逆变换模块对所述频域滤波器处理过的频谱进行傅里叶逆变换。

8.根据权利要求6所述太赫兹图像条纹处理系统，其特征在于，还包括离散主成分分析变换模块，所述离散主成分分析变换模块保留前面多个较大的特征值，去除之后留下多个较小的特征值，求得所述前面多个的特征值所对应的特征向量，做离散主成分分析反变换，得到图像向量的一个近似值。

9.根据权利要求6所述太赫兹图像条纹处理系统，其特征在于，还包括图像锐化模块，所述图像锐化模块将叠加后的太赫兹图像进行图像锐化。

10.根据权利要求6所述太赫兹图像条纹处理系统，其特征在于，所述水平和垂直算子包括Roberts、Prewitt或是Sobel算子中的一种或多种。