CN106651784A - 一种用于去除高斯固定图案噪声的非均匀校正方法 - Google Patents
一种用于去除高斯固定图案噪声的非均匀校正方法 Download PDFInfo
- Publication number
- CN106651784A CN106651784A CN201610886787.5A CN201610886787A CN106651784A CN 106651784 A CN106651784 A CN 106651784A CN 201610886787 A CN201610886787 A CN 201610886787A CN 106651784 A CN106651784 A CN 106651784A
- Authority
- CN
- China
- Prior art keywords
- denoising
- rsqb
- lsqb
- overbar
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012937 correction Methods 0.000 title claims abstract description 8
- 238000012935 Averaging Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 abstract 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Abstract
本发明涉及一种用于去除高斯固定图案噪声的非均匀校正方法,构建基于去噪参数的线性去噪模型,并且以均值滤波为基础,假设每帧理想的无噪视频图像是其对应噪声图像去噪结果的四邻域平均。这样,通过构建误差函数可以得到递推形式的去噪参数。由于充分考虑了红外视频图像中场景变化而噪声不变这一特性,在上述假设前提下重新构造误差函数,自适应求出去噪参数的步长因子,进而对于每帧噪声图像都可以得到当前最优的去噪参数。并且随着帧数的增加,去噪参数会收敛到一个较好的水平,去噪效果远远优于只使用均值滤波的方法。
Description
技术领域
本发明属于图像处理技术领域,涉及红外视频图像中涉及一种用于去除高斯固定图案噪声的非均匀校正方法。
背景技术
由于制造工艺的限制,使得红外焦平面阵列上各探测单元之间的响应度不完全一致,导致固定图案噪声(Fixed-Pattern Noise,FPN)的出现,它严重影响了光电系统的成像质量。一般来说,在红外成像之前,需要使用基于标定的方法对探测器的非均匀性进行预校正。但噪声参数会随着时间的变化而缓慢漂移,导致系统工作一段时间后成像质量退化。在这个过程中可以认为漂移的固定图案噪声满足高斯分布,为了有效去除高斯噪声,一种较常用的方法是使用均值滤波,因为高斯噪声的均值为常数,而图像相邻像素间一般差异较小,均值滤波可以在对真实图像影响不大的情况下使噪声变均匀,进而达到图像去噪的目的。常见的均值滤波方法有多种,如:四邻域平均、八邻域平均等,如下所示为四邻域平均法:
zi,j=[xi,j-1+xi,j+1+xi-1,j+xi+1,j]/4 (1)
其中,xi,j-1、xi,j+1、xi-1,j、xi+1,j分别为图像坐标(i,j)的左、右、上、下四个邻域的像素值,zi,j为(i,j)处的滤波结果。然而对于红外视频图像中的高斯固定图案噪声,如果只是单帧进行平滑处理,由于没有充分考虑到场景变化而噪声不变的特性以及相邻帧图像之间的关联性,使得去噪效果并不理想。另外,增加平滑模板的尺寸也是一种有效去噪的方法,如:将四邻域平均换成八邻域平均甚至更大,但这样做容易导致真实场景变模糊。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种用于去除高斯固定图案噪声的非均匀校正方法,针对红外视频图像中高斯固定图案噪声的递推去噪方法,能够随着视频图像帧数的增加,逐步去除图像中的高斯固定图案噪声。
技术方案
一种用于去除高斯固定图案噪声的非均匀校正方法,其特征在于步骤如下:
步骤1、构建去噪模型:
yi,j(k)=Gi,j(k)xi,j(k)+Oi,j(k)
其中,xi,j(k)表示第k帧噪声图像上坐标为(i,j)的像素值,yi,j(k)表示去噪结果,Gi,j(k)和Oi,j(k)分别表示乘性去噪参数和加性去噪参数;
理想真实图像为图像去噪结果的四邻域平均为:
fi,j(k)=[yi,j+1(k)+yi,j-1(k)+yi-1,j(k)+yi+1,j(k)]/4
步骤2、初始化:图像xi,j(k)为大小为M×N的红外视频图像的第一帧图像,k=0,1≤i≤M,1≤j≤N;对于第一帧图像xi,j(k)初始化乘性去噪参数Gi,j(0)=1,加性去噪参数Oi,j(0)=0;
初始化第一帧图像的去噪结果为输入图像的四邻域平均,即:yi,j(0)=[xi,j-1(0)+xi,j+1(0)+xi-1,j(0)+xi+1,j(0)]/4(1<i<M,1<j<N);
步骤3:对于第k+1帧输入图像x(k+1),利用第k帧已有结果:y(k)、x(k)、f(k)、G(k)、O(k),分别解算出乘性去噪参数和加性去噪参数的步长因子和
其中:
Ai,j(k+1)=xi,j(k)xi,j(k+1)[yi,j(k)-fi,j(k)]
Bi,j(k+1)=Gi,j(k)xi,j(k+1)+Oi,j(k)
Ci,j(k+1)=yi,j(k)-fi,j(k)
步骤4:根据步长因子和分别计算出乘性去噪参数G(k+1)和加性去噪参数O(k+1):
步骤5:根据去噪模型计算出第k+1帧去噪结果y(k+1):
yi,j(k+1)=Gi,j(k+1)xi,j(k+1)+Oi,j(k+1)
步骤6:令k=k+1,重复执行步骤3~步骤6。
有益效果
本发明提出的一种用于去除高斯固定图案噪声的非均匀校正方法,构建基于去噪参数的线性去噪模型,并且以均值滤波为基础,假设每帧理想的无噪视频图像是其对应噪声图像去噪结果的四邻域平均。这样,通过构建误差函数可以得到递推形式的去噪参数。由于充分考虑了红外视频图像中场景变化而噪声不变这一特性,在上述假设前提下重新构造误差函数,自适应求出去噪参数的步长因子,进而对于每帧噪声图像都可以得到当前最优的去噪参数。并且随着帧数的增加,去噪参数会收敛到一个较好的水平,去噪效果远远优于只使用均值滤波的方法。
附图说明
图1是本发明的方法流程示意图
图2是本发明实施例的效果图,其中,a)是第200帧原始图像,b)是a)叠加固定高斯噪声后的图像,c)是b)只使用均值滤波后的结果,d)是本发明对b)的去噪效果。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
实验用红外视频图像共200帧,大小为250×160个像素,8位位深(即256个灰度级),第200帧原始图像见附图2中的a)图。使用Matlab软件中的normrnd函数产生一幅同样尺寸的均值为0、标准差为50的固定高斯噪声图叠加在原始视频图像序列上,结果如附图2中的b)图所示。
通过解算每一帧红外图像的误差函数,实时更新去噪参数的步长因子,进而求出当前最优的去噪参数,实现对高斯固定图案噪声逐帧去噪的目的。本发明具体实现步骤如下:
步骤1、构建去噪模型:yi,j(k)=Gi,j(k)xi,j(k)+Oi,j(k)(2)
其中,xi,j(k)表示第k帧噪声图像上坐标为(i,j)的像素值,yi,j(k)表示去噪结果,Gi,j(k)和Oi,j(k)分别表示乘性去噪参数和加性去噪参数;
假定理想真实图像即为图像去噪结果的四邻域平均:
fi,j(k)=[yi,j+1(k)+yi,j-1(k)+yi-1,j(k)+yi+1,j(k)]/4 (3)
构建误差函数F(G,O):
F(G,O)=[G(k)x(k)+O(k)-f(k)]2 (4)
使用最速下降法得:
其中,和分别为乘性去噪参数G和加性去噪参数O的步长因子;
步骤2:初始化:视频图像大小为M×N,对于第一帧图像(k=0),初始化Gi,j(0)=1,Oi,j(0)=0(1≤i≤M,1≤j≤N)。去噪结果直接为输入图像的四邻域平均,即:yi,j(0)=[xi,j-1(0)+xi,j+1(0)+xi-1,j(0)+xi+1,j(0)]/4(1<i<M,1<j<N);
步骤3:对于第k+1帧输入图像x(k+1),借助第k帧已有结果:y(k)、x(k)、f(k)、G(k)、O(k),分别解算出乘性去噪参数和加性去噪参数的步长因子和
和的计算:
构建误差函数E(k+1):
其中,
yi,j(k+1)=Gi,j(k+1)xi,j(k+1)+Oi,j(k+1)
=Gi,j(k)xi,j(k+1)+Oi,j(k)-2[yi,j(k)-fi,j(k)][α1(k)xi,j(k)xi,j(k+1)+α2(k)]
fi,j(k+1)=[yi,j+1(k+1)+yi,j-1(k+1)+yi-1,j(k+1)+yi+1,j(k+1)]/4
使用E(k+1)对α1(k)和α2(k)分别进行求导,并令其结果为零,得:
其中,和分别为α1(k)和α2(k)的最优解。
其中:
Ai,j(k+1)=xi,j(k)xi,j(k+1)[yi,j(k)-fi,j(k)]
Bi,j(k+1)=Gi,j(k)xi,j(k+1)+Oi,j(k)
Ci,j(k+1)=yi,j(k)-fi,j(k)
步骤4:使用步长因子式(8)和式(9)分别计算出乘性去噪参数G(k+1)和加性去噪参数O(k+1);
步骤5:使用去噪模型式(2)计算出第k+1帧去噪结果输出y(k+1);
yi,j(k)=Gi,j(k)xi,j(k)+Oi,j(k)
步骤6:令k=k+1,返回执行步骤3~步骤6。
附图2中的d)图是本发明对于第200帧图像的去噪结果,c)图是直接使用四邻域均值滤波处理的结果。
从结果图可以看出,由于充分利用了红外视频图像中帧与帧之间的相互关系特性,本发明在有效去除高斯固定图案噪声的同时很好地保持了原图像的细节信息,去噪效果远远优于只使用单帧均值滤波的方法。
Claims (1)
1.一种用于去除高斯固定图案噪声的非均匀校正方法,其特征在于步骤如下:
步骤1、构建去噪模型:yi,j(k)=Gi,j(k)xi,j(k)+Oi,j(k)
其中,xi,j(k)表示第k帧噪声图像上坐标为(i,j)的像素值,yi,j(k)表示去噪结果,Gi,j(k)和Oi,j(k)分别表示乘性去噪参数和加性去噪参数;
理想真实图像为图像去噪结果的四邻域平均为:
fi,j(k)=[yi,j+1(k)+yi,j-1(k)+yi-1,j(k)+yi+1,j(k)]/4
步骤2、初始化:图像xi,j(k)为大小为M×N的红外视频图像的第一帧图像,k=0,1≤i≤M,1≤j≤N;对于第一帧图像xi,j(k)初始化乘性去噪参数Gi,j(0)=1,加性去噪参数Oi,j(0)=0;
初始化第一帧图像的去噪结果为输入图像的四邻域平均,即:yi,j(0)=[xi,j-1(0)+xi,j+1(0)+xi-1,j(0)+xi+1,j(0)]/4;
步骤3:对于第k+1帧输入图像x(k+1),利用第k帧已有结果:y(k)、x(k)、f(k)、G(k)、O(k),分别解算出乘性去噪参数和加性去噪参数的步长因子和
其中:
Ai,j(k+1)=xi,j(k)xi,j(k+1)[yi,j(k)-fi,j(k)]
Bi,j(k+1)=Gi,j(k)xi,j(k+1)+Oi,j(k)
Ci,j(k+1)=yi,j(k)-fi,j(k)
步骤4:根据步长因子和分别计算出乘性去噪参数G(k+1)和加性去噪参数O(k+1):
步骤5:根据去噪模型计算出第k+1帧去噪结果y(k+1):
yi,j(k+1)=Gi,j(k+1)xi,j(k+1)+Oi,j(k+1)
步骤6:令k=k+1,重复执行步骤3~步骤6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886787.5A CN106651784A (zh) | 2016-10-11 | 2016-10-11 | 一种用于去除高斯固定图案噪声的非均匀校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886787.5A CN106651784A (zh) | 2016-10-11 | 2016-10-11 | 一种用于去除高斯固定图案噪声的非均匀校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651784A true CN106651784A (zh) | 2017-05-10 |
Family
ID=58855136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610886787.5A Pending CN106651784A (zh) | 2016-10-11 | 2016-10-11 | 一种用于去除高斯固定图案噪声的非均匀校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651784A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274359A (zh) * | 2017-05-24 | 2017-10-20 | 中国计量大学 | 一种面阵用虚拟像元内插细分与信号平滑化的方法 |
CN112565637A (zh) * | 2020-11-20 | 2021-03-26 | 中国航空工业集团公司洛阳电光设备研究所 | 一种单色sCMOS摄像机中低照度下条带噪声的去除方法 |
-
2016
- 2016-10-11 CN CN201610886787.5A patent/CN106651784A/zh active Pending
Non-Patent Citations (5)
Title |
---|
刘慧 等: "《红外焦平面阵列非均匀性自适应校正方法》", 《红外与激光工程》 * |
刘永进: "《基于场景的红外焦平面阵列非均匀校正算法研究》", 《万方学位论文数据库》 * |
刘爽 等: "《一种红外图像非均匀性校正新方法的DSP实现》", 《仪器仪表学报》 * |
吴泽鹏: "《非制冷红外热成像系统关键技术研究》", 《中国优秀硕士学位论文全文数据库》 * |
金伟其 等: "《基于场景的红外焦平面阵列非均匀性校正算法研究》", 《红外与激光工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274359A (zh) * | 2017-05-24 | 2017-10-20 | 中国计量大学 | 一种面阵用虚拟像元内插细分与信号平滑化的方法 |
CN107274359B (zh) * | 2017-05-24 | 2020-06-30 | 中国计量大学 | 一种面阵用虚拟像元内插细分与信号平滑化的方法 |
CN112565637A (zh) * | 2020-11-20 | 2021-03-26 | 中国航空工业集团公司洛阳电光设备研究所 | 一种单色sCMOS摄像机中低照度下条带噪声的去除方法 |
CN112565637B (zh) * | 2020-11-20 | 2022-07-29 | 中国航空工业集团公司洛阳电光设备研究所 | 一种单色sCMOS摄像机中低照度下条带噪声的去除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102538973B (zh) | 一种快速收敛的基于场景非均匀性校正方法 | |
CN104330167B (zh) | 红外焦平面阵列动态盲元处理方法及装置 | |
CN110211056B (zh) | 基于局部中值直方图的自适应红外图像去条纹算法 | |
CN104021533B (zh) | 一种实时图像降噪方法及装置 | |
CN107767346A (zh) | 一种红外图像条纹噪声滤波方法 | |
CN108230249B (zh) | 基于各向异性的l1范数全变分正则化非均匀性校正方法 | |
CN106934771A (zh) | 一种基于局部相关性的红外图像条纹噪声去除方法 | |
CN105578082A (zh) | 一种自适应黑电平校正方法 | |
CN106846261A (zh) | 基于卷积神经网络的水下图像处理方法 | |
CN104252700A (zh) | 一种红外图像的直方图均衡化方法 | |
CN108665425A (zh) | 基于帧间配准和自适应步长的红外图像非均匀性校正方法 | |
CN102385701A (zh) | 扫描型红外成像系统的非均匀校正方法 | |
CN102521797A (zh) | 扫描型红外成像系统的场景非均匀校正方法 | |
CN107993200A (zh) | 基于深度学习的图像噪声水平估计方法 | |
CN106803235A (zh) | 基于各向异性时空域全变分非均匀性校正的方法 | |
CN106886983A (zh) | 基于Laplace算子和反卷积的图像非均匀性校正方法 | |
CN103268596A (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
CN105761231A (zh) | 一种用于去除高分辨率天文图像中条纹噪声的方法 | |
CN103997592B (zh) | 视频降噪方法和系统 | |
CN106651784A (zh) | 一种用于去除高斯固定图案噪声的非均匀校正方法 | |
CN101291391A (zh) | 图像处理方法以及相关的部分点扩散函数估测方法 | |
CN103903227B (zh) | 一种图像降噪的方法和装置 | |
CN109345609A (zh) | 基于卷积神经网络进行壁画图像去噪和线描画生成的方法 | |
CN105279742B (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
CN106846275A (zh) | 一种红外视频图像条状噪声实时消除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170510 |
|
WD01 | Invention patent application deemed withdrawn after publication |