CN106815820B - 一种红外图像条状噪声消除方法 - Google Patents

一种红外图像条状噪声消除方法 Download PDF

Info

Publication number
CN106815820B
CN106815820B CN201710059826.9A CN201710059826A CN106815820B CN 106815820 B CN106815820 B CN 106815820B CN 201710059826 A CN201710059826 A CN 201710059826A CN 106815820 B CN106815820 B CN 106815820B
Authority
CN
China
Prior art keywords
infrared image
correction
kth time
image
strip noise
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.)
Expired - Fee Related
Application number
CN201710059826.9A
Other languages
English (en)
Other versions
CN106815820A (zh
Inventor
王书朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN201710059826.9A priority Critical patent/CN106815820B/zh
Publication of CN106815820A publication Critical patent/CN106815820A/zh
Application granted granted Critical
Publication of CN106815820B publication Critical patent/CN106815820B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/10048—Infrared image

Abstract

本发明公开了一种红外图像条状噪声消除方法，包括步骤：一、输入原始红外图像；二、设置迭代次数K及迭代序号k并迭代初始化；三、计算第k次校正后红外图像Xk(i,j)；四、计算第k次校正后红外图像梯度的模五、更新校正参数Gk(j)和Ok(j)；六、判断k+1<K是否成立；七、输出最终红外图像XK(i,j)。本发明设计新颖，步骤简单，针对红外图像条状噪声的产生机理，通过最小化校正图像的能量函数估计校正参数，利用线性变换校正图像条状噪声，只利用红外图像本身就可以完成消除条状噪声，不需要借助黑体对焦平面阵列进行周期性标定，在有效消除红外图像条状噪声的同时不会造成图像细节模糊，该方法计算量小，实时性好，便于推广使用。

Description

一种红外图像条状噪声消除方法
技术领域
本发明属于图像去噪技术领域，具体涉及一种红外图像条状噪声消除方法。
背景技术
红外成像系统能够捕获人眼无法看见的红外信息，在工业、医学、军事等领域具有重要的应用价值。红外焦平面阵列是当前红外成像系统使用的主流技术，它具有体积小、制造成本低、敏感度高等优点。红外焦平面阵列通常采用列输出方式，即一个读出电路读取焦平面阵列中位于相同列的传感器响应。由于各读出电路无法做到完全相同，这种差异会在红外图像中产生明显的条状固定模式噪声。为了消除条状固定模式噪声，主要有两类方法：基于标定的固定模式噪声消除方法和基于场景的固定模式噪声消除方法。基于标定的噪声消除方法需要在拍摄过程中使用黑体(各处温度相同的物体)校正参数，因此会中断拍摄过程。基于场景的噪声消除方法仅使用连续拍摄的场景图像序列估计校正参数，但容易导致“伪影”现象。
上述两类方法均无法处理单幅含条状噪声的红外图像。传统的图像滤波方法无法有效消除条状噪声，同时还会导致图像模糊。Tendero和Gilles提出使用Midway直方图均衡方法消除图像列间差异，达到消除条状噪声的目的，其优点是不需要使用待去噪图像以外的其它信息。但是这种方法计算量大，并且无法完全消除条状噪声。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种红外图像条状噪声消除方法，针对红外图像条状噪声的产生机理，通过最小化校正图像的能量估计校正参数，利用线性变换校正图像条状噪声，只利用红外图像本身就可以完成消除条状噪声，不需要额外的信息，在有效消除红外图像条状噪声的同时不会造成图像细节模糊，该方法计算量小，实时性好，便于推广使用。
为解决上述技术问题，本发明采用的技术方案是：一种红外图像条状噪声消除方法，其特征在于该方法包括以下步骤：
步骤一、输入原始红外图像：输入一幅带有条状噪声的原始红外图像Y(i,j)，原始红外图像Y(i,j)像素为M×N，其中，i＝1,2，…，M且j＝1,2，…，N；
步骤二、设置迭代次数K及迭代序号k并迭代初始化：设定迭代次数为K，同时初始化校正参数Gk(j)和Ok(j)，并给定初始迭代序号k＝0取G0(j)和O0(j)，其中，k≤K且K≥1，Gk(j)为第k次迭代后计算得到的红外图像第j列的增益校正参数，Ok(j)为第k次迭代后计算得到的红外图像第j列的偏置校正参数；
步骤三、根据公式Xk(i,j)＝Gk(j)Y(i,j)+Ok(j)，计算第k次校正后的红外图像Xk(i,j)；
步骤四、根据公式计算第k次校正后红外图像梯度的模其中，为第k次校正后红外图像Xk(i,j)在(i，j)像素处的梯度的模值；
步骤五、根据公式更新校正参数Gk(j)和Ok(j)，其中，Gk+1(j)为校正参数Gk(j)更新一次后的增益校正参数，Ok+1(j)为校正参数Ok(j)更新一次后的偏置校正参数，Ek为第k次校正后红外图像Xk(i,j)的能量函数且λ为更新步长且为正常数；
步骤六、判断k+1<K是否成立：当k+1<K成立时，将k+1视为新的k，循环步骤三至步骤五；当k+1<K不成立时，k+1取K，执行步骤七；
步骤七、输出最终红外图像XK(i,j)：根据公式XK(i,j)＝GK(j)Y(i,j)+OK(j)，计算输出第K次校正后最终红外图像XK(i,j)。
上述的一种红外图像条状噪声消除方法，其特征在于：步骤二中所述
上述的一种红外图像条状噪声消除方法，其特征在于：所述K取1～50000。
上述的一种红外图像条状噪声消除方法，其特征在于：所述λ取0～1。
上述的一种红外图像条状噪声消除方法，其特征在于：步骤五中为第k次校正后红外图像Xk(i,j)的能量函数对于其增益校正参数的偏导数且 为第k次校正后红外图像Xk(i,j)的能量函数对于其偏置校正参数的偏导数且其中，为第k次校正后红外图像Xk(i,j)在(i+1，j)像素处梯度的模值，为第k次校正后红外图像Xk(i,j)在(i，j+1)像素处梯度的模值。
本发明与现有技术相比具有以下优点：
1、本发明引入增益校正参数和偏置校正参数揭示条状噪声的产生机理，通过最小化校正图像能量函数估计最优校正参数，图像的能量函数与图像梯度有关，图像梯度反映了噪声的强弱，最小化能量函数相当于尽可能地消除噪声。采用梯度下降法最小化能量函数，经过多次迭代得到最优校正参数，最后使用最优校正参数有效消除图像中的条状噪声，去噪效果明显。
2、本发明通过设置迭代次数，便于规定图像去噪所需时间，迭代次数设置有效，可靠稳定，使用效果好。
3、本发明只需要使用单幅红外图像就可以完成对图像的去噪，不需要测量其它额外的信息，步骤简单，计算量小，解决了红外图像中条状噪声问题，便于推广使用。
综上所述，本发明针对红外图像条状噪声的产生机理，通过最小化校正图像的能量函数估计校正参数，利用线性变换校正图像条状噪声，只利用红外图像本身就可以完成消除条状噪声，不需要额外的信息。在有效消除红外图像条状噪声的同时不会造成图像细节模糊，该方法计算量小，实时性好，便于推广使用。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明采用的红外图像条状噪声消除设备的电路原理框图。
图2为本发明的方法流程框图。
图3为本发明未消除条状噪声的红外图像效果图。
图4为本发明消除条状噪声的红外图像效果图。
附图标记说明:
1—图像采集模块； 2—图像处理模块。
具体实施方式
如图1和图2所示，本发明包括一种红外图像条状噪声消除方法，包括以下步骤：
步骤一、输入原始红外图像：输入一幅带有条状噪声的原始红外图像Y(i,j)，原始红外图像Y(i,j)像素为M×N，其中，i＝1,2，…，M且j＝1,2，…，N；
需要说明的是，像素为M×N的红外图像表示图像包含M行，每行有N个像素，本实施例中，采用图像采集模块1采集像素为288×384的红外图像并传输至图像处理模块2中处理，实际使用中，图像采集模块1包括红外焦平面探测器，图像处理模块2为计算机、高速微控制器或现场可编程门阵列，红外焦平面探测器的红外焦平面阵列通常采用列输出方式，即一个读出电路读取红外焦平面阵列中位于相同列的传感器响应，如图3所示，图像中包含了条状非均匀性噪声。
步骤二、设置迭代次数K及迭代序号k并迭代初始化：设定迭代次数为K，同时初始化校正参数Gk(j)和Ok(j)，并给定初始迭代序号k＝0取G0(j)和O0(j)，其中，k≤K且K≥1，Gk(j)为第k次迭代后计算得到的红外图像第j列的增益校正参数，Ok(j)为第k次迭代后计算得到的红外图像第j列的偏置校正参数，所述K取1～50000；
本实施例中，步骤二中所述
实际使用中，设置迭代次数K确保在指定的处理时间内，得到最优的增益校正参数和偏置校正参数，本实施例中，所述K取200。
采用增益校正参数和偏置校正参数对采集的图像信息校正，初始化增益校正参数和偏置校正参数，赋予保持图像初始状态下为图像采集模块1采集的原始图像。
步骤三、根据公式Xk(i,j)＝Gk(j)Y(i,j)+Ok(j)，计算第k次校正后的红外图像Xk(i,j)；
步骤四、根据公式计算第k次校正后红外图像梯度的模其中，为第k次校正后红外图像Xk(i,j)在(i，j)像素处的梯度的模值；
步骤五、根据公式更新校正参数Gk(j)和Ok(j)，其中，Gk+1(j)为校正参数Gk(j)更新一次后的增益校正参数，Ok+1(j)为校正参数Ok(j)更新一次后的偏置校正参数，Ek为第k次校正后红外图像Xk(i,j)的能量函数且λ为更新步长且为正常数；
本实施例中，所述λ取0～1。
本实施例中，由于图像采集模块1采集的图像带有明显的条状噪声，需要调节合适的增益校正参数和偏置校正参数来消除条状噪声，为了使每次迭代过程中计算得到的新修正参数能达到更好的消除条状噪声的效果，采用梯度下降法更新校正参数，使得用新参数校正后的图像能量函数Ek更小，本实施例中，更新步长λ取0.0001，更新效果好。
实际操作中，λ取值不易过大，若λ取值过大，会造成算法无法收敛，迭代次数K的取值与λ的值有关，λ取的小，每一次更新量就小，需要更多的迭代次数使能量函数Ek最小化，K的取值就大。
本实施例中，步骤五中为第k次校正后红外图像Xk(i,j)的能量函数对于其增益校正参数的偏导数且 为第k次校正后红外图像Xk(i,j)的能量函数对于其偏置校正参数的偏导数且其中，为第k次校正后红外图像Xk(i,j)在(i+1，j)像素处梯度的模值，为第k次校正后红外图像Xk(i,j)在(i，j+1)像素处梯度的模值。
实际计算时，更新校正参数Gk(j)和Ok(j)分别计算，能量函数Ek对增益校正参数Gk(j)的偏导数忽略偏置校正参数Ok(j)变化的影响，由于能量函数第k次校正后红外图像梯度的模且Xk(i,j)＝Gk(j)Y(i,j)+Ok(j)可得的值与Xk(i,j)和Y(i,j)的像素值均有关，能量函数Ek对偏置校正参数Ok(j)的偏导数忽略增益校正参数Gk(j)变化的影响，可得的值仅与本次迭代产生的红外图像Xk(i,j)的像素值有关，本实施例中，采用前向差分的方式求第k次校正后红外图像Xk(i,j)的能量函数对于其增益校正参数的偏导数以及第k次校正后红外图像Xk(i,j)的能量函数对于其偏置校正参数的偏导数，找到能量下降方向，实际计算时，能量函数Ek对增益校正参数Gk(j)的偏导数以及能量函数Ek对偏置校正参数Ok(j)的偏导数也可采用后向差分或中心差分的方式计算偏导数，找到能量下降方向，并且采用梯度下降法更新校正参数，处理速度快。
步骤六、判断k+1<K是否成立：当k+1<K成立时，将k+1视为新的k，循环步骤三至步骤五；当k+1<K不成立时，k+1取K，执行步骤七；
步骤七、输出最终红外图像XK(i,j)：根据公式XK(i,j)＝GK(j)Y(i,j)+OK(j)，计算K次校正后最终红外图像XK(i,j)。
如图4所示，对于条状噪声去噪效果明显，实际操作中，根据图像处理时间与红外图像校正效果结合最优的条件下，本实施例中，在更新步长λ取0.0001下，经过200次迭代，输出最终红外图像XK(i,j)。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (5)

1.一种红外图像条状噪声消除方法，其特征在于该方法包括以下步骤：
步骤一、输入原始红外图像：输入一幅带有条状噪声的原始红外图像Y(i,j)，原始红外图像Y(i,j)像素为M×N，其中，i＝1,2，…，M且j＝1,2，…，N；
步骤二、设置迭代次数K及迭代序号k并迭代初始化：设定迭代次数为K，同时初始化校正参数Gk(j)和Ok(j)，并给定初始迭代序号k＝0取G0(j)和O0(j)，其中，k≤K且K≥1，Gk(j)为第k次迭代后计算得到的红外图像第j列的增益校正参数，Ok(j)为第k次迭代后计算得到的红外图像第j列的偏置校正参数；
步骤三、根据公式Xk(i,j)＝Gk(j)Y(i,j)+Ok(j)，计算第k次校正后的红外图像Xk(i,j)；
步骤四、根据公式计算第k次校正后红外图像梯度的模其中，为第k次校正后红外图像Xk(i,j)在(i，j)像素处的梯度的模值；
步骤五、根据公式更新校正参数Gk(j)和Ok(j)，其中，Gk+1(j)为校正参数Gk(j)更新一次后的增益校正参数，Ok+1(j)为校正参数Ok(j)更新一次后的偏置校正参数，Ek为第k次校正后红外图像Xk(i,j)的能量函数且λ为更新步长且为正常数；
步骤六、判断k+1<K是否成立：当k+1<K成立时，将k+1视为新的k，循环步骤三至步骤五；当k+1<K不成立时，k+1取K，执行步骤七；
步骤七、输出最终红外图像XK(i,j)：根据公式XK(i,j)＝GK(j)Y(i,j)+OK(j)，计算输出第K次校正后最终红外图像XK(i,j)。
2.按照权利要求1所述的一种红外图像条状噪声消除方法，其特征在于：步骤二中所述
3.按照权利要求1或2所述的一种红外图像条状噪声消除方法，其特征在于：所述K取1～50000。
4.按照权利要求3所述的一种红外图像条状噪声消除方法，其特征在于：所述λ取0～1。
5.按照权利要求4所述的一种红外图像条状噪声消除方法，其特征在于：步骤五中为第k次校正后红外图像Xk(i,j)的能量函数对于其增益校正参数的偏导数且 为第k次校正后红外图像Xk(i,j)的能量函数对于其偏置校正参数的偏导数且其中，为第k次校正后红外图像Xk(i,j)在(i+1，j)像素处梯度的模值，为第k次校正后红外图像Xk(i,j)在(i，j+1)像素处梯度的模值。
CN201710059826.9A 2017-01-24 2017-01-24 一种红外图像条状噪声消除方法 Expired - Fee Related CN106815820B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710059826.9A CN106815820B (zh) 2017-01-24 2017-01-24 一种红外图像条状噪声消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710059826.9A CN106815820B (zh) 2017-01-24 2017-01-24 一种红外图像条状噪声消除方法

Publications (2)

Publication Number Publication Date
CN106815820A CN106815820A (zh) 2017-06-09
CN106815820B true CN106815820B (zh) 2019-09-10

Family

ID=59111666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710059826.9A Expired - Fee Related CN106815820B (zh) 2017-01-24 2017-01-24 一种红外图像条状噪声消除方法

Country Status (1)

Country Link
CN (1) CN106815820B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107333028B (zh) * 2017-06-30 2020-08-25 上海兆芯集成电路有限公司 图像获取方法及其装置
CN109767403B (zh) * 2019-01-23 2022-12-16 西安科技大学 一种基于场景的红外焦平面阵列条状噪声消除方法
CN109584174B (zh) * 2019-01-29 2023-03-24 电子科技大学 一种梯度最小法红外图像边缘保持去噪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN106127705A (zh) * 2016-06-22 2016-11-16 成都市晶林科技有限公司 红外图像去横条纹处理方法
CN106303158A (zh) * 2016-09-30 2017-01-04 杭州电子科技大学 一种视频图像中的条纹异常检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5648010B2 (ja) * 2012-03-30 2015-01-07 富士フイルム株式会社 機器の作動方法及び撮影装置と電子内視鏡装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN106127705A (zh) * 2016-06-22 2016-11-16 成都市晶林科技有限公司 红外图像去横条纹处理方法
CN106303158A (zh) * 2016-09-30 2017-01-04 杭州电子科技大学 一种视频图像中的条纹异常检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Stripe noise removal for infrared image by minimizing difference between columns;Shu-Peng Wang等;《Infrared Physics & Technology》;20160510;第58-64页 *
基于双边滤波器的红外图像条纹噪声消除算法;王书朋等;《红外技术》;20140930;第36卷(第9期);第728-731页 *
基于空间自适应变分的条带噪声去除方法;刘亚梅等;《激光与红外》;20160531;第46卷(第5期);第617-621页 *

Also Published As

Publication number Publication date
CN106815820A (zh) 2017-06-09

Similar Documents

Publication Publication Date Title
CN108846805B (zh) 一种基于场景自适应的红外热图像两点非均匀校正方法
Wang et al. Enhancing low light videos by exploring high sensitivity camera noise
CN106768383B (zh) 一种红外焦平面阵列自动盲元检测与补偿方法
CN106815820B (zh) 一种红外图像条状噪声消除方法
CN102778296B (zh) 基于总变分的自适应红外焦平面非均匀性校正方法
CN106846275B (zh) 一种红外视频图像条状噪声实时消除方法
CN106197673B (zh) 一种自适应宽温度范围非均匀校正方法及系统
CN109272520B (zh) 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法
CN102170526B (zh) 散焦模糊核计算及其散焦模糊图像清晰化处理方法
CN103164846B (zh) 一种基于转向核估计的红外条纹非均匀性校正方法
Qian et al. Space low-pass and temporal high-pass nonuniformity correction algorithm
CN108564549A (zh) 一种基于多尺度稠密连接网络的图像去雾方法
WO2017067130A1 (zh) 一种气动光学热辐射噪声校正方法与系统
CN104200441B (zh) 基于高阶奇异值分解的磁共振图像去噪方法
CN106803235B (zh) 基于各向异性时空域全变分非均匀性校正的方法
CN105654430A (zh) 一种反差约束的气动热辐射校正方法
CN106886983A (zh) 基于Laplace算子和反卷积的图像非均匀性校正方法
CN109934790A (zh) 带有自适应阈值的红外成像系统非均匀性校正方法
CN105184740A (zh) 一种红外焦平面图像非均匀性条带校正方法
CN113432723B (zh) 用于弱化杂散辐射的图像处理方法、系统及计算机系统
Hong et al. Progressive nonuniformity correction for aero-optical thermal radiation images via bilateral filtering and bézier surface fitting
CN106296627B (zh) 一种校正红外成像系统的非均匀性的方法
WO2016106617A1 (zh) 人眼定位方法及装置
CN112801899A (zh) 基于互补结构感知的内外循环驱动图像盲去模糊方法和装置
CN110487412B (zh) 红外高光谱图像非均匀性校正方法、装置和计算机设备

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190910

Termination date: 20200124

CF01 Termination of patent right due to non-payment of annual fee