CN109509158B - 基于幅度约束红外图像条纹去除的方法 - Google Patents

基于幅度约束红外图像条纹去除的方法 Download PDF

Info

Publication number
CN109509158B
CN109509158B CN201811377046.XA CN201811377046A CN109509158B CN 109509158 B CN109509158 B CN 109509158B CN 201811377046 A CN201811377046 A CN 201811377046A CN 109509158 B CN109509158 B CN 109509158B
Authority
CN
China
Prior art keywords
frequency information
image
original image
amplitude
stripe
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.)
Active
Application number
CN201811377046.XA
Other languages
English (en)
Other versions
CN109509158A (zh
Inventor
周云
罗昕杰
张熙冉
祝威
吕坚
蒋亚东
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811377046.XA priority Critical patent/CN109509158B/zh
Publication of CN109509158A publication Critical patent/CN109509158A/zh
Application granted granted Critical
Publication of CN109509158B publication Critical patent/CN109509158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了基于幅度约束红外图像条纹去除的方法，包括以下步骤：S1：对原图图像沿像素阵列的行方向进行滤波，得到原图图像的低频信息；S2：采用原图图像和低频信息进行滤波，得到原图图像的高频信息；S3：对高频信息沿像素阵列的列方向进行均值处理，得到该列方向的条纹幅值；S4：采用原图图像与每列的条纹幅值进行条纹滤波，得到条纹幅值被抑制后图像。

Description

基于幅度约束红外图像条纹去除的方法
技术领域
本发明涉及红外图像条纹处理技术领域，具体涉及基于幅度约束红外图像条纹去除的方法。
背景技术
红外传感器能够将红外转换为电信号，由于不同的探测器对相同的红外辐射产生不同的响应，导致红外图像中包含大量的噪声，称为固定模式噪声，通过非均匀校正算法可以抑制这样的噪声；还有一种读出电路造成的竖条纹噪声对图像视觉效果有很大的影响，竖条纹在图像中表现为位置和强度相对固定，且在列方向上具有一定的稳定性。用非均匀校正的算法不能消除竖条纹噪声；在现有针对红外图像条纹处理的方法中，常见的有直方图技术和多图均值然后减弱处理技术，大多数都对图像强边缘的干扰较大，或去除条纹的效果不好。
发明内容
本发明的目的在于提供基于幅度约束红外图像条纹去除的方法，该方法对图像强边缘干扰较小，且其去除图像条纹后的图像均匀性良好。
本发明的具体技术方案为：
基于幅度约束红外图像条纹去除的方法，包括以下步骤：
S1：对原图图像沿像素阵列的行方向进行滤波，得到原图图像的低频信息；
S2：采用原图图像和低频信息进行滤波，得到原图图像的高频信息；
S3：对高频信息沿像素阵列的列方向进行均值处理，得到该列方向的条纹幅值；
S4：采用原图图像与每列的条纹幅值进行条纹滤波，得到条纹幅值被抑制后图像。
通过上述内容的表述可以看出，本发明是通过对单帧图像的分析，先通过低频信息求出高频信息，然后对高频信息计算出每列噪声，然后对每列的高频信息进行消除；对每列的高频信息进行消除：大致是逐列对竖条纹进行提取，再从原始图像中减去该竖条纹幅值。从频域上来看，竖条纹噪声属于高频噪声。
在步骤S1前还需进行图像预处理，所述预处理为：对设备获取图像进行非均匀校正，得到含有弱条纹的原图图像。
S1的具体方法为：采用双边滤波器对原图图像进行行方向上的滤波处理，得到原图图像的低频信息。在上述方法中，采用双边滤波的方法，可以使得高频信息从原始图像中提取出来的同时保留图像中有效的边缘信息。其中，双边滤波器是一维滤波器，Yft＝A*Ynuc+B(A为增益值，B为偏移值，这两个由图像均值和方差算子得到，Ynuc为图像经过非均匀校正得到的图像，Yft为滤波结果；)。
S2的具体方法为：利用低频信息采用概率波算法对原图图像进行处理，得到原图图像的高频信息。
S3的具体方法为：对高频信息的像素阵列的每列数据进行列方向的求和，然后进行均值化处理，得到1个对应于该列的均值化的条纹幅值。
S4步骤实际上就是采用原图图像减去条纹幅值，即可得到最终的图像。
我们对上述方法进行分析后发现，虽然上述方法可以保留边缘信息，但是，在进行对高频信息进行均值处理时，由于在高频信息图像中，图像所包含的信息：大部分是噪声，条纹；少量的边缘信息。如果对所有高频信息进行均值算法，可以达到图像条纹被抑制，但是图像上的边缘信息也会被削弱，因此均值算法处理得到条纹均值体现在图像上，包括不需要抑制的图像边缘信息和需要抑制的条纹信息；特别的，边缘信息较强、较多的红外图像中，该均值算法的条纹值是偏离条纹辐值，对图像的边缘也抑制了，从而出现了新的问题，图像上视觉效果就是在靠近边缘的值，没有达到去条纹的作用，最终会增加了黑条纹。为了解决该问题，本发明提出一个改进的方法，在S3均值处理的过程时，增加约束条件把强边缘的点缘排除在预定均值化对象的高频信息之外；这样得到的条纹幅值就不含有图像边缘信息；算法改进的思想如下：
在S3中，对高频信息沿像素阵列的列方向进行均值处理前，还包括对高频信息进行约束化处理的操作，得到去除图像强边缘像素点的新高频信息，然后对新高频信息进行沿像素阵列的列方向进行均值处理。
优选的，所述对高频信息进行约束化处理的操作包括以下步骤：
Y1：对原图图像进行全局均值计算和全局方差计算，得到全局均值和全局方差；
Y2：以全局均值中心、方差为半径的区域设置成约束区域；
Y3：将高频信息与约束区域进行比对，若当前高频信息不在约束区域内，则去除当前高频信息；若当前高频信息在约束区域内，则用保留当前高频信息，保留获得的高频信息组成新高频信息。
本发明与现有技术相比，具有如下的优点和有益效果：该方法简单，可硬件加速，也能避免边缘信息被削弱，如附图8的左图对比右图，可以看到椅子的边缘有较好的边缘效果。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是非均匀校正后带条纹的原图图像。
图2是单行双边滤波后的低频信息图像。
图3是高频信息图像。
图4是列均值图像。
图5是去条纹的图像。
图6是实施例二中未采用均值方差约束去条纹后的图像。
图7是实施例二中进行方差约束的去条纹图像与未方差约束的去条纹图像的对比图像。
图8是最终约束后的图像与图6图像的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例一
基于幅度约束红外图像条纹去除的方法，包括以下步骤：
S1：对原图图像沿像素阵列的行方向进行滤波，得到原图图像的低频信息；如图1所示，图1位原图图像，经过对图1的行方向进行滤波，得到低频信息的图2；
S2：采用原图图像和低频信息进行滤波，得到原图图像的高频信息；如图3所示，图3为进行滤波后的高频信息；
S3：对高频信息沿像素阵列的列方向进行均值处理，得到该列方向的条纹幅值，如图4所示；
S4：采用原图图像与每列的条纹幅值进行条纹滤波，得到条纹幅值被抑制后图像。
通过上述内容的表述可以看出，本发明是通过对单帧图像的分析，先通过低频信息求出高频信息，然后对高频信息计算出每列噪声，然后对每列的高频信息进行消除；对每列的高频信息进行消除：大致是逐列对竖条纹进行提取，再从原始图像中减去该竖条纹幅值。从频域上来看，竖条纹噪声属于高频噪声。
如图1，在步骤S1前还需进行图像预处理，所述预处理为：对设备获取图像进行非均匀校正，得到含有弱条纹的原图图像，即图1为非均匀校正后的图像。
如图1和图2所示，S1的具体方法为：采用双边滤波器对原图图像进行行方向上的滤波处理，得到原图图像的低频信息。在上述方法中，采用双边滤波的方法，可以使得高频信息从原始图像中提取出来的同时保留图像中有效的边缘信息。其中，双边滤波器是一维滤波器，Yft＝A*Ynuc+B。(A为增益值，B为偏移值，这两个由图像均值和方差算子得到，Ynuc为图像经过非均匀校正得到的图像，Yft为滤波结果。)
S2的具体方法为：利用低频信息采用概率波算法对原图图像进行处理，得到原图图像的高频信息，如图3所示。
S3的具体方法为：对高频信息的像素阵列的每列数据进行列方向的求和，然后进行均值化处理，得到1个对应于该列的均值化的条纹幅值(如图4)。
S4步骤实际上就是采用原图图像减去条纹幅值，即可得到最终的图像；如图5，如5中，左图为最终处理后的图像，如图5右图为原始图像，从这2个图对比可以看出，本发明处理后的图，已经明显去除了条纹信息。
实施例二
本实施例在实施例一的基础上，进行了对高频信息的约束操作。
我们对上述方法进行分析后发现，虽然上述方法可以保留边缘信息，但是，在进行对高频信息进行均值处理时，由于在高频信息图像中，图像所包含的信息：大部分是噪声，条纹；少量的边缘信息。如果对所有高频信息进行均值算法，可以达到图像条纹被抑制，但是图像上的边缘信息也会被削弱，因此均值算法处理得到条纹均值体现在图像上，包括不需要抑制的图像边缘信息和需要抑制的条纹信息；特别的，边缘信息较强、较多的红外图像中，该均值算法的条纹值是偏离条纹辐值，对图像的边缘也抑制了，从而出现了新的问题，图像上视觉效果就是在靠近边缘的值，没有达到去条纹的作用，最终会增加了黑条纹(如图6中圆圈内区域存在黑暗区域)。为了解决该问题，本发明提出一个改进的方法，在S3均值处理的过程时，增加约束条件把强边缘的点缘排除在预定均值化对象的高频信息之外；这样得到的条纹幅值就不含有图像边缘信息；算法改进的思想如下：
在S3中，对高频信息沿像素阵列的列方向进行均值处理前，还包括对高频信息进行约束化处理的操作，得到去除图像强边缘像素点的新高频信息，然后对新高频信息进行沿像素阵列的列方向进行均值处理。
优选的，所述对高频信息进行约束化处理的操作包括以下步骤：
Y1：对原图图像进行全局均值计算和全局方差计算，得到全局均值和全局方差；全局均值、方差可在帧间累积；
Y2：以全局均值中心、方差为半径的区域设置成约束区域；
Y3：将高频信息与约束区域进行比对，若当前高频信息不在约束区域内，则去除当前高频信息；若当前高频信息在约束区域内，则用保留当前高频信息，保留获得的高频信息组成新高频信息。如图7，图7左图是约束后的去条纹图像，右图是未改进时的去条纹图像
如图8所示，图8中左图是通过上述方法进行约束后最终进行辐值去条纹图像，右图是未改进时的去条纹图像。比照图6，其圆圈区域内部分，图8中左图明显得到了改进。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于幅度约束红外图像条纹去除的方法，其特征在于，包括以下步骤：
S1：对原图图像沿像素阵列的行方向进行滤波，得到原图图像的低频信息；
S2：采用原图图像和低频信息进行滤波，得到原图图像的高频信息；
S3：对高频信息沿像素阵列的列方向进行均值处理，得到该列方向的条纹幅值；
S4：采用原图图像与每列的条纹幅值进行条纹滤波，得到条纹幅值被抑制后图像；
在S3中，对高频信息沿像素阵列的列方向进行均值处理前，还包括对高频信息进行约束化处理的操作，得到去除图像强边缘像素点的新高频信息，然后对新高频信息进行沿像素阵列的列方向进行均值处理；
所述对高频信息进行约束化处理的操作包括以下步骤：
Y1：对原图图像进行全局均值计算和全局方差计算，得到全局均值和全局方差；
Y2：以全局均值为 中心、方差为半径的区域设置成约束区域；
Y3：将高频信息与约束区域进行比对，若当前高频信息不在约束区域内，则去除当前高频信息；若当前高频信息在约束区域内，则用保留当前高频信息，保留获得的高频信息组成新高频信息。
2.根据权利要求1所述的基于幅度约束红外图像条纹去除的方法，其特征在于，
在步骤S1前还需进行图像预处理，所述预处理为：对设备获取图像进行非均匀校正，得到含有弱条纹的原图图像。
3.根据权利要求1所述的基于幅度约束红外图像条纹去除的方法，其特征在于，
S1的具体方法为：采用双边滤波器对原图图像进行行方向上的滤波处理，得到原图图像的低频信息。
4.根据权利要求1所述的基于幅度约束红外图像条纹去除的方法，其特征在于，
S2的具体方法为：利用低频信息采用概率波算法对原图图像进行处理，得到原图图像的高频信息。
5.根据权利要求1所述的基于幅度约束红外图像条纹去除的方法，其特征在于，
S3的具体方法为：对高频信息的像素阵列的每列数据进行列方向的求和，然后进行均值化处理，得到1个对应于该列的均值化的条纹幅值。
CN201811377046.XA 2018-11-19 2018-11-19 基于幅度约束红外图像条纹去除的方法 Active CN109509158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811377046.XA CN109509158B (zh) 2018-11-19 2018-11-19 基于幅度约束红外图像条纹去除的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811377046.XA CN109509158B (zh) 2018-11-19 2018-11-19 基于幅度约束红外图像条纹去除的方法

Publications (2)

Publication Number Publication Date
CN109509158A CN109509158A (zh) 2019-03-22
CN109509158B true CN109509158B (zh) 2021-06-11

Family

ID=65749092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811377046.XA Active CN109509158B (zh) 2018-11-19 2018-11-19 基于幅度约束红外图像条纹去除的方法

Country Status (1)

Country Link
CN (1) CN109509158B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400271B (zh) * 2019-07-09 2021-06-15 浙江大华技术股份有限公司 一种条纹非均匀性校正方法、装置、电子设备及存储介质
CN110445953B (zh) * 2019-08-02 2020-11-06 浙江大华技术股份有限公司 降低动态条纹噪声的方法、装置、电子设备及存储装置
CN111161172B (zh) * 2019-12-18 2020-11-06 北京波谱华光科技有限公司 一种红外图像列向条纹消除方法、系统及计算机存储介质
CN111028179B (zh) * 2019-12-20 2023-04-28 浙江大华技术股份有限公司 一种条纹校正方法、装置、电子设备及存储介质
CN111292272B (zh) * 2020-03-04 2022-03-25 腾讯科技（深圳）有限公司 图像处理方法、装置、介质以及电子设备
CN111383196B (zh) * 2020-03-13 2023-07-28 浙江大华技术股份有限公司 红外图像条纹消除方法、红外探测器及存储装置
CN112393807B (zh) * 2020-11-23 2021-11-23 昆明物理研究所 红外图像处理方法、装置、系统以及计算机可读存储介质
CN114998126B (zh) * 2022-05-24 2024-05-24 中国人民解放军国防科技大学 一种低波段星载sar图像电离层幅度闪烁条纹去除方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN103530896A (zh) * 2013-09-25 2014-01-22 电子科技大学 一种红外图像的图像压缩和细节增强方法
WO2017185440A1 (zh) * 2016-04-26 2017-11-02 成都市晶林科技有限公司 基于目标背景分割的红外图像条纹滤波方法
WO2017197618A1 (zh) * 2016-05-19 2017-11-23 深圳大学 一种红外图像中条纹噪声的去除方法及系统
CN107767346A (zh) * 2017-09-08 2018-03-06 湖北久之洋红外系统股份有限公司 一种红外图像条纹噪声滤波方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080298642A1 (en) * 2006-11-03 2008-12-04 Snowflake Technologies Corporation Method and apparatus for extraction and matching of biometric detail

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102014243A (zh) * 2010-12-27 2011-04-13 杭州华三通信技术有限公司 一种图像增强方法和装置
CN103530896A (zh) * 2013-09-25 2014-01-22 电子科技大学 一种红外图像的图像压缩和细节增强方法
WO2017185440A1 (zh) * 2016-04-26 2017-11-02 成都市晶林科技有限公司 基于目标背景分割的红外图像条纹滤波方法
WO2017197618A1 (zh) * 2016-05-19 2017-11-23 深圳大学 一种红外图像中条纹噪声的去除方法及系统
CN107767346A (zh) * 2017-09-08 2018-03-06 湖北久之洋红外系统股份有限公司 一种红外图像条纹噪声滤波方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Spatially Adaptive Column Fixed-Pattern Noise Correction in Infrared Imaging System Using 1D Horizontal Differential Statistics;Yanpeng Cao 等;《IEEE Photonics Journal》;20170913;全文 *

Also Published As

Publication number Publication date
CN109509158A (zh) 2019-03-22

Similar Documents

Publication Publication Date Title
CN109509158B (zh) 基于幅度约束红外图像条纹去除的方法
Peng et al. Single underwater image enhancement using depth estimation based on blurriness
JP5315157B2 (ja) 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム
JP5839631B2 (ja) ブロックノイズの検出方法
CN109360168B (zh) 红外图像去条纹的方法、装置、红外探测器及存储介质
Rahman et al. Gaussian noise reduction in digital images using a modified fuzzy filter
Chowdhury et al. An atomic technique for removal of Gaussian noise from a noisy gray scale image using lowpass-convoluted Gaussian filter
CN111179186A (zh) 一种保护图像细节的图像去噪系统
US9240035B2 (en) Methods for reducing row and column patterns in a digital image
Bhateja et al. A non-local means filtering algorithm for restoration of Rician distributed MRI
CN106846262B (zh) 去除蚊式噪声的方法及系统
Veerakumar et al. Salt and pepper noise removal in video using adaptive decision based median filter
CN115965552A (zh) 用于低信噪比图像序列的频空时域联合去噪与恢复系统
Malik et al. Modified bilateral filter for the restoration of noisy color images
Do et al. A new adaptive image post-treatment for deblocking and deringing based on total variation method
Pei et al. A local adaptive threshold noise detection linear interpolation filter (LALIF) for stripe noise removal in infrared images
CN111652820A (zh) 校正红外图像条纹非均匀性的方法、装置与图像处理系统
Kerouh et al. An adaptive deblurring method based on a Multiplicative Multiresolution Decomposition (MMD)
KR20130088238A (ko) 방향성을 고려한 라플라시안을 이용한 노이즈 제거 장치 및 방법
CN112785520A (zh) Ct图像伪影去除方法
Zhang et al. A saliency based noise reduction method for digital TV
Jain et al. An improved image denoising algorithm using robust estimation for high density salt and pepper noise
Duman An Edge Preserving Image Denoising Framework Based on Statistical Edge Detection and Bilateral Filter
Song et al. Edge preserving impulse noise reduction
Dash et al. Restoration of images corrupted with blur and impulse noise

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