CN109767403A - 一种基于场景的红外焦平面阵列条状噪声消除方法 - Google Patents

Abstract

本发明公开了一种基于场景的红外焦平面阵列条状噪声消除方法，获取输入图像，结合输入图像中每一列像素的增益参数和偏置参数建立条状噪声校正模型；根据条状噪声校正模型中每一列像素的增益参数和偏置参数建立最小化能量函数，通过欧拉方程对最小化能量函数求解，得出每一列像素的最优增益参数和最优偏置参数，将最优增益参数和最优偏置参数应用到条状噪声校正模型中得出更新校正后的图像；本发明根据条状噪声的产生激励，使用局部线性模型校正输入图像，进而得到去噪图像，不会造成图像模糊，可以补偿图像采集硬件的缺陷。

Description

一种基于场景的红外焦平面阵列条状噪声消除方法

【技术领域】

本发明属于图像采集与图像处理领域，具体涉及一种基于场景的红外焦平面阵列条状噪声消除方法。

【背景技术】

红外成像系统在工业、医学、军事等领域具有重要的应用价值。然而，红外成像设备的空间非均匀性严重影响了成像质量，在红外图像中产生了大量固定模式噪声。

由于制造工艺的限制，这一问题难以通过提高硬件质量克服。经典的固定模式噪声消除方法包括基于标定的校正方法和基于场景的校正方法。基于标定的校正方法需要周期性地借助两个不同的参考温度校正红外传感器间的差异。这个过程会干扰红外成像系统的正常工作。基于场景的校正方法通常依赖于对图像统计特性的假设或精确的配准。当红外场景缺乏足够的运动时，容易引入伪影现象。而且，基于场景的校正方法需要较长时间才能收敛，耗时长。

另外，图像滤波方法通常将图像分解为光滑部分和非光滑部分，将非光滑部分作为噪声。这种滤波方法没有考虑条状噪声的结构特点，无法区分噪声和图像细节，也不能有效消除条状噪声，还容易造成图像细节的丢失。

【发明内容】

本发明的目的是提供一种基于场景的红外焦平面阵列条状噪声消除方法，在保证图像细节完整的前提下消除图像中的条状噪声。

本发明采用以下技术方案：一种基于场景的红外焦平面阵列条状噪声消除方法，由以下步骤完成：

获取输入图像，结合输入图像中每一列像素的增益参数和偏置参数建立条状噪声校正模型；

根据条状噪声校正模型中每一列像素的增益参数和偏置参数建立最小化能量函数，通过欧拉方程对最小化能量函数求解，得出每一列像素的最优增益参数和最优偏置参数，将最优增益参数和最优偏置参数应用到条状噪声校正模型中得出更新校正后的图像。

优选的，通过欧拉方程对最小化能量函数求解，欧拉方程采用梯度下降法求解，具体为：

步骤a、给定最小化能量函数中的初始的增益参数值和偏置参数值；

步骤b、将增益参数值和偏置参数值作为输入值应用于条状噪声校正模型中，得出校正后的图像，将校正后的图像作为新的输入图像，根据新的输入图像计算出新的增益参数值和偏置参数值；

步骤c、将新的增益参数之和偏置参数值作为输入值，循环执行步骤b，直至循环次数达到预置最大循环次数，得到最优增益参数和最优偏置参数。

优选的，最小化能量函数具体为：

其中，E(g_n,b_n)为最小化能量函数，g_n为图像中第n列像素集的增益参数，b_n为图像中第n列像素集的偏置参数，表示梯度运算，u_m,n表示校正图像中第m行第n列的像素值，|·|表示L₁范数，|·|²表示L₂范数，λ_g和λ_b是常量。

优选的，梯度下降法步骤b中新的增益参数值和偏置参数值求解方法为：

其中，为第k次循环时计算得到的图像增益参数扩展矩阵，是根据第k-1次循环时计算得到的增益参数创建的图像修正增益参数扩展矩阵，Δt为常量，为第k-1次循环后得出的校正图像中第m行第n列的像素值，v_m,n为原始输入图像中第m行第n列的像素值，表示图像在x方向上的后向差分运算，表示图像在x方向上的前向差分运算，f为minmode运算函数，表示图像在y方向上的前向差分运算，x方向表示图片的水平方向，y方向表示图片的垂直方向；为第k次循环时的图像偏置参数扩展矩阵，是根据第k-1次循环时计算得到的偏置参数创建的图像修正偏置参数扩展矩阵，表示图像在y方向上的后向差分运算；

根据第k次循环时计算得到的图像增益参数扩展矩阵和图像偏置参数扩展矩阵计算得出每一列像素的新的增益参数和新的偏置参数计算公式为：

其中，M为图片中像素的总行数，为第k次循环时图像中第n列像素集的增益参数，为第k次循环时图像中第n列像素集的偏置参数。

优选的，条状噪声校正模型具体为：

其中，为第k次循环后得出的校正图像中第m行第n列的像素值。

本发明的有益效果是：本发明采用红外采集设备获得的包含条状噪声的原始红外图像为输入图像，根据条状噪声的产生机理，使用局部线性模型校正输入图像，进而得到去噪图像；具体基于去噪图像的总变差和模型参数分布的先验知识，通过最优化方法确定最优模型参数，再将估计的最优模型参数应用于噪声图像，恢复出最终的去噪图像，去噪后的图像显著消除了原始图像中的条状噪声，并且不会造成图像模糊，可以补偿图像采集硬件的缺陷。

【附图说明】

图1为本发明的方法流程图；

图2为本发明实施例中采集的原始输入图像；

图3为本发明实施例中原始图像中的条状噪声图像；

图4为本发明实施例中去除条状噪声后的输出图像。

【具体实施方式】

下面结合附图和具体实施方式对本发明进行详细说明。

本发明公开了一种基于场景的红外焦平面阵列条状噪声消除方法，如图1所示，由以下步骤完成：

通过红外成像设备采集一幅图像，作为初始输入图像v_m,n，其中，m∈M，n∈N，M和N为初始图像中的总行数和总列数。当获取输入图像后，设定初始输入图像中每一列像素集的增益参数和偏置参数，作为初始参数。在本实施例中，每一列像素集的增益参数设为1，偏置参数设为0，结合输入图像中每一列像素的增益参数和偏置参数建立条状噪声校正模型其中，为第k次循环后得出的校正图像中第m行第n列的像素值。

根据所述条状噪声校正模型中每一列像素的增益参数和偏置参数建立最小化能量函数，图像的每一列具有相同的增益参数和相同的偏置参数，图像的增益g＝[g₁，g₂,…,g_N]，则g_n为图像中第n列像素集的增益参数，图像的偏置为b＝[b₁,b₂,…,b_N]，则b_n为图像中第n列像素集的偏置参数。

最小化能量函数具体为：

其中，E(g_n,b_n)为最小化能量函数，表示梯度运算，u_m,n表示图像中第m行第n列的像素值，|·|表示L₁范数，|·|²表示L₂范数，λ_g和λ_b是常量。

通过欧拉方程对最小化能量函数求解，得出每一列像素的最优增益参数和最优偏置参数。欧拉方程采用梯度下降法求解，具体为：

步骤a、给定最小化能量函数中的初始的增益参数值和偏置参数值。

设置增益参数和偏置参数的初始值，在最小化能量函数的过程中，将参数g_n和b_n作为未知量，最小化能量函数的最优参数g_n和b_n满足欧拉方程。初始状态时，图像中第m行初始像素集的增益参数设定为1，即图像中第n列初始像素集的偏置参数设定为0，即由此可知，未进行更新校正的初始图像

步骤b、将增益参数值和偏置参数值作为输入值应用于条状噪声校正模型中，得出校正后的图像，将校正后的图像作为新的输入图像，根据新的输入图像计算出新的增益参数值和偏置参数值。

新的增益参数值和偏置参数值求解方法为：

其中，为第k次循环时计算得到的图像增益参数扩展矩阵，是根据第k-1次循环时计算得到的增益参数创建的图像修正增益参数扩展矩阵，即Δt为常量，为第k-1次循环后得出的校正图像中第m行第n列的像素值，v_m,n为原始输入图像中第m行第n列的像素值，表示图像在x方向上的后向差分运算，表示图像在x方向上的前向差分运算，f为minmode运算函数，表示图像在y方向上的前向差分运算，x方向表示图片的水平方向，y方向表示图片的垂直方向；为第k次循环时的图像偏置参数扩展矩阵，是根据第k-1次循环时计算得到的偏置参数创建的图像修正偏置参数扩展矩阵，即 表示图像在y方向上的后向差分运算；

在该求解过程中使用有限差分方法计算，图像u的水平方向梯度运算定义为垂直方向梯度定义为图像v的垂直方向梯度定义为函数为minmode运算，f(a,b)即为函数f。其中，Δt，λ_g，λ_b为参数，在本实施例中Δt＝10^-7，λ_g＝λ_b＝10^-7。

根据第k次循环时计算得到的图像增益参数扩展矩阵和图像偏置参数扩展矩阵计算得出每一列像素的增益参数和偏置参数计算公式为：

其中，M为图片中像素的总行数，为第k次循环时图像中第n列像素集的增益参数，为第k次循环时图像中第n列像素集的偏置参数。

计算得出每一列像素集的新的增益参数和新的偏置参数后，将增益参数和偏置参数应用到条状噪声校正模型中，计算得出新的校正图像中对应的第m行第n列的像素点的像素值。在该条状噪声校正模型中，为第k次循环后得出的校正图像中第m行第n列的像素值。

步骤c、将新的增益参数之和偏置参数值作为输入值，循环执行步骤b，直至循环次数达到预置最大循环次数(MAX_ITERATIONS)，得到最优增益参数和最优偏置参数。

每一次循环可以计算出新的增益参数和偏置参数，但一次循环所计算得到的增益参数和偏置参数不是最优参数，因此，需要根据实际情况进行多次循环，才能计算出最优的增益参数和偏置参数，该过程中涉及到循环变量k，该循环变量k初始值为0。

将最优增益参数和最优偏置参数应用到条状噪声校正模型中得出更新校正后的图像。

如图2所示，为本实施例中的初始去噪前图像，经过本方法的计算最终得出了如图4所示的去噪后的图像，去除了如图3所示的条状噪声，由此可知，本发明的去噪效果良好，也并未造成图像细节模糊。

本发明的一种基于场景的红外焦平面阵列条状噪声消除方法，仅使用单一输入图像即可有效消除图像中的条状噪声，不需要其他辅助图像和外部参考，并且本方法中不涉及平均计算，所以，不会造成图像细节模糊，鲁棒性十分好。

Claims (5)

1.一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，由以下步骤完成：

获取输入图像，结合输入图像中每一列像素的增益参数和偏置参数建立条状噪声校正模型；

根据所述条状噪声校正模型中每一列像素的增益参数和偏置参数建立最小化能量函数，通过欧拉方程对所述最小化能量函数求解，得出每一列像素的最优增益参数和最优偏置参数，将所述最优增益参数和最优偏置参数应用到条状噪声校正模型中得出更新校正后的图像。

2.如权利要求1所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，通过欧拉方程对所述最小化能量函数求解，所述欧拉方程采用梯度下降法求解，具体为：

步骤a、给定最小化能量函数中的初始的增益参数值和偏置参数值；

步骤b、将所述增益参数值和偏置参数值作为输入值应用于所述条状噪声校正模型中，得出校正后的图像，将校正后的图像作为新的输入图像，根据新的输入图像计算出新的增益参数值和偏置参数值；

步骤c、将新的增益参数之和偏置参数值作为输入值，循环执行步骤b，直至循环次数达到预置最大循环次数，得到最优增益参数和最优偏置参数。

3.如权利要求1或2所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述最小化能量函数具体为：

其中，E(g_n,b_n)为最小化能量函数，g_n为图像中第n列像素集的增益参数，b_n为图像中第n列像素集的偏置参数，表示梯度运算，u_m,n表示校正图像中第m行第n列的像素值，|·|表示L₁范数，|·|²表示L₂范数，λ_g和λ_b是常量。

4.如权利要求3所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述梯度下降法步骤b中新的增益参数值和偏置参数值求解方法为：

其中，为第k次循环时计算得到的图像增益参数扩展矩阵，是根据第k-1次循环时计算得到的增益参数创建的图像修正增益参数扩展矩阵，Δt为常量，为第k-1次循环后得出的校正图像中第m行第n列的像素值，vm_,n为原始输入图像中第m行第n列的像素值，表示图像在x方向上的后向差分运算，表示图像在x方向上的前向差分运算，f为minmode运算函数，表示图像在y方向上的前向差分运算，x方向表示图片的水平方向，y方向表示图片的垂直方向；为第k次循环时的图像偏置参数扩展矩阵，是根据第k-1次循环时计算得到的偏置参数创建的图像修正偏置参数扩展矩阵，表示图像在y方向上的后向差分运算；

根据第k次循环时计算得到的图像增益参数扩展矩阵和图像偏置参数扩展矩阵计算得出每一列像素的新的增益参数和新的偏置参数计算公式为：

其中，M为图片中像素的总行数，为第k次循环时图像中第n列像素集的增益参数，为第k次循环时图像中第n列像素集的偏置参数。

5.如权利要求1或4所述的一种基于场景的红外焦平面阵列条状噪声消除方法，其特征在于，所述条状噪声校正模型具体为：

其中，为第k次循环后得出的校正图像中第m行第n列的像素值。