CN110796621A - 红外图像去横纹处理方法、处理设备和存储装置 - Google Patents

Abstract

本申请公开了红外图像去横纹处理方法、处理设备和存储装置。其中，红外图像去横纹处理方法包括：获取当前帧红外图像的当前帧空域基础图像的空域横纹值，将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像；获取当前帧时域基础图像和前一帧时域基础图像，根据当前帧时域基础图像和前一帧时域基础图像获取当前帧时域基础图像的时域横纹值；并进行防污染处理和动静权重处理，将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的防污染处理和动静权重处理后的时域横纹值，得到当前帧红外图像的输出图像。上述方案，能够使输出图像具有较好清晰度、无拖影。

Description

红外图像去横纹处理方法、处理设备和存储装置

技术领域

本申请涉及热成像技术领域，特别是涉及一种红外图像去横纹处理方法、处理设备和存储装置。

背景技术

红外传感器能够将红外光转变为电信号，是红外成像设备的核心器件。基于红外焦平面阵列的红外传感器因为体积小、成本低、灵敏度高等特点，是红外传感器的主流发展方向。但是由于当期的工艺水平，红外焦平面阵列的输出电路通常是同一行(或列)像元共享同一个输出电路，而输出电路偏置电压不完全一致，从而红外焦平面阵列上的不同传感器对相同的红外辐射会产生不同的输出信号，使得红外图像内出现一种条纹状的非均匀噪声。

现有设计中，基于标定的校正方法不能实时更新参数，需要假设在连续2次标定之间的很长一段时间内参数不变，而红外焦平面阵列的输出电路偏置电压则变化较快，因此无法有效消除噪声；基于场景校正的方法虽然可以实时更新参数，但是需要较长时间才能收敛，且使用长时间的图像序列可能导致“拖尾”现象，同样无法有效消除噪声；采用频域滤波法，它对针对周期性条纹有效果，但是无法滤波随机条纹，且不易于硬件实现；另外利用相邻行均值方差来估计当前行均值，再用估计行均值来替换当前行原始均值，该方法只对场景温度变化范围不大的图像有效果，而对于温差很大的图像，用相邻行均值方差估计行均值的误差大，反而会引入额外的条纹。

发明内容

本申请主要解决的技术问题是提供一种红外图像去横纹处理方法、处理设备和存储装置，具有较强的随机分布横纹去除能力，能够使输出图像具有较好清晰度、无拖影。

为了解决上述问题，本申请第一方面提供了一种红外图像去横纹处理方法，包括：对当前帧红外图像进行横向滤波，获取当前帧空域基础图像；从所述当前帧空域基础图像中获取所述当前帧空域基础图像的空域横纹值；将所述当前帧空域基础图像的像素值减去所述当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像；对所述当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像；根据所述当前帧时域基础图像和所述前一帧时域基础图像获取所述当前帧时域基础图像的时域横纹值；对所述当前帧时域基础图像的时域横纹值进行防污染处理，得到所述当前帧时域基础图像的防污染的时域横纹值；对所述当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到所述当前帧时域基础图像的动静权重处理后的时域横纹值；将所述当前帧空域去横纹后的基础图像的像素值减去所述当前帧时域基础图像的动静权重处理后的时域横纹值，得到所述当前帧红外图像的输出图像。

为解决上述问题，本申请第二方面提供了一种红外图像去横纹处理设备，包括相互耦接的滤波器、存储器和处理器；所述滤波器用于对图像进行滤波；所述处理器用于执行所述存储器存储的程序数据，以实现上述第一方面的红外图像去横纹处理方法。

为解决上述问题，本申请第三方面提供了一种存储装置，存储有能够被处理器运行的程序数据，所述程序数据用于实现上述第一方面的红外图像去横纹处理方法。

本发明的有益效果是：区别于现有技术的情况，本申请对当前帧红外图像进行横向滤波，获取当前帧空域基础图像，从当前帧空域基础图像中获取当前帧空域基础图像的空域横纹值，将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像；然后对当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像，并根据当前帧时域基础图像和前一帧时域基础图像获取当前帧时域基础图像的时域横纹值，对当前帧时域基础图像的时域横纹值进行防污染处理，得到当前帧时域基础图像的防污染的时域横纹值，对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到当前帧时域基础图像的动静权重处理后的时域横纹值，将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的动静权重处理后的时域横纹值，得到当前帧红外图像的输出图像。通过上述方式，在对当前帧红外图像进行空域去横纹后，当前帧空域去横纹后的基础图像在去除条纹的同时能较好保持清晰度，再次对当前帧空域去横纹后的基础图像进行时域横纹提炼，并将提炼的时域横纹进行防污染处理和动静权重处理，从当前帧空域去横纹后的基础图像中去除提炼出的时域横纹，而得到当前帧红外图像的输出图像，本申请所提炼的时域横纹值包含静止区噪声和条纹，通过将提炼的时域横纹进行防污染处理和动静权重处理，削弱运动引起的横纹的时域处理力度，从而防止因前后帧较大运动差异而形成的人为横纹，在实现大块横纹的去除同时，可以压制静止区噪声，对运动区无影响，使输出图像无拖尾，且不影响输出图像清晰度。

附图说明

图1是本申请红外图像去横纹处理方法一实施例的流程示意图；

图2是图1中步骤S102一实施例的流程示意图；

图3是图2中步骤S203一实施例的流程示意图；

图4是图2中步骤S203另一实施例的流程示意图；

图5是图1中步骤S105一实施例的流程示意图；

图6是图1中步骤S107一实施例的流程示意图；

图7是图6中步骤S601一实施例的流程示意图；

图8是本申请红外图像去横纹处理方法一应用场景中运动差异值与时域力度权重值的关联关系示意图；

图9是本申请红外图像去横纹处理方法中通过自适应阈值统计得到横纹噪声阈值的方法一实施例的流程示意图；

图10是本申请红外图像去横纹处理方法一应用场景的处理流程示意图；

图11是本申请红外图像去横纹处理设备一实施例的结构示意图；

图12是本申请红外图像去横纹处理设备另一实施例的结构示意图；

图13是本申请存储装置一实施例的结构示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。

请参阅图1，图1是本申请红外图像去横纹处理方法一实施例的流程示意图。本实施例中的红外图像去横纹处理方法，包括以下步骤：

S101：对当前帧红外图像进行横向滤波，获取当前帧空域基础图像。

S102：从当前帧空域基础图像中获取当前帧空域基础图像的空域横纹值。

S103：将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像。

基于红外焦平面阵列的红外传感器输出的红外图像为原始图像，由于工艺水平原因，红外焦平面阵列的输出电路通常是同一行(或列)像元共享同一个输出电路，而输出电路偏置电压不完全一致，从而红外焦平面阵列上的不同传感器对相同的红外辐射会产生不同的输出信号，使得输出的原始图像内出现一种条纹状的非均匀噪声，因此需要进行去除。首先需要对原始图像进行预处理，即可以通过对当前帧红外图像进行横向滤波，从而获取经过预处理之后的当前帧空域基础图像；可以理解的是，一般热成像小分辨率情况下，例如256*192，红外传感器输出的红外图像中比较容易产生横纹噪声，并且90％以上均是单点高横纹，因此，可以采用较小的滤波窗对原始图像进行预处理滤波。在获取到经过预处理之后的当前帧空域基础图像后，则可以从当前帧空域基础图像中获取到当前帧空域基础图像的空域横纹值，然后将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，于是可以得到当前帧空域去横纹后的基础图像。

S104：对当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像。

S105：根据当前帧时域基础图像和前一帧时域基础图像获取当前帧时域基础图像的时域横纹值。

可以理解的是，本申请通过对当前帧的红外图像进行空域去横纹，主要针对当前帧空域基础图像中的无细节区域的横纹进行去除，因此，还需要进一步去除有细节的静止区横纹，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像，在获取到当前帧时域基础图像和前一帧时域基础图像后，则可以根据当前帧时域基础图像和前一帧时域基础图像获取当前帧时域基础图像的时域横纹值。

S106：对当前帧时域基础图像的时域横纹值进行防污染处理，得到当前帧时域基础图像的防污染的时域横纹值。

由于当前帧时域基础图像的时域横纹值是根据当前帧时域基础图像和前一帧时域基础图像来获得的，此时所获取到的当前帧时域基础图像的时域横纹值与前一帧时域基础图像相关，若前一帧时域基础图像中含有横纹，则会对获取到的当前帧时域基础图像的时域横纹值产生污染。因此，需要对当前帧时域基础图像的时域横纹值进行防污染处理，得到当前帧时域基础图像的防污染的时域横纹值。

S107：对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到当前帧时域基础图像的动静权重处理后的时域横纹值。

另外，因为在运动时候，前后帧相差较大，针对有细节区域所提炼的横纹是包含运动的差异部分的，所以所提炼的横纹会误混入运动区/大温差横纹，从而会引起人工横纹、恶化条纹噪声，鉴于此，必须从当前帧时域基础图像的防污染的时域横纹值中剔除运动/大温差部分。于是，需要对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到当前帧时域基础图像的动静权重处理后的时域横纹值，防止混入由于前后帧较大差异所形成的人为横纹。

S108：将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的动静权重处理后的时域横纹值，得到当前帧红外图像的输出图像。

可以理解的是，在将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的动静权重处理后的时域横纹值后，则可以得到当前帧红外图像的输出图像，该输出图像中既去除了无细节区域的横纹进行去除，还去除有细节区域的横纹，并且在去除有细节区域的横纹的过程中，防止了由于运动、大温差部分而引起的人工横纹。

本实施例中，通过在对当前帧红外图像进行空域去横纹后，当前帧空域去横纹后的基础图像在去除条纹的同时能较好保持清晰度，再次对当前帧空域去横纹后的基础图像进行时域横纹提炼，并将提炼的时域横纹进行防污染处理和动静权重处理，从当前帧空域去横纹后的基础图像中去除提炼出的时域横纹，而得到当前帧红外图像的输出图像，本申请所提炼的时域横纹值包含静止区噪声和条纹，通过将提炼的时域横纹进行防污染处理和动静权重处理，削弱运动引起的横纹的时域处理力度，从而防止因前后帧较大运动差异而形成的人为横纹，在实现大块横纹的去除同时，可以压制静止区噪声，对运动区无影响，使输出图像无拖尾，且不影响输出图像清晰度。

请参阅图2，图2是图1中步骤S102一实施例的流程示意图。在一实施例中，上述步骤S102具体包括：

S201：判断当前帧空域基础图像的第i行与第i-1行的第一亮度差和第i行与第i+1行的第二亮度差是否均小于横纹噪声阈值；其中，横纹噪声阈值通过自适应阈值统计得到。

在获取到经过预处理之后的当前帧空域基础图像后，可以从当前帧空域基础图像中获取到当前帧空域基础图像的空域横纹值，该当前帧空域基础图像的空域横纹值主要是无细节区域的横纹。因此，在采用较小的滤波窗对原始图像进行预处理后，判断当前帧空域基础图像的第i行与第i-1行的第一亮度差和第i行与第i+1行的第二亮度差是否均小于横纹噪声阈值。例如，可以将当前帧的第i行的当前点、第i-1行的对应点以及第i+1行的对应点均先进行1*N(如1*3)滤波，然后判断第i行的当前点的亮度(cur中心)与第i-1行的对应点的亮度(cur上)之间的亮度差|cur中心-cur上|是否小于横纹噪声阈值、第i行的当前点的亮度(cur中心)与第i+1行的对应点的亮度(cur下)之间的亮度差|cur中心-cur下|是否小于横纹噪声阈值；其中，横纹噪声阈值是通过自适应阈值统计得到的。若亮度差|cur中心-cur上|以及亮度差|cur中心-cur下|均小于横纹噪声阈值，则执行步骤S202；若亮度差|cur中心-cur上|和亮度差|cur中心-cur下|其中的至少一个不小于横纹噪声阈值，则说明当前帧的第i行的当前点属于细节点，不属于横纹噪声。

S202：将当前帧空域基础图像的第i行的横纹特性进行平滑处理。

若第i行的当前点的亮度(cur中心)与第i-1行的对应点的亮度(cur上)之间的亮度差|cur中心-cur上|是否小于横纹噪声阈值、第i行的当前点的亮度(cur中心)与第i+1行的对应点的亮度(cur下)之间的亮度差|cur中心-cur下|均小于横纹噪声阈值，则说明第i行的当前点的纵向是平坦无细节的，为了对无细节的区域进行提取横纹，故首先对第i行的当前点的横纹特性进行平滑处理，具体地，将第i行的当前点相对于第i-1行的对应点的亮度差异调整为包括第i行的当前点的亮度相对于第i-1行的对应点的亮度之间的亮度差(cur中心-cur上)，将第i行的当前点相对于第i+1行的对应点的亮度差异调整为包括第i行的当前点的亮度相对于第i+1行的对应点的亮度之间的亮度差(cur中心-cur下)，即sum_diffup＝sum_diffup+(cur中心-cur上)，sum_diffdn＝sum_diffdn+(cur中心-cur下)，num2d++。可以理解的是，将当前帧空域基础图像的第i行的横纹特性进行平滑处理的过程可以采用较小的N*N滤波窗进行处理，例如3*3滤波窗。将第i行中的所有点均进行平滑处理后，则可以得到：第i行相对于第i-1行的亮度差为mean_diffup＝sum_diffup/num2d，第i行相对于第i+1行的亮度差为mean_diffdn＝sum_diffdn/num2d。

S203：判断经过平滑处理后的当前帧空域基础图像的第i行为横纹行或细节行，并获取当前帧空域基础图像的各行的空域横纹值。

可以理解的是，在将第i行中的所有点均进行平滑处理后则可以得到第i行的横纹特性，然后判断经过平滑处理后的当前帧空域基础图像的第i行为横纹行或细节行，若为细节行，则需要排除该行，若为横纹行，则可以提取该行的横纹特性作为横纹值，即获取当前帧空域基础图像的各行的空域横纹值。

S204：根据各行的空域横纹值获得当前帧空域基础图像的空域横纹值。

在获取到当前帧空域基础图像的各行的空域横纹值之后，则可以根据各行的空域横纹值获得当前帧空域基础图像的空域横纹值。

请参阅图3，图3是图2中步骤S203一实施例的流程示意图。在一实施例中，上述步骤S203具体包括：

S301：判断经过平滑处理后的当前帧空域基础图像的第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差是否方向相同、且第三亮度差与第四亮度差之间的幅度差是否小于或等于空域横纹噪声统计值。若均是，则执行步骤S302；若不均是，则执行步骤S303。

在当前帧空域基础图像经过平滑处理后，可以得到第i行相对于第i-1行的亮度差mean_diffup以及第i行相对于第i+1行的亮度差mean_diffdn，然后判断第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差是否方向相同、且第三亮度差与第四亮度差之间的幅度差是否小于或等于空域横纹噪声统计值；若第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差的方向相同，即说明第i行纵向整体大趋势是方向同向的；若第三亮度差与第四亮度差之间的幅度差小于或等于空域横纹噪声统计值，则说明第i行的上下梯度的幅度相似；可以理解的是，在当前帧的平坦无细节区域，若第i行上下梯度方向同向性且纵向梯度幅度相近，则说明第i行是独立凸显的一行条纹，即第i行为横纹行。

S302：判断当前帧空域基础图像的第i行为横纹行，并将第三亮度差和第四亮度差之和的平均值作为当前帧空域基础图像的第i行的空域横纹值。

可以理解的是，若第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差的方向相同，且第三亮度差与第四亮度差之间的幅度差小于或等于空域横纹噪声统计值，则可以判断当前帧空域基础图像的第i行为横纹行，并将第三亮度差和第四亮度差之和的平均值作为当前帧空域基础图像的第i行的空域横纹值。即判断mean_diffup*mean_diffdn>0&&(max(|mean_diffup|,|mean_diffdn|)-min(|me an_diffup|,|mean_diffdn|))＝|上-中-(下-中)|＝|上-下|梯度<＝空域横纹噪声统计值noise_bar_stat))成立后，即说明该行的纵向整体大趋势是方向同向的且上下梯度的幅度相似，于是可以认为该行是独立凸显的一行条纹或者时平坦区具有上下噪声均等的区域，例如为白纹行或黑纹行，且排除了具有细节的纹理行的干扰；此时，可以得出第i行的空域横纹值为noise_bar_2d＝(mean_diffup+mean_diffdn)/2。

S303：判断当前帧空域基础图像的第i行为细节行，当前帧空域基础图像的第i行的空域横纹值为0。

可以理解的是，若第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差的方向不同，或者，第三亮度差与第四亮度差之间的幅度差大于空域横纹噪声统计值，则可以判断当前帧空域基础图像的第i行为细节行，当前帧空域基础图像的第i行的空域横纹值为0。即判断mean_diffup*mean_diffdn>0&&(max(|mean_diffup|,|mean_diffdn|)-min(|me an_diffup|,|mean_diffdn|))＝|上-中-(下-中)|＝|上-下|梯度<＝空域横纹噪声统计值noise_bar_stat))不成立后，即说明该行的上下梯度方向相反，或者上下梯度差异明显，于是可以认为该行是细节行，而细节行在提取横纹值时时需要排除的；此时，则可以得出第i行的空域横纹值为noise_bar_2d＝0。

请参阅图4，图4是图2中步骤S203另一实施例的流程示意图。与图3所示的实施例不同在于，在本实施例中，在上述步骤S302之前，还包括：

S3011：判断当前帧空域基础图像的第i-1行的空域横纹值是否大于空域横纹噪声统计值、且当前帧空域基础图像的第i-1行的空域横纹值与当前帧空域基础图像的第i行的空域横纹值的符号是否不同。若均是，则执行步骤S3012；若不均是，则执行上述步骤S302。

S3012：判断当前帧空域基础图像的第i行为非横纹行，当前帧空域基础图像的第i行的空域横纹值为0。

可以理解的是，在当前帧的平坦无细节区域，若第i行上下梯度方向同向性且纵向梯度幅度相近，则说明第i行相对第i-1行和第i+1行来说是独立凸显的一行，第i行可能为横纹行，当然也可能为非横纹行，若第i行为非横纹行时，则说明第i-1行和第i+1行均为横纹行，即第i-1行、第i行和第i+1行形成了“一行横纹行、一行非横纹行、一行横纹行”的“夹心饼干”情况；此时，必须将夹在两条横纹行之间的非横纹行进行纠正处理，避免在提取横纹时误取了非横纹行的特性值。因此，需要进一步判断当前帧空域基础图像的第i-1行的空域横纹值是否大于空域横纹噪声统计值、且当前帧空域基础图像的第i-1行的空域横纹值与当前帧空域基础图像的第i行的空域横纹值的符号是否不同；若判断出当前帧空域基础图像的第i-1行的空域横纹值大于空域横纹噪声统计值、且当前帧空域基础图像的第i-1行的空域横纹值与当前帧空域基础图像的第i行的空域横纹值的符号不同，则说明第i-1行以及第i+1行为单点高的横纹行，因此判断当前帧空域基础图像的第i行为非横纹行，当前帧空域基础图像的第i行的空域横纹值为0，即若判断(第i-1行的横纹行特性noise_bar_2d>noise_bar_stat)&&(第i-1行的noise_bar_2d符号和第i行的noise_bar_2d符号不同)成立后，则第i行不做空域处理。

本申请空域滤波只针对整体有横纹特性的一行进行滤波，减少对细节的损失，通过上述方式，排除了细节区、仅从平坦无细节区提炼横纹噪声，故得到的空域横纹值noise_bar_2d是无细节的横纹噪声，因此在去除横纹的同时能较好的保持清晰度，并且对“夹心饼干”情况进行纠正处理，可以应对不同分布的单点高横纹情况。

请参阅图5，图5是图1中步骤S105一实施例的流程示意图。在一实施例中，上述步骤S105具体包括：

S501：判断当前帧时域基础图像的第i行与前一帧时域基础图像的第i行之间的第五亮度差是否小于横纹噪声阈值；其中，横纹噪声阈值通过自适应阈值统计得到。若小于，则执行步骤S502；若不小于，则说明第i行的前后帧的亮度差异过大，即第i行为细节行，不对其进行提取横纹值。

可以理解的是，在步骤S103中将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，从而得到当前帧空域去横纹后的基础图像，即本申请对当前帧进行2D去横纹得到当前帧空域去横纹后的基础图像的结果为cur_2d＝cur-noise_bar_2d；然后将当前帧空域去横纹后的基础图像经过横向滤波，获取当前帧时域基础图像，例如，将cur_2d经过1*N滤波窗(如1*3)滤波后为cur_smooth，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像，即pre1经N*N滤波窗(如3*3)低通滤波后为pre1_smooth。因此，在获取到当前帧时域基础图像cur_smooth和前一帧时域基础图像pre1_smooth后，则可以根据当前帧时域基础图像和前一帧时域基础图像得到当前帧与前一帧的差异值diff，即diff＝cur_smooth-pre1_smooth。于是，可以判断当前帧时域基础图像的第i行与前一帧时域基础图像的第i行之间的第五亮度差是否小于横纹噪声阈值，即判断第五亮度差abs(diff)<横纹噪声阈值thdiff是否成立；其中，横纹噪声阈值通过自适应阈值统计得到。

S502：将当前帧时域基础图像的第i行的横纹特性进行平滑处理，并获取当前帧时域基础图像的第i行的时域横纹值。

若第五亮度差abs(diff)<横纹噪声阈值thdiff成立，则说明当前帧第i行的前后帧的亮度差异较小，即第i行不为细节行，故需要对其进行提取横纹值；为了对第i行进行提取横纹，首先对第i行的横纹特性进行平滑处理，具体地，将第i行的当前帧的亮度值调整为包括第i行的当前帧的各点相对于第i行的前一帧的各点的亮度差异部分，即将第i行的当前帧的各点的亮度值调整为sum＝sum+diff,num_time++，从而可以得到第i行的时域横纹值为sum/num_time，此时所获取的第i行的时域横纹值属于横纹以及静止噪声。

S503：根据各行的时域横纹值获得当前帧时域基础图像的时域横纹值。

在获取到当前帧时域基础图像的各行的时域横纹值之后，则可以根据各行的时域横纹值获得当前帧时域基础图像的时域横纹值noise_bar_time。

可以理解的是，上述获取时域横纹值的方式中，将非细节行经过平滑处理，且尽可能剔除了本行内前后帧差异大的细节部分，因此所提炼的时域横纹值是前后帧的横纹行以及静止区噪声。

进一步地，上述步骤S106具体包括：将当前帧时域基础图像的时域横纹值加上前一帧空域基础图像的空域横纹值，得到当前帧时域基础图像的防污染的时域横纹值。

上述步骤S502中对第i行的横纹特性进行了平滑处理，即将第i行的当前帧的亮度值调整为包括第i行的当前帧的各点相对于第i行的前一帧的各点的亮度差异部分，而第i行的当前帧的各点相对于第i行的前一帧的各点的亮度差异部分diff＝cur_smooth-pre1_smooth，因此，上述根据各行的时域横纹值所获得的当前帧时域基础图像的时域横纹值noise_bar_time与前一帧时域基础图像pre1_smooth相关，因此，若前一帧时域基础图像pre1_smooth中含有横纹，记为pre1横纹，则所获得的当前帧时域基础图像的时域横纹值noise_bar_time中含有-pre1横纹，若前一帧时域基础图像pre1_smooth中不含横纹，则所获得的当前帧时域基础图像的时域横纹值noise_bar_time为正常的。因此，为了防止前一帧时域基础图像pre1_smooth中含有pre1横纹、污染到当前帧时域基础图像的时域横纹值noise_bar_time，可以将当前帧时域基础图像的时域横纹值加上前一帧空域基础图像的空域横纹值，从而得到当前帧时域基础图像的防污染的时域横纹值，即通过(noise_bar_time+noise_bar_pre1_2d)来消除pre1横纹的影响。可以理解的是，将前一帧图像也按照上述空域处理以及“夹心”纠正处理，可以得到前一帧空域基础图像的空域横纹值noise_bar_pre1_2d，因此，若当前帧时域基础图像的时域横纹值noise_bar_time中含有-pre1横纹时，则在通过noise_bar_time加上noise_bar_pre1_2d之后可以将-pre1横纹去除，而若当前帧时域基础图像的时域横纹值noise_bar_time中不含有-pre1横纹时，则说明noise_bar_pre1_2d中不含横纹，故(noise_bar_time+noise_bar_pre1_2d)对当前帧时域基础图像的时域横纹值noise_bar_time的结果没有影响。

请参阅图6，图6是图1中步骤S107一实施例的流程示意图。在一实施例中，上述步骤S107具体包括：

S601：获取各行的时域力度权重值。

S602：根据各行的时域力度权重值以及当前帧时域基础图像的防污染的时域横纹值，得到当前帧时域基础图像的动静权重处理后的时域横纹值。

可以理解的是，在对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理以得到当前帧时域基础图像的动静权重处理后的时域横纹值时，首先需要获取各行的时域力度权重值，然后根据各行的时域力度权重值以及当前帧时域基础图像的防污染的时域横纹值，得到当前帧时域基础图像的动静权重处理后的时域横纹值；其中，静止的、小温差的像素点需要进行时域处理，即静止的、小温差的像素点所对应的时域力度权重值较大，而运动的、大温差的像素点则不需要进行时域处理，即运动的、大温差的像素点所对应的时域力度权重值较小，甚至为0。此时对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到当前帧时域基础图像的动静权重处理后的时域横纹值noise_bar_mv_time＝alpha_mov*(noise_bar_time+noise_bar_pre1_2d)。于是，在得到一行100％力度的时域横纹值的基础上，根据该行每个像素点的动/静程度来控制单点的时域力度权重值，从而根据时域力度权重值来决定单点的时域处理力度，从而得到当前帧时域基础图像的动静权重处理后的时域横纹值，解决了本行内存在前后帧亮差大或者个别大运动差值部分影响到本行的其他静止部分时域处理力度的问题。

请参阅图7，图7是图6中步骤S601一实施例的流程示意图。在一实施例中，上述步骤S601具体包括：

S701：将当前帧时域基础图像的第i行与前一帧时域基础图像的第i行之间的第五亮度差进行横向滤波，得到运动差异值。

S702：根据运动差异值与时域力度权重值的关联关系获取各行的时域力度权重值。

前述步骤中已经获得了当前帧时域基础图像的第i行与前一帧时域基础图像的第i行之间的第五亮度差abs(diff)，其中，差异值diff＝cur_smooth-pre1_smooth，于是将第五亮度差进行横向滤波，例如进入1*M(如1*5)滤波窗滤波，则可以得到当前帧时域基础图像的第i行与前一帧时域基础图像的第i行之间的运动差异值diff_mov。在得到某一点的运动差异值diff_mov之后，则可以根据运动差异值与时域力度权重值的关联关系，获取到该点的时域力度权重值，进而可以获取各行的时域力度权重值。

请结合图8，图8是本申请红外图像去横纹处理方法一应用场景中运动差异值与时域力度权重值的关联关系示意图。如图8所示，在一实施例中，运动差异值diff_mov与时域力度权重值alpha_mov的关联关系为：当运动差异值≤运动横纹阈值时，时域力度权重值为最大值；当运动差异值＞运动横纹阈值、且运动差异值≤放大后的运动横纹阈值时，时域力度权重值随着运动差异值的增大而线性减小；当运动差异值＞放大后的运动横纹阈值时，时域力度权重值为最小值。其中，运动横纹阈值thmov等于时域横纹噪声阈值thdiff，thmov、thdiff通过自适应阈值统计得到。即当diff_mov≤thmov＝thdiff时，alpha_mov为max；当thmov＜diff_mov≤A时，alpha_mov随着diff_mov的增大而线性减小，A为thmov作放大处理所得到的；当diff_mov＞A时，alpha_mov为min。例如，max为100％，min为0；当某点的运动差异值diff_mov≤A时，则说明该点是静止的、小温差的横纹点，此时其有时域力度权重值，即该点具有时域横纹处理力度；而当某点的运动差异值diff_mov＞A时，则该点属于前后帧具有大温差、或者运动差的区域，此时该点时域力度权重值alpha_mov＝0，即该点没有时域横纹处理力度，从而可以防止将前后帧较大差异部分进行时域横纹处理而形成人为横纹。

进一步地，在步骤S108之前，本申请的红外图像去横纹处理方法还包括：对当前帧时域基础图像的动静权重处理后的时域横纹值进行限幅处理。

可以理解的是，上述步骤对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，并得到当前帧时域基础图像的动静权重处理后的时域横纹值noise_bar_mv_time。进一步地，为了防止在将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的动静权重处理后的时域横纹值来得到当前帧红外图像的输出图像的过程中，由于运动部分或者大温差部分误混入而导致横纹值偏大，于是对当前帧时域基础图像的动静权重处理后的时域横纹值进行限幅处理：clip(noise_bar_mv_time,-thnoisebar,thnoisebar)，于是可以避免在当前帧红外图像的输出图像中引起人为横纹的情况。

本申请只从前后帧差异小的区域提炼时域横纹值、剔除前后帧大温差/运动部分，可以消除大面积静止区域的横纹，压制静止区噪声，对运动区无影响、无拖尾；同时，为了防止参考帧的横纹污染，加入了参考帧横纹校正机制；因为时域对横纹空间分布不讲究，故时域对随机横纹分布的适应性更强；同时，时域特性不会影响清晰度，故去除横纹的同时能较好保持细节。另外，本申请空域处理仅用较小N*N滤波窗就可以消除随机条纹噪声，而大块区域用时域处理，比如使用3*3滤波窗，空域仅用2行linebuffer(行缓冲区)当前帧+2行linebuffer参考帧，时域仅用1行linebuffer，共5行linebuffer memory(行缓冲区内存)资源，成本较低，可以适应不同分布情况的横纹消除；整个计算流程中不涉及到复杂的计算环节，仅采用加、减、乘、除运算，可以流水线计算、使得硬件较易实现；并且，因为使用较小的N*N滤波窗，使得延迟较小，比如3*3滤波窗，空域2行延迟、时域1行延迟、共3行延迟，同时，不需要一帧时间计算才能对本帧进行去横纹，可以满足热成像设备实时无延迟性的要求。

请参阅图9，图9是本申请红外图像去横纹处理方法中通过自适应阈值统计得到横纹噪声阈值的方法一实施例的流程示意图。本申请中的横纹噪声阈值是通过自适应阈值统计得到的，具体地，本实施例的通过自适应阈值统计得到横纹噪声阈值的方法，包括以下步骤：

S901：判断当前帧空域基础图像的第i行中各数据点是否为横纹点。若是，则执行步骤S902；若不是，则不需要对非横纹点进行处理和统计，需排除。

可以理解的是，横纹点所具有的特性是：其上下、左右均可能存在亮度差，但是纵向梯度明显异于横向梯度，且上、下纵向梯度方向为同向性，当其为白横纹时，其中心亮度大于其上、下的亮度，当其为黑横纹时，其中心亮度小于其上、下的亮度。具体地，本申请可以将当前帧的第i行的第p点、第i-1行的第p点、第i+1行的第p点、第i行的第p-1点和第p+1点均先进行1*N(如1*3)滤波，然后判断纵向梯度是否明显异于横向梯度以及上、下纵向梯度方向是否为同向性；即，判断第i行的第p点与第i-1行的第p点之间的亮度差|cur中心-cur上|和第i行的第p点与第i+1行的第p点之间的亮度差|cur中心-cur下|是否均大于第i行的第p点与第i行的第p-1点之间的亮度差|cur中心-cur左|和第i行的第p点与第i行的第p+1点之间的亮度差|cur中心-cur右|，若纵向梯度明显异于横向梯度，即|cur中心-cur上|>|cur中心-cur左|&&|cur中心-cur上|>|cur中心-cur右|&&|cur中心-cur下|>|cur中心-cur左|&&|cur中心-cur下|>|cur中心-cur右|成立，并判断第i行的第p点的亮度(cur中心)是否均大于或者均小于第i-1行的第p点的亮度(cur上)和第i+1行的第p点的亮度(cur下)，若上、下纵向梯度方向为同向性，即(cur中心>cur上&&cur中心>cur下||cur中心<cur上&&cur中心<cur下)成立。从而可以判断出当前帧的第i行的第p点是否为横纹点，其中，若(cur中心>cur上&&cur中心>cur下)时，则该点为白横纹，若(cur中心<cur上&&cur中心<cur下)时，则该点为黑横纹。

S902：对所有横纹点进行平滑处理。

当判断出某点为横纹点时，需要对该点的横纹特性进行平滑处理，具体地，将第i行的第p点的横纹特性调整为：将第i行的第p点的亮度减去第i-1行的第p点和第i+1行的第p点之间的亮度均值，即sum_stat＝sum_stat+cur-(cur上下均值)，num_stat++。然后对所有的横纹点均进行平滑处理。

S903：判断第i行中横纹点的个数是否大于空域横纹点个数阈值。若大于，则执行步骤S904；若不大于，则说明第i行不是横纹行。

在第i行结束时，即将第i行的所有点均进行处理之后，可以判断第i行中横纹点的个数是否大于空域横纹点个数阈值，其中空域横纹点个数阈值thr_num_stat为经验值，例如可以为第i行的点的总个数的1/3或1/2等。

S904：判断第i行为横纹行，并对第i行的横纹值进行平滑处理。

若第i行中横纹点的个数num_stat大于空域横纹点个数阈值thr_num_stat，则可以判断第i行为横纹行，于是可以对第i行的横纹值进行平滑处理，将第i行的所有横纹点的梯度均值作为第i行的横纹值，具体地，将第i行的横纹值调整为：将第i行的所有横纹点的横纹值进行累加后除以横纹点的个数，即sum_frame_stat＝sum_frame_stat+|sum_stat|/num_stat,num_frame_stat++。

S905：根据进行平滑处理后的各横纹行的横纹值，获得当前帧空域基础图像的横纹噪声统计值。

在当前帧的每一行均进行平滑处理后，则可以根据进行平滑处理后的各横纹行的横纹值，来获得当前帧空域基础图像的横纹噪声统计值，此时，求得当前帧空域基础图像的横纹噪声统计值noise_bar_stat＝(sum_frame_stat/num_frame_stat)，即将当前帧的各横纹行的横纹值累加并除以横纹行的个数，可以理解的是，所得到的当前帧的横纹噪声统计值包括各行横纹均值和各行空域滤波后残余噪均值。

S906：对当前帧空域基础图像的横纹噪声统计值进行放大处理，得到横纹噪声阈值。

将当前帧空域基础图像的横纹噪声统计值noise_bar_stat做适当放大，便可以得到横纹噪声阈值thdiff，横纹噪声阈值thdiff＝thmov＝[noise_bar_stat+offset寄存器]*k寄存器，其中，寄存器offset和寄存器k用于适当的放大横纹噪声统计值，由于对横纹噪声统计值noise_bar_stat进行了适当放大，因此，若某一行的横纹特性值大于横纹噪声阈值thdiff时，则说明该行不是横纹行，而是细节行。

可以理解的是，本实施例通过自适应阈值统计得到横纹噪声阈值的方法，即条纹行与相邻正常行的差异阈值采用自适应统计方式得到，可以应对不同场景的需求，所得到的横纹噪声阈值可以作为空域横纹噪声阈值以及时域横纹噪声阈值。

请参阅图10，图10是本申请红外图像去横纹处理方法一应用场景的处理流程示意图。在一应用场景中，先对当前帧红外图像(当前帧cur)进行空域2D去横纹，得到当前帧空域去横纹后的基础图像cur_2d＝cur-noise_bar_2d；然后对当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像，并根据当前帧时域基础图像和前一帧时域基础图像得到当前帧与前一帧的差异值diff，即diff＝cur-pre1，于是可以对当前帧cur进行时域3D处理，得到当前帧时域基础图像的时域横纹值noise_bar_time，另外，对前一帧红外图像(前一帧pre1)进行空域2D去横纹，可以得到前一帧pre1的空域横纹值noise_bar_pre1_2d，于是通过将当前帧cur的时域横纹值noise_bar_time加上前一帧pre1的空域横纹值noise_bar_pre1_2d来对当前帧时域基础图像的时域横纹值进行防污染处理，从而可以防止差异值diff受到前一帧pre1中的横纹影响，于是可以得到当前帧时域基础图像的防污染的时域横纹值(noise_bar_time+noise_bar_pre1_2d)；同时对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，根据各行的时域力度权重值来控制时域处理力度，从而可以排除掉运动的差异部分，避免得到的时域横纹值存在误混入的运动区/大温差横纹，于是可以得到当前帧cur的动静权重处理后的时域横纹值noise_bar_mv_time＝alpha_mov*(noise_bar_time+noise_bar_pre1_2d)；最后进行时域去横纹处理，将当前帧cur空域2D去横纹后的基础图像cur_2d减去当前帧cur的动静权重处理后的时域横纹值noise_bar_mv_time，得到当前帧红外图像的输出图像(cur_2d-noise_bar_mv_time)。通过上述方式，在对当前帧红外图像进行空域2D去横纹后，当前帧空域去横纹后的基础图像cur_2d在去除条纹的同时能较好保持清晰度，再次对当前帧空域去横纹后的基础图像进行时域横纹提炼，并将提炼的时域横纹进行防污染处理和动静权重处理，从当前帧空域去横纹后的基础图像中去除提炼出的时域横纹，而得到当前帧红外图像的输出图像，本申请所提炼的时域横纹值包含静止区噪声和条纹，通过将提炼的时域横纹进行防污染处理和动静权重处理，削弱运动引起的横纹的时域处理力度，从而防止因前后帧较大运动差异而形成的人为横纹，在实现大块横纹的去除同时，可以压制静止区噪声，对运动区无影响，使输出图像无拖尾，且不影响输出图像清晰度。

请参阅图11，图11是本申请红外图像去横纹处理设备一实施例的结构示意图。本实施例中的红外图像去横纹处理设备11包括相互耦接的滤波器110、存储器112和处理器114；滤波器110用于对图像进行滤波；处理器114用于执行存储器112存储的程序数据，以实现上述任一实施例中的红外图像去横纹处理方法的步骤。

请参阅图12，图12是本申请红外图像去横纹处理设备另一实施例的结构示意图。本实施例中的红外图像去横纹处理设备12包括：空域横纹提取模块120，用于对当前帧红外图像进行横向滤波，获取当前帧空域基础图像，以及从当前帧空域基础图像中获取当前帧空域基础图像的空域横纹值；空域去横纹模块121，用于将当前帧空域基础图像的像素值减去当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像；时域横纹提取模块122，用于对当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像，以及，根据当前帧时域基础图像和前一帧时域基础图像获取当前帧时域基础图像的时域横纹值；横纹防污染模块123，用于对当前帧时域基础图像的时域横纹值进行防污染处理，得到当前帧时域基础图像的防污染的时域横纹值；动静权重处理模块124，用于对当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到当前帧时域基础图像的动静权重处理后的时域横纹值；时域去横纹模块125，用于将当前帧空域去横纹后的基础图像的像素值减去当前帧时域基础图像的动静权重处理后的时域横纹值，得到当前帧红外图像的输出图像。

另外，红外图像去横纹处理设备12中的各功能模块还可以用于实现上述任一实施例中的红外图像去横纹处理方法的步骤。

关于本申请红外图像去横纹处理设备实现红外图像去横纹处理方法的具体内容请参阅上述红外图像去横纹处理方法实施例中的内容，此处不再赘述。

请参阅图13，图13是本申请存储装置一实施例的结构示意图。本申请存储装置13存储有能够被处理器运行的程序数据130，程序数据130用于实现上述任一红外图像去横纹处理方法的实施例中的步骤。

该存储装置13具体可以为U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等可以存储程序数据130的介质，或者也可以为存储有该程序数据130的服务器，该服务器可将存储的程序数据130发送给其他设备运行，或者也可以自运行该存储的程序数据130。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、设备和装置，可以通过其它的方式实现。例如，以上所描述的设备和装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。

Claims (13)

1.一种红外图像去横纹处理方法，其特征在于，包括：

对当前帧红外图像进行横向滤波，获取当前帧空域基础图像；

从所述当前帧空域基础图像中获取所述当前帧空域基础图像的空域横纹值；

将所述当前帧空域基础图像的像素值减去所述当前帧空域基础图像的空域横纹值，得到当前帧空域去横纹后的基础图像；

对所述当前帧空域去横纹后的基础图像进行横向滤波，获取当前帧时域基础图像，并对前一帧红外图像进行低通滤波，获取前一帧时域基础图像；

根据所述当前帧时域基础图像和所述前一帧时域基础图像获取所述当前帧时域基础图像的时域横纹值；

对所述当前帧时域基础图像的时域横纹值进行防污染处理，得到所述当前帧时域基础图像的防污染的时域横纹值；

对所述当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到所述当前帧时域基础图像的动静权重处理后的时域横纹值；

将所述当前帧空域去横纹后的基础图像的像素值减去所述当前帧时域基础图像的动静权重处理后的时域横纹值，得到所述当前帧红外图像的输出图像。

2.根据权利要求1所述的方法，其特征在于，所述从所述当前帧空域基础图像中获取所述当前帧空域基础图像的空域横纹值的步骤，包括：

判断所述当前帧空域基础图像的第i行与第i-1行的第一亮度差和第i行与第i+1行的第二亮度差是否均小于横纹噪声阈值；其中，所述横纹噪声阈值通过自适应阈值统计得到；

若均小于，则将所述当前帧空域基础图像的第i行的横纹特性进行平滑处理；

判断经过平滑处理后的所述当前帧空域基础图像的第i行为横纹行或细节行，并获取所述当前帧空域基础图像的各行的空域横纹值；

根据各行的空域横纹值获得所述当前帧空域基础图像的空域横纹值。

3.根据权利要求2所述的方法，其特征在于，所述判断经过平滑处理后的所述当前帧空域基础图像的第i行为横纹行或细节行，并获取所述当前帧空域基础图像的各行的空域横纹值的步骤，包括：

判断经过平滑处理后的所述当前帧空域基础图像的第i行与第i-1行的第三亮度差和第i行与第i+1行的第四亮度差是否方向相同、且第三亮度差与第四亮度差之间的幅度差是否小于或等于空域横纹噪声统计值；

若均是，则判断所述当前帧空域基础图像的第i行为横纹行，并将第三亮度差和第四亮度差之和的平均值作为所述当前帧空域基础图像的第i行的空域横纹值；

若不均是，则判断所述当前帧空域基础图像的第i行为细节行，所述当前帧空域基础图像的第i行的空域横纹值为0。

4.根据权利要求3所述的方法，其特征在于，所述判断所述当前帧空域基础图像的第i行为横纹行，并将第三亮度差和第四亮度差之和的平均值作为所述当前帧空域基础图像的第i行的空域横纹值的步骤之前，包括：

判断所述当前帧空域基础图像的第i-1行的空域横纹值是否大于空域横纹噪声统计值、且所述当前帧空域基础图像的第i-1行的空域横纹值与所述当前帧空域基础图像的第i行的空域横纹值的符号是否不同；

若均是，则判断所述当前帧空域基础图像的第i行为非横纹行，所述当前帧空域基础图像的第i行的空域横纹值为0；

若不均是，则执行上述判断所述当前帧空域基础图像的第i行为横纹行，并将第三亮度差和第四亮度差之和的平均值作为所述当前帧空域基础图像的第i行的空域横纹值的步骤。

5.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧时域基础图像和所述前一帧时域基础图像获取所述当前帧时域基础图像的时域横纹值的步骤，包括：

判断所述当前帧时域基础图像的第i行与所述前一帧时域基础图像的第i行之间的第五亮度差是否小于横纹噪声阈值；其中，所述横纹噪声阈值通过自适应阈值统计得到；

若小于，则将所述当前帧时域基础图像的第i行的横纹特性进行平滑处理，并获取所述当前帧时域基础图像的第i行的时域横纹值；

根据各行的时域横纹值获得所述当前帧时域基础图像的时域横纹值。

6.根据权利要求5所述的方法，其特征在于，所述对所述当前帧时域基础图像的时域横纹值进行防污染处理，得到所述当前帧时域基础图像的防污染的时域横纹值的步骤，包括：

将所述当前帧时域基础图像的时域横纹值加上前一帧空域基础图像的空域横纹值，得到所述当前帧时域基础图像的防污染的时域横纹值。

7.根据权利要求6所述的方法，其特征在于，所述对所述当前帧时域基础图像的防污染的时域横纹值进行动静权重处理，得到所述当前帧时域基础图像的动静权重处理后的时域横纹值的步骤，包括：

获取各行的时域力度权重值；

根据各行的所述时域力度权重值以及所述当前帧时域基础图像的防污染的时域横纹值，得到所述当前帧时域基础图像的动静权重处理后的时域横纹值。

8.根据权利要求7所述的方法，其特征在于，所述获取各行的时域力度权重值的步骤，包括：

将所述当前帧时域基础图像的第i行与所述前一帧时域基础图像的第i行之间的第五亮度差进行横向滤波，得到运动差异值；

根据运动差异值与时域力度权重值的关联关系获取各行的所述时域力度权重值。

9.根据权利要求8所述的方法，其特征在于，所述运动差异值与时域力度权重值的关联关系为：

当运动差异值≤运动横纹阈值时，时域力度权重值为最大值；

当运动差异值＞运动横纹阈值、且运动差异值≤放大后的运动横纹阈值时，时域力度权重值随着运动差异值的增大而线性减小；

当运动差异值＞放大后的运动横纹阈值时，时域力度权重值为最小值。

10.根据权利要求7所述的方法，其特征在于，在所述将所述当前帧空域去横纹后的基础图像的像素值减去所述当前帧时域基础图像的动静权重处理后的时域横纹值，得到所述当前帧红外图像的输出图像的步骤之前，包括：

对所述当前帧时域基础图像的动静权重处理后的时域横纹值进行限幅处理。

11.根据权利要求2或5所述的方法，其特征在于，所述横纹噪声阈值通过自适应阈值统计得到的步骤，具体包括：

判断所述当前帧空域基础图像的第i行中各数据点是否为横纹点；

若是，则对所有横纹点进行平滑处理；

判断第i行中横纹点的个数是否大于空域横纹点个数阈值；

若大于，则判断第i行为横纹行，并对第i行的横纹值进行平滑处理；

根据进行平滑处理后的各横纹行的横纹值，获得所述当前帧空域基础图像的横纹噪声统计值；

对所述当前帧空域基础图像的横纹噪声统计值进行放大处理，得到所述横纹噪声阈值。

12.一种红外图像去横纹处理设备，其特征在于，包括相互耦接的滤波器、存储器和处理器；

所述滤波器用于对图像进行滤波；所述处理器用于执行所述存储器存储的程序数据，以实现权利要求1至11任一项所述的方法。

13.一种存储装置，其特征在于，存储有能够被处理器运行的程序数据，所述程序数据用于实现权利要求1至11任一项所述的方法。

Images