CN111179192A - 基于拉盖尔高斯谱的角向周期噪声消除方法及装置 - Google Patents

基于拉盖尔高斯谱的角向周期噪声消除方法及装置 Download PDF

Info

Publication number
CN111179192A
CN111179192A CN201911315140.7A CN201911315140A CN111179192A CN 111179192 A CN111179192 A CN 111179192A CN 201911315140 A CN201911315140 A CN 201911315140A CN 111179192 A CN111179192 A CN 111179192A
Authority
CN
China
Prior art keywords
laguerre gaussian
angular
noise
image
laguerre
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.)
Granted
Application number
CN201911315140.7A
Other languages
English (en)
Other versions
CN111179192B (zh
Inventor
魏丹
马剑涛
张勇
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.)
Nanjing University
Original Assignee
Nanjing University
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 Nanjing University filed Critical Nanjing University
Priority to CN201911315140.7A priority Critical patent/CN111179192B/zh
Publication of CN111179192A publication Critical patent/CN111179192A/zh
Application granted granted Critical
Publication of CN111179192B publication Critical patent/CN111179192B/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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种基于拉盖尔高斯谱的角向周期噪声消除方法及装置，其中，方法包括：(1)计算含有角向周期噪声图像的拉盖尔高斯谱；(2)使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；(3)将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。本发明可以实现角向周期噪声消除。

Description

基于拉盖尔高斯谱的角向周期噪声消除方法及装置
技术领域
本发明涉及图像处理技术，尤其涉及一种基于拉盖尔高斯谱的角向周期噪声消除方法及装置。
背景技术
数字图像的噪声主要来源于图像的获取与传输过程。在获取图像的过程中，环境条件如光照温度以及传感器自身的质量是影响图像中噪声数量的主要因素。图像在传输过程中被污染主要是由于传输信道中的干扰，如无线网络传输的图像可能会因为光照或其他大气因素而污染。而空间中的周期噪声是在图像获取期间由由店里或机电干扰产生的。一般的空间周期噪声都是存在于笛卡尔坐标系下的周期噪声，可以通过计算其角谱进行频谱滤波消除。对于存在于方位角方向上的周期噪声，用一般的傅里叶频谱滤波是无法解决的。方位角方向上的加性周期噪声也很常见。例如，当传感器扫描旋转物体成像，由于传感器在工作的过程中受到周期电信号的干扰，那么扫描出的图像就会出现方位角上的周期噪声。如果这个周期噪声的周期足够小且能量足够大，将会图像造成严重污染。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于拉盖尔高斯谱(Laguerre-Gaussian，LG)的角向周期噪声消除方法及装置，本发明可以消除图像的角向周期噪声。
技术方案：本发明所述的基于拉盖尔高斯谱的角向周期噪声消除方法包括：
(1)计算含有角向周期噪声图像的拉盖尔高斯谱；
(2)使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；
(3)将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
进一步的，步骤(1)中计算拉盖尔高斯谱的公式为：
Figure BDA0002325645200000011
Figure BDA0002325645200000012
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure BDA0002325645200000013
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure BDA0002325645200000021
为角向指数为l、径向指数为p时的拉盖尔多项式。
进一步的，步骤(3)中相干叠加所采用的公式为：
Figure BDA0002325645200000022
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
本发明所述的基于拉盖尔高斯谱的角向周期噪声消除装置包括：
拉盖尔高斯谱获取模块，用于计算含有角向周期噪声图像的拉盖尔高斯谱；
噪声滤除模块，用于使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；
图像复原模块，用于将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
进一步的，所述拉盖尔高斯谱获取模块计算拉盖尔高斯谱的公式为：
Figure BDA0002325645200000023
Figure BDA0002325645200000024
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure BDA0002325645200000025
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure BDA0002325645200000026
为角向指数为l、径向指数为p时的拉盖尔多项式。
进一步的，所述图像复原模块进行相干叠加所采用的公式为：
Figure BDA0002325645200000027
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
有益效果：本发明与现有技术相比，其显著优点是：本发明基于拉盖尔高斯模式对图像的角向周期噪声进行滤除，实现图像的复原。
附图说明
图1是本发明提供的基于拉盖尔高斯谱的角向周期噪声消除方法的流程示意图；
图2是含有角向周期噪声的图像；
图3是拉盖尔高斯模式强度谱，其中，(a)为待处理图像的拉盖尔高斯模式强度谱，(b)为待处理图像的拉盖尔高斯模式相位谱；
图4是采用本发明进行噪声消除后复原的图像。
具体实施方式
本实施例提供了一种基于拉盖尔高斯谱的角向周期噪声消除方法，主要是对用于图像的角向周期噪声消除，如图1所示，包括以下步骤：
(1)计算含有角向周期噪声图像的拉盖尔高斯谱。
假设极坐标系下的原图像为f(r,φ)，极坐标系下的角向周期噪声为n(r,φ)，则含有角向周期噪声图像为：
g(r,φ)＝f(r,φ)+n(r,φ)
式中，r为极坐标系下的半径，φ为极坐标系下的方位角。
对于含有角向周期噪声图像，首先计算其拉盖尔高斯谱，具体计算公式为：
Figure BDA0002325645200000031
Figure BDA0002325645200000032
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure BDA0002325645200000033
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure BDA0002325645200000034
为角向指数为l、径向指数为p时的拉盖尔多项式。
(2)使用带阻滤波器滤除所述拉盖尔高斯谱的噪声。
其中，因为g(r,φ)＝f(r,φ)+n(r,φ)，所以，Gp,l＝Fp,l+Np,l，Fp,l表示原图f(r,φ)角向指数为l、径向指数为p时的拉盖尔高斯谱系数，Np,l表示噪声n(r,φ)角向指数为l、径向指数为p时的拉盖尔高斯谱系数，因此需要从Gp,l中得到Fp,l，采用带阻滤波器滤除Np,l即可得到，即带阻滤波器完成Fp,l＝Gp,l-Np,l。
(3)将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
其中，相干叠加所采用的公式为：
Figure BDA0002325645200000041
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
本实施例还提供了一种基于拉盖尔高斯谱的角向周期噪声消除装置，包括：
拉盖尔高斯谱计算模块，用于计算含有角向周期噪声图像的拉盖尔高斯谱；
噪声滤除模块，用于使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；
图像复原模块，用于将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
其中，所述拉盖尔高斯谱计算模块计算拉盖尔高斯谱的公式为：
Figure BDA0002325645200000042
Figure BDA0002325645200000043
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure BDA0002325645200000044
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure BDA0002325645200000045
为角向指数为l、径向指数为p时的拉盖尔多项式。
其中，所述图像复原模块进行相干叠加所采用的公式为：
Figure BDA0002325645200000046
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
本装置与上述方法一一对应，未详尽之处请参照方法实施例，不再赘述。
对本发明进行仿真验证，其中，待处理的含有角向周期噪声图像如图2所示，半径有300个像素，每个像素的大小为25μm，自然图像的LG谱是离散的且能量集中在低阶模式处，由于受到了噪声的干扰，待处理图像的LG谱在轨道角动量l＝±150附近的LG模式能量较高，如图3虚线框住部分，谱的范围l为-160到160，p为0到220。最后采用本发明方法进行处理后，复原的图像如图4所示，可以看出，本发明可以实现较好的角向周期噪声消除效果。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种基于拉盖尔高斯谱的角向周期噪声消除方法，其特征在于该方法包括：
(1)计算含有角向周期噪声图像的拉盖尔高斯谱；
(2)使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；
(3)将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
2.根据权利要求1所述的基于拉盖尔高斯谱的角向周期噪声消除方法，其特征在于：步骤(1)中计算拉盖尔高斯谱的公式为：
Figure FDA0002325645190000011
Figure FDA0002325645190000012
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure FDA0002325645190000013
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure FDA0002325645190000014
为角向指数为l、径向指数为p时的拉盖尔多项式。
3.根据权利要求2所述的基于拉盖尔高斯谱的角向周期噪声消除方法，其特征在于：步骤(3)中相干叠加所采用的公式为：
Figure FDA0002325645190000015
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
4.一种基于拉盖尔高斯谱的角向周期噪声消除装置，其特征在于包括：
拉盖尔高斯谱获取模块，用于计算含有角向周期噪声图像的拉盖尔高斯谱；
噪声滤除模块，用于使用带阻滤波器滤除所述拉盖尔高斯谱的噪声；
图像复原模块，用于将噪声滤除后的拉盖尔高斯谱进行相干叠加，得到复原的图像。
5.根据权利要求4所述的基于拉盖尔高斯谱的角向周期噪声消除装置，其特征在于：所述拉盖尔高斯谱获取模块计算拉盖尔高斯谱的公式为：
Figure FDA0002325645190000016
Figure FDA0002325645190000017
式中，Gp,l表示含有角向周期噪声图像g(r,φ)在角向指数为l、径向指数为p时的拉盖尔高斯谱系数，r为极坐标系的半径，φ为极坐标系的方位角，
Figure FDA0002325645190000021
是LGp,l(r,φ)的共轭转置，ω0为拉盖尔高斯模式的束腰，
Figure FDA0002325645190000022
为角向指数为l、径向指数为p时的拉盖尔多项式。
6.根据权利要求4所述的基于拉盖尔高斯谱的角向周期噪声消除装置，其特征在于：所述图像复原模块进行相干叠加所采用的公式为：
Figure FDA0002325645190000023
式中，Fp,l表示噪声滤除后的拉盖尔高斯谱，f(r,φ)表示复原的图像。
CN201911315140.7A 2019-12-19 2019-12-19 基于拉盖尔高斯谱的角向周期噪声消除方法及装置 Active CN111179192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911315140.7A CN111179192B (zh) 2019-12-19 2019-12-19 基于拉盖尔高斯谱的角向周期噪声消除方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911315140.7A CN111179192B (zh) 2019-12-19 2019-12-19 基于拉盖尔高斯谱的角向周期噪声消除方法及装置

Publications (2)

Publication Number Publication Date
CN111179192A true CN111179192A (zh) 2020-05-19
CN111179192B CN111179192B (zh) 2023-05-05

Family

ID=70655534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911315140.7A Active CN111179192B (zh) 2019-12-19 2019-12-19 基于拉盖尔高斯谱的角向周期噪声消除方法及装置

Country Status (1)

Country Link
CN (1) CN111179192B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801917A (zh) * 2021-03-03 2021-05-14 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102135413A (zh) * 2010-12-14 2011-07-27 河南科技大学 一种基于相位涡旋的数字散斑相关测量方法
JP2013250356A (ja) * 2012-05-30 2013-12-12 Nara Institute Of Science & Technology 係数設定装置および雑音抑圧装置
CN106896498A (zh) * 2017-03-08 2017-06-27 华南师范大学 拉盖尔高斯涡旋光束的产生/三维重建装置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102135413A (zh) * 2010-12-14 2011-07-27 河南科技大学 一种基于相位涡旋的数字散斑相关测量方法
JP2013250356A (ja) * 2012-05-30 2013-12-12 Nara Institute Of Science & Technology 係数設定装置および雑音抑圧装置
CN106896498A (zh) * 2017-03-08 2017-06-27 华南师范大学 拉盖尔高斯涡旋光束的产生/三维重建装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
柯熙政;吕宏;武京治;: "基于光轨道角动量的光通信数据编码研究进展" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801917A (zh) * 2021-03-03 2021-05-14 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法
CN112801917B (zh) * 2021-03-03 2023-11-17 南京大学 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法

Also Published As

Publication number Publication date
CN111179192B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN101441764B (zh) 一种mtfc遥感图像复原方法
CN103761720B (zh) 图像去雾方法以及图像去雾装置
CN105469363B (zh) 基于模糊图像生成清晰图像的方法和装置
CN105844601A (zh) 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法
US20130010158A1 (en) Image processing apparatus and image pickup apparatus
US7428020B2 (en) Method and apparatus for noise reduction of video signals
JP2010087672A5 (zh)
CN107563969A (zh) 基于变分模态分解的dspi相位滤波方法
CN111179192A (zh) 基于拉盖尔高斯谱的角向周期噪声消除方法及装置
CN103907134B (zh) 图像处理装置、图像处理方法和摄像装置
CN105894477A (zh) 天文图像噪声去除方法
CN112037151A (zh) 基于小波分析的图像去噪方法
CN107339953B (zh) 一种适用于多反射场景的自适应照明优化方法
Hoffmire et al. Deep learning for anisoplanatic optical turbulence mitigation in long-range imaging
CN110807255A (zh) 一种m通道联合时间顶点非下采样滤波器组的优化设计方法
CN102999889A (zh) 一种保护显著边缘的图像降噪处理方法
CN101540039A (zh) 单帧图象超分辨方法
EP1465113A3 (en) High quality anti-aliasing
CN104065359A (zh) 一种快速收敛的二维自适应滤波方法
CN112801917B (zh) 基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法
CN111179181B (zh) 一种基于拉盖尔高斯模式的图像边缘增强和复制装置
CN105787896B (zh) 一种顾及辐射二维分布的影像间的匀光匀色方法及系统
Liu et al. Noise analysis and image restoration for optical sparse aperture systems
CN107274369A (zh) 一种基于频域分解的单幅图像去雾加速方法
CN104050648A (zh) 一种图像去噪方法及装置

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