CN111563849A - 一种观测图像去噪方法及系统 - Google Patents
一种观测图像去噪方法及系统 Download PDFInfo
- Publication number
- CN111563849A CN111563849A CN202010202998.9A CN202010202998A CN111563849A CN 111563849 A CN111563849 A CN 111563849A CN 202010202998 A CN202010202998 A CN 202010202998A CN 111563849 A CN111563849 A CN 111563849A
- Authority
- CN
- China
- Prior art keywords
- denoising
- value
- standard deviation
- limit value
- updated
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种观测图像去噪方法及系统。该方法包括:获取空间目标观测图像和预设阈值;计算像素点集合内像素点灰度值的均值和标准差;根据均值和标准差确定去噪上限值和下限值;将集合内像素点灰度值大于去噪上限值的像素点灰度值取值更新为去噪上限值,并将集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值;计算更新后的像素点集合内像素点灰度值的均值和标准差;更新前后标准差差值的绝对值大于预设阈值,根据更新后的均值和更新后的标准差更新去噪上限值和去噪下限值,否则根据更新后的均值和更新后的标准差对空间目标观测图像进行去噪处理。采用本发明的方法及系统,能够有效去除空间目标观测图像的噪声。
Description
技术领域
本发明涉及图像去噪技术领域,特别是涉及一种观测图像去噪方法及系统。
背景技术
空间目标观测是利用地基或天基光学平台对空间目标进行成像观测,空间目标包括特定观测恒星、人造卫星、飞行器残骸碎片等,背景为黑暗的深空,噪声包括空间辐射噪声、星空背景噪声和CCD暗电流噪声等。
星空背景空间目标观测图像的特点是目标呈点状,尺寸小,无任何形状和纹理信息,亮度较弱,与恒星、噪声有相似的时域和频域特征,目标极易湮没在背景噪声中,对目标进行检测识别的难度很大。根据上述星空背景空间目标观测图像的特点,目标没有形状信息,与噪声高度相似,因此,去除空间目标观测图像的噪声时,通常的中值滤波、均值滤波、数学形态学滤波、局部标准差滤波等时域滤波方法和理想高通滤波、Butterworth高通滤波、高斯高通滤波和小波模预处理方法等频域滤波方法都很难适用。
发明内容
本发明的目的是提供一种观测图像去噪方法及系统,能够有效去除空间目标观测图像的噪声。
为实现上述目的,本发明提供了如下方案:
一种观测图像去噪方法,包括:
获取空间目标观测图像和预设阈值;
计算像素点集合内像素点灰度值的均值和标准差;所述集合包括所述空间目标观测图像中的所有像素点;
根据所述均值和所述标准差确定去噪上限值和去噪下限值;
根据所述去噪上限值和所述去噪下限值更新所述集合,得到更新后的像素点集合;所述更新所述集合,具体包括:将所述集合内像素点灰度值大于所述去噪上限值的像素点灰度值取值更新为去噪上限值,并将所述集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值;
计算所述更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差;
判断更新前后标准差差值的绝对值是否大于所述预设阈值;若是,则根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并返回步骤“根据所述去噪上限值和所述去噪下限值更新所述集合”;若否,则根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理。
可选的,所述方法,还包括:
获取连续的N帧空间目标观测图像;
确定每一帧空间目标观测图像中像素点的灰度值;
确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对所述孤立敏感点进行中值滤波处理。
可选的,所述根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理,具体包括:
计算更新前后标准差差值的绝对值小于或等于所述预设阈值的次数;
判断所述次数是否大于预设次数;若所述次数小于或等于预设次数,则根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并返回步骤“根据所述去噪上限值和所述去噪下限值更新所述集合”;若所述次数大于预设次数,则比较在预设次数内计算的标准差的大小,确定最小标准差以及与所述最小标准差对应的均值;
根据所述最小标准差以及与所述最小标准差对应的均值对所述空间目标观测图像进行去噪处理。
可选的,所述计算像素点集合内像素点灰度值的均值和标准差,具体包括:
根据如下公式计算均值μ:
根据如下公式计算标准差σ:
式中,Xij表示空间目标观测图像第i行第j列像素点的灰度值,M表示行总数,N表示列总数。
本发明还提供一种观测图像去噪系统,包括:
第一获取模块,用于获取空间目标观测图像和预设阈值;
均值和标准差计算模块,用于计算像素点集合内像素点灰度值的均值和标准差;所述集合包括所述空间目标观测图像中的所有像素点;
去噪限值确定模块,用于根据所述均值和所述标准差确定去噪上限值和去噪下限值;
像素点集合更新模块,用于根据所述去噪上限值和所述去噪下限值更新所述集合,得到更新后的像素点集合;所述更新所述集合,具体包括:将所述集合内像素点灰度值大于所述去噪上限值的像素点灰度值取值更新为去噪上限值,并将所述集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值;
均值和标准差更新模块,用于计算所述更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差;
判断模块,用于判断更新前后标准差差值的绝对值是否大于所述预设阈值;若是,则将指令发送至去噪限值更新模块;若否,则将指令发送至去噪处理模块;
去噪限值更新模块,用于根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至所述像素点集合更新模块;
去噪处理模块,用于根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理。
可选的,所述系统,还包括:
第二获取模块,用于获取连续的N帧空间目标观测图像;
灰度值确定模块,用于确定每一帧空间目标观测图像中像素点的灰度值;
孤立敏感点去除模块,用于确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对所述孤立敏感点进行中值滤波处理。
可选的,所述去噪处理模块,具体包括:
次数计算单元,用于计算更新前后标准差差值的绝对值小于或等于所述预设阈值的次数;
判断单元,用于判断所述次数是否大于预设次数;若所述次数小于或等于预设次数,则将指令发送至去噪限值更新单元;若所述次数大于预设次数,则将指令发送至标准差比较单元;
去噪限值更新单元,用于根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至所述像素点集合更新模块;
标准差比较单元,用于比较在预设次数内计算的标准差的大小,确定最小标准差以及与所述最小标准差对应的均值;
去噪处理单元,用于根据所述最小标准差以及与所述最小标准差对应的均值对所述空间目标观测图像进行去噪处理。
可选的,均值和标准差计算模块,具体包括:
均值计算单元,用于根据如下公式计算均值μ:
标准差计算单元,用于根据如下公式计算标准差σ:
式中,Xij表示空间目标观测图像第i行第j列像素点的灰度值,M表示行总数,N表示列总数。
与现有技术相比,本发明的有益效果是:
本发明提出了一种观测图像去噪方法及系统,根据均值和标准差确定去噪上限值和去噪下限值,将像素点集合内像素点灰度值大于去噪上限值的像素点灰度值取值更新为去噪上限值,并将集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值。利用“星空背景缓慢变化,以大量低灰度连续呈现高斯分布,空间目标像素个数较少,分布在高灰度区域,恒星也分布在高灰度区域”这一特征,本发明采用不断舍弃高灰度区域,将高灰度值的目标和恒星排除,减小样本标准差,能够有效提高去噪效果。
此外,本发明为防止出现偶然收敛情况,如果更新前后标准差差值的绝对值小于或等于所述预设阈值的次数超过预设次数,则表示标准差已经缩小到指定的范围,循环计算结束。
同时,本发明考虑到当有亮度大的恒星通过时,同一像素点可能在连续多帧内都具有较大灰度,因此,通过获取连续的N帧空间目标观测图像,确定每一帧空间目标观测图像中像素点的灰度值,确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对所述孤立敏感点进行中值滤波处理,能够有效去除恒星干扰,进一步提高了去噪效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中空间目标观测图像去噪方法流程图;
图2为本发明实施例中空间目标观测图像去噪系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种空间目标观测图像去噪方法及系统,能够有效去除空间目标观测图像的噪声。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例
星空背景空间目标观测图像的特点是目标呈点状,尺寸小,无任何形状、纹理信息,亮度较弱,与恒星、噪声有相似的时域和频域特征,目标极易湮没在背景噪声中,对目标的检测识别难度很大。正是因为星空背景空间目标观测图像的上述特点,为了尽最大可能增大目标的信息量,空间目标观测成像系统的图像采集单元通常采用16位量化,即星空背景空间目标观测图像为16位,灰度等级为216=65536。
由于观测系统光学传感器CCD像素的感光敏感度各不相同,导致在观测图像中出现大量亮度略高于背景的孤立像素点。根据统计规律得出,这种像素点在序列观测图像中的位置不变,平均亮度高于背景平均亮度,在不同帧中亮度存在变化,当有目标点或者恒星点经过时,孤立像素点的亮度符合目标或恒星的亮度分布特性。
上述孤立像素点称之为孤立敏感点。因为孤立敏感点在序列图像中位置不变,而在观测过程中,恒星缓慢移动,孤立敏感点的相对运动规律与恒星不同,并且其灰度与弱小目标灰度很接近,所以这种敏感点会显著干扰对目标的检测和识别,必须进行有效去除。
星空背景空间目标观测图像的背景噪声,包括空间辐射噪声、星空背景噪声和CCD暗电流噪声等,这些噪声的统计特性都是高斯噪声,其分布符合均值为μ,标准差为σ的高斯分布。高斯分布在(u-3σ,u+3σ)之间的概率为99.7%,在(u-2σ,u+2σ)之间的概率为95%,在(u-σ,u+σ)之间的概率为69%,因此利用阈值μ+3σ可以滤除大部分背景噪声,关键的问题在于如何估计高斯噪声的均值和方差。
因为点目标图像的先验知识缺乏,在这种情况下,通常可采用两种方法估计背景噪声的均值和方差,即“小于均值方差法”和“局部最小方差法”。其中“小于均值方差法”将小于图像均值的像素统一定义为噪声,所以误差较大。而“局部最小方差法”只用到了一部分直方图,而对于16位星空背景空间目标观测图像而言,灰度等级有65536级,只用局部直方图难以覆盖如此宽广的灰度范围,误差也一定很大。
分析星空背景空间目标观测图像的灰度直方图,可以得出,背景缓慢变化,以大量低灰度连续呈现高斯分布;目标像素个数较少,分布在高灰度区域;恒星也分布在高灰度区域。要估计背景噪声的统计特性,只需要统计低灰度的背景噪声部分,而高灰度的目标和恒星会增大误差,因此本方法采用不断舍弃高灰度区域、减小样本方差来获得统计参量。
实施例
图1为本发明实施例中空间目标观测图像去噪方法流程图,如图1所示,一种空间目标观测图像去噪方法,包括:
步骤101:获取空间目标观测图像和预设阈值。
步骤102:计算像素点集合内像素点灰度值的均值和标准差。集合包括空间目标观测图像中的所有像素点。
步骤102,具体包括:
根据如下公式计算均值μ:
根据如下公式计算标准差σ:
式中,Xij表示空间目标观测图像第i行第j列像素点的灰度值,M表示行总数,N表示列总数。
步骤103:根据均值和标准差确定去噪上限值和去噪下限值。
步骤104:根据去噪上限值和去噪下限值更新集合,得到更新后的像素点集合;更新集合,具体包括:将集合内像素点灰度值大于去噪上限值的像素点灰度值取值更新为去噪上限值,并将集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值。
步骤105:计算更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差。
步骤106:判断更新前后标准差差值的绝对值是否大于预设阈值;若是,则执行步骤107;若否,则执行步骤108。更新前后标准差差值是指更新后的标准差减去上一次计算的标准差。
步骤107:根据更新后的均值和更新后的标准差更新去噪上限值和去噪下限值,并返回步骤104。
步骤108:根据更新后的均值和更新后的标准差对空间目标观测图像进行去噪处理。
步骤108,具体包括:
计算更新前后标准差差值的绝对值小于或等于预设阈值的次数。
判断次数是否大于预设次数;若次数小于或等于预设次数,则根据更新后的均值和更新后的标准差更新去噪上限值和去噪下限值,并返回步骤104;若次数大于预设次数,则比较在预设次数内计算的标准差的大小,确定最小标准差以及与最小标准差对应的均值。
根据最小标准差以及与最小标准差对应的均值对空间目标观测图像进行去噪处理。
本发明的一种空间目标观测图像去噪方法,还包括:获取连续的N帧空间目标观测图像;确定每一帧空间目标观测图像中像素点的灰度值;确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对孤立敏感点进行中值滤波处理。
具体的,
设16位星空背景空间目标观测图像为Xij,i=1,2,……,M;j=1,2,……,N。其中M为图像的总行数,N为图像的总列数,Xij∈[0,65535]。本方法包括如下8个步骤。
1)按照下式计算星空背景空间目标观测图像Xij的均值μ0和标准差σ0
2)引入新变量μ1、μ2和σ1、σ2,用于缓存逐渐减小的均值和标准差,按照下式进行赋值操作:
μ1=μ0,σ1=σ0
3)按照下式剔除过高和过低灰度值像素点
4)按照下式计算剔除过高和过低灰度值像素点后的均值μ2和标准差σ2
5)判断σ1与σ2之差是否小于指定门限,此处令门限值等于100。即若|σ2-σ1|>100,则表示标准差未达到指定的缩小范围,按照下式进行赋值:
μ1=μ2,σ1=σ2
对此种情况标记为“未达到”,然后跳转到3)。
若|σ1-σ0|≤100,则表示标准差已达到指定的缩小范围,对此种情况标记为“达到”。为防止出现偶然收敛情况,如果连续3次为“达到”,则表示标准差已经缩小到指定的范围,循环计算结束;如果连续“达到”的次数少于3,则继续跳转到3)。
6)从上述连续3次“达到”的标准差中,找出最小的标准差σmin作为背景噪声的标准差σ,与之对应的均值μmin作为背景噪声的均值μ。
μ=μmin,σ=σmin
7)统计每个像素点在连续3帧图像中的灰度值。
8)如果在连续3帧图像中,某像素点的灰度值都大于μ+3σ,则认为该点是孤立敏感点,对该点进行5×5的中值滤波,完成去除该孤立敏感点的操作。否则,认为该点不是孤立敏感点,不进行任何操作。
本发明首先对整幅观测图像进行统计,得到整幅图像的均值u和标准差σ,这时高灰度的目标和恒星将会使统计均值u和标准差σ偏大;然后再以(u-3σ,u+3σ)为上下界计算统计参量,会将高灰度的目标和恒星排除,使得统计值更加接近真实值;重复上述步骤直到相邻两次计算的标准差比较接近为止,循环计算结束。最后从中找出标准差的最小值,作为背景噪声的标准差,该最小标准差对应的均值作为背景噪声均值。
对于星空背景空间目标观测图像的孤立敏感点可以根据其在序列图像中位置不变的特点加以去除。同一孤立敏感点在序列图像中的灰度分布仍然符合高斯分布,其标准差随着孤立敏感点的均值增大而增大,因此,可以通过判断同一像素点在连续多帧图像中是否具有较大灰度,从而来判断该点是否属于孤立敏感点,同时还要考虑到当有亮度大的恒星通过时,同一像素点可能在连续多帧内都具有较大灰度,因此对于该像素点不能简单地用赋值的方法过滤,在此通过中值滤波来进行过滤处理。
图2为本发明实施例中空间目标观测图像去噪系统结构图。如图2所示,一种空间目标观测图像去噪系统,包括:
第一获取模块201,用于获取空间目标观测图像和预设阈值。
均值和标准差计算模块202,用于计算像素点集合内像素点灰度值的均值和标准差;集合包括空间目标观测图像中的所有像素点。
均值和标准差计算模块202,具体包括:
均值计算单元,用于根据如下公式计算均值μ:
标准差计算单元,用于根据如下公式计算标准差σ:
式中,Xij表示空间目标观测图像第i行第j列像素点的灰度值,M表示行总数,N表示列总数。
去噪限值确定模块203,用于根据均值和标准差确定去噪上限值和去噪下限值。
像素点集合更新模块204,用于根据去噪上限值和去噪下限值更新集合,得到更新后的像素点集合。更新集合,具体包括:将集合内像素点灰度值大于去噪上限值的像素点灰度值取值更新为去噪上限值,并将集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值。
均值和标准差更新模块205,用于计算更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差。
判断模块206,用于判断更新前后标准差差值的绝对值是否大于预设阈值。若是,则将指令发送至去噪限值更新模块207;若否,则将指令发送至去噪处理模块208。
去噪限值更新模块207,用于根据更新后的均值和更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至像素点集合更新模块。
去噪处理模块208,用于根据更新后的均值和更新后的标准差对空间目标观测图像进行去噪处理。
去噪处理模块208,具体包括:
次数计算单元,用于计算更新前后标准差差值的绝对值小于或等于预设阈值的次数。
判断单元,用于判断次数是否大于预设次数;若次数小于或等于预设次数,则将指令发送至去噪限值更新单元;若次数大于预设次数,则将指令发送至标准差比较单元。
去噪限值更新单元,用于根据更新后的均值和更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至像素点集合更新模块。
标准差比较单元,用于比较在预设次数内计算的标准差的大小,确定最小标准差以及与最小标准差对应的均值。
去噪处理单元,用于根据最小标准差以及与最小标准差对应的均值对空间目标观测图像进行去噪处理。
本发明提供的一种空间目标观测图像去噪系统,还包括:
第二获取模块,用于获取连续的N帧空间目标观测图像。
灰度值确定模块,用于确定每一帧空间目标观测图像中像素点的灰度值。
孤立敏感点去除模块,用于确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对孤立敏感点进行中值滤波处理。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种观测图像去噪方法,其特征在于,包括:
获取空间目标观测图像和预设阈值;
计算像素点集合内像素点灰度值的均值和标准差;所述集合包括所述空间目标观测图像中的所有像素点;
根据所述均值和所述标准差确定去噪上限值和去噪下限值;
根据所述去噪上限值和所述去噪下限值更新所述集合,得到更新后的像素点集合;所述更新所述集合,具体包括:将所述集合内像素点灰度值大于所述去噪上限值的像素点灰度值取值更新为去噪上限值,并将所述集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值;
计算所述更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差;
判断更新前后标准差差值的绝对值是否大于所述预设阈值;若是,则根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并返回步骤“根据所述去噪上限值和所述去噪下限值更新所述集合”;若否,则根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理。
2.根据权利要求1所述的观测图像去噪方法,其特征在于,所述方法,还包括:
获取连续的N帧空间目标观测图像;
确定每一帧空间目标观测图像中像素点的灰度值;
确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对所述孤立敏感点进行中值滤波处理。
3.根据权利要求1所述的观测图像去噪方法,其特征在于,所述根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理,具体包括:
计算更新前后标准差差值的绝对值小于或等于所述预设阈值的次数;
判断所述次数是否大于预设次数;若所述次数小于或等于预设次数,则根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并返回步骤“根据所述去噪上限值和所述去噪下限值更新所述集合”;若所述次数大于预设次数,则比较在预设次数内计算的标准差的大小,确定最小标准差以及与所述最小标准差对应的均值;
根据所述最小标准差以及与所述最小标准差对应的均值对所述空间目标观测图像进行去噪处理。
5.一种观测图像去噪系统,其特征在于,包括:
第一获取模块,用于获取空间目标观测图像和预设阈值;
均值和标准差计算模块,用于计算像素点集合内像素点灰度值的均值和标准差;所述集合包括所述空间目标观测图像中的所有像素点;
去噪限值确定模块,用于根据所述均值和所述标准差确定去噪上限值和去噪下限值;
像素点集合更新模块,用于根据所述去噪上限值和所述去噪下限值更新所述集合,得到更新后的像素点集合;所述更新所述集合,具体包括:将所述集合内像素点灰度值大于所述去噪上限值的像素点灰度值取值更新为去噪上限值,并将所述集合内像素点灰度值小于去噪下限值的像素点灰度值取值更新为去噪下限值;
均值和标准差更新模块,用于计算所述更新后的像素点集合内像素点灰度值的均值和标准差,得到更新后的均值以及更新后的标准差;
判断模块,用于判断更新前后标准差差值的绝对值是否大于所述预设阈值;若是,则将指令发送至去噪限值更新模块;若否,则将指令发送至去噪处理模块;
去噪限值更新模块,用于根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至所述像素点集合更新模块;
去噪处理模块,用于根据所述更新后的均值和所述更新后的标准差对所述空间目标观测图像进行去噪处理。
6.根据权利要求5所述的观测图像去噪系统,其特征在于,所述系统,还包括:
第二获取模块,用于获取连续的N帧空间目标观测图像;
灰度值确定模块,用于确定每一帧空间目标观测图像中像素点的灰度值;
孤立敏感点去除模块,用于确定连续N次灰度值均大于更新后的去噪上限值的像素点为孤立敏感点,并对所述孤立敏感点进行中值滤波处理。
7.根据权利要求5所述的观测图像去噪系统,其特征在于,所述去噪处理模块,具体包括:
次数计算单元,用于计算更新前后标准差差值的绝对值小于或等于所述预设阈值的次数;
判断单元,用于判断所述次数是否大于预设次数;若所述次数小于或等于预设次数,则将指令发送至去噪限值更新单元;若所述次数大于预设次数,则将指令发送至标准差比较单元;
去噪限值更新单元,用于根据所述更新后的均值和所述更新后的标准差更新去噪上限值和去噪下限值,并将更新后的去噪上限值和更新后的去噪下限值发送至所述像素点集合更新模块;
标准差比较单元,用于比较在预设次数内计算的标准差的大小,确定最小标准差以及与所述最小标准差对应的均值;
去噪处理单元,用于根据所述最小标准差以及与所述最小标准差对应的均值对所述空间目标观测图像进行去噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202998.9A CN111563849A (zh) | 2020-03-20 | 2020-03-20 | 一种观测图像去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202998.9A CN111563849A (zh) | 2020-03-20 | 2020-03-20 | 一种观测图像去噪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111563849A true CN111563849A (zh) | 2020-08-21 |
Family
ID=72073094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202998.9A Withdrawn CN111563849A (zh) | 2020-03-20 | 2020-03-20 | 一种观测图像去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563849A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112361881A (zh) * | 2020-10-14 | 2021-02-12 | 成都鼎屹信息技术有限公司 | 一种用于枪瞄系统的智能化瞄准方法 |
CN113538262A (zh) * | 2021-06-21 | 2021-10-22 | 天津大学 | 应用于多比特量子图像传感器的高动态范围图像还原方法 |
CN113870999A (zh) * | 2020-12-15 | 2021-12-31 | 广东德澳智慧医疗科技有限公司 | 基于算法、医学影像和区块链的远程疾病智能诊断系统和辅助诊断方法 |
-
2020
- 2020-03-20 CN CN202010202998.9A patent/CN111563849A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112361881A (zh) * | 2020-10-14 | 2021-02-12 | 成都鼎屹信息技术有限公司 | 一种用于枪瞄系统的智能化瞄准方法 |
CN113870999A (zh) * | 2020-12-15 | 2021-12-31 | 广东德澳智慧医疗科技有限公司 | 基于算法、医学影像和区块链的远程疾病智能诊断系统和辅助诊断方法 |
CN113870999B (zh) * | 2020-12-15 | 2023-06-16 | 江苏微药信息科技有限责任公司 | 基于算法、医学影像和区块链的远程疾病智能诊断系统和辅助诊断方法 |
CN113538262A (zh) * | 2021-06-21 | 2021-10-22 | 天津大学 | 应用于多比特量子图像传感器的高动态范围图像还原方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563849A (zh) | 一种观测图像去噪方法及系统 | |
CN109685045B (zh) | 一种运动目标视频跟踪方法及系统 | |
CN109146860B (zh) | 全自动机械设备安装泄露检测方法及装置 | |
CN111723644A (zh) | 一种监控视频遮挡检测方法及系统 | |
CN112819772A (zh) | 一种高精度快速图形检测识别方法 | |
CN113808036B (zh) | 基于Retinex模型的低照度图像增强与去噪方法 | |
CN108665420B (zh) | 基于变分贝叶斯模型的红外弱小目标图像背景抑制方法 | |
CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN112561946A (zh) | 一种动态目标检测方法 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN112465712B (zh) | 一种运动模糊星图复原方法及系统 | |
CN117011542A (zh) | 基于时间序列影像的遥感影像厚云去除方法、系统和设备 | |
CN110008881B (zh) | 多运动目标的奶牛行为的识别方法及装置 | |
CN117314800A (zh) | 基于形态学重构的暗弱空间目标质心提取方法 | |
CN104966271A (zh) | 基于生物视觉感受野机制的图像去噪方法 | |
CN114049337A (zh) | 一种基于人工智能的隧道变形检测方法及系统 | |
CN115294035A (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN113554685A (zh) | 遥感卫星运动目标检测方法、装置、电子设备及存储介质 | |
CN108875630B (zh) | 一种基于视频的雨天环境下移动目标检测方法 | |
CN112801903A (zh) | 一种基于视频降噪的目标跟踪方法、装置和计算机设备 | |
CN114511591B (zh) | 轨迹跟踪方法、装置、电子设备及存储介质 | |
CN117152622B (zh) | 边界优化模型训练、边界优化方法、装置、设备及介质 | |
CN116051416B (zh) | 基于sar图像的海洋锋自动检测识别方法及装置 | |
CN113792670B (zh) | 一种自适应重构的高精度机载目标识别方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200821 |
|
WW01 | Invention patent application withdrawn after publication |