CN111724315B - 一种基于自适应加权中值滤波的红外图像噪声去除方法 - Google Patents
一种基于自适应加权中值滤波的红外图像噪声去除方法 Download PDFInfo
- Publication number
- CN111724315B CN111724315B CN202010386389.3A CN202010386389A CN111724315B CN 111724315 B CN111724315 B CN 111724315B CN 202010386389 A CN202010386389 A CN 202010386389A CN 111724315 B CN111724315 B CN 111724315B
- Authority
- CN
- China
- Prior art keywords
- image
- variance
- adaptive
- med
- weight
- 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.)
- Expired - Fee Related
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 6
- 230000001629 suppression Effects 0.000 description 3
- 241001494479 Pecora Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于自适应加权的中值滤波红外图像噪声去除方法,方法包括以下步骤:一是建立红外图像自适应中值滤波去噪方法;二是利用图像灰度方差区分处理对象是噪声或者是图像细节,并最终通过中心加权方式实现红外图像的自适应中值滤波去噪,该方法在去除红外图像背景噪声的情况下,极大保证了图像的边缘细节信息,具有较强的应用价值。
Description
技术领域
本发明涉及一种基于自适应加权中值滤波的红外图像噪声去除方法。属于光学测量领域。
背景技术
任何物体,只要其温度高于绝对零度,就能产生红外辐射,因此,可以通过接收物体的红外辐射对物体进行探测和测量。红外探测与可见光探测是光学测量领域的重要手段,两者比较而言红外探测更是具有全天候工作的优点。但是红外图像的噪声要比可见图像噪声严重得多,抑制和去除红外图像的噪声是红外探测领域的一向关键技术。
为了提高红外图像效果,常见的锐化处理方式会加大图像的噪声并不能达到提高图像质量的目的,一般采用图像空间滤波技术改善红外图像质量。中值滤波器是其中常用的红外图像噪声去除方法,该方法对单极或双极脉冲噪声非常有效,但是当图像中存在非冲击噪声时,传统的中值滤波器在去除噪声的同时并不能较好的保存图像目标信息的细节。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于自适应加权的中值滤波红外图像噪声去除方法。
本发明解决上述问题所采用的技术方案为:一种基于自适应加权的中值滤波红外图像噪声去除方法,所述方法包括以下步骤:
步骤一、建立红外图像自适应中值滤波去噪方法
设定两种自适应中值滤波器的工作状态:
状态一
A1=Zmed-Zmin;
A2=Zmed-Zmax;
如果((A1>0)&&A2<0)则跳转到状态二;
否则Sxy累加一次;
如果(Sxy<=Smax)则跳转到状态一;
否则yout=Zmed;
状态二、
B1=Zxy-Zmin;
B2=Zxy-Zmax;
如果((B1>0)&&(B2<0)则yout=Zxy;
否则yout=Zmed;
其中:Sxy为自适应中值滤波器的模板区域,Zmin为Sxy中灰度级的最小值;Zmax为Sxy中灰度级的最大值;Zmed为Sxy中灰度级的中值;Zxy为图像在坐标(x,y)上的灰度级;Smax为自适应模板Sxy的最大尺寸;
步骤二、利用窗口内图像灰度方差区分噪声或者是图像细节
当滤波窗口内的方差与参考值的差大于一个阈值时则认为是细节图像,而当滤波窗口内的方差与参考值的差小于阈值时认为是噪声干扰图像,
N×N窗口方差的定义公式如下:
式中avg()为求平均运算,l(i,j)表示坐标位置(i,j)像素的灰度值为l,(i,j)为N×N窗口内某一像素。
优选地,在图像四周取四个区域,利用N×N窗口方差公式计算出最大值参考方差为T,则可由下式进行噪声判断和权值计算;
式中wc为权重系数,σlb为当前计算区域的方差,σavg为四边平坦图像区域的方差;
则加权中值滤波器的输出为
y=med{x1,x2,...,x(N+1)/2-1,wcx(N+1)/2,x(N+1)/2+1,...,xN}
其中改变中心权值wc则滤波器的滤波效果将会不同,当权值wc较小时,中心点的权重小,平滑的程度反之较大,此时容易造成边缘和细节信息的模糊;当权值wc较大时,中心点的权重大,平滑的程度反之较小,边缘和细节信息将会较好的保留。
与现有技术相比,本发明的优点在于:
本发明建立在自适应中值滤波去除红外图像噪声基础上,利用比较不同区域图像灰度方差实现了图像去噪的中心加权。该方法通过改变中心权值改变滤波器滤波效果,在背景区域选用小权重,有利于去除图像噪声,而在目标区域选用大权重,有利于保留图像边缘细节。
附图说明
图1为本发明实施例中的原始图像。
图2为本发明实施例中的普通中值滤波结果图像。
图3为本发明实施例中的普通自适应中值滤波结果图像。
图4为本发明实施例中的自适应加权中值滤波结果图像。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本实施例是一种基于自适应加权的中值滤波红外图像噪声去除方法,方法包括以下步骤:一是建立红外图像自适应中值滤波去噪方法;二是利用图像灰度方差区分处理对象是噪声或者是图像细节,并最终通过中心加权方式实现红外图像的自适应中值滤波去噪。
二、实施过程
步骤一、建立红外图像自适应中值滤波去噪方法
1、设自适应中值滤波器的模板区域为Sxy,Zmin为Sxy中灰度级的最小值;Zmax为Sxy中灰度级的最大值;Zmed为Sxy中灰度级的中值;Zxy为图像在坐标(x,y)上的灰度级;Smax为自适应模板Sxy的最大尺寸。
2、自适应中值滤波器的算法工作在两个状态,定义为state1和state2。
state1:
A1=Zmed-Zmin;
A2=Zmed-Zmax;
如果((A1>0)&&A2<0)则跳转到state2状态;
否则Sxy累加一次;
如果(Sxy<=Smax)则跳转到state1状态;
否则yout=Zmed;
state2:
B1=Zxy-Zmin;
B2=Zxy-Zmax;
如果((B1>0)&&(B2<0)则yout=Zxy;
否则yout=Zmed (5)
3、state1的目的是确定中值滤波器的输出Zmed是否是一个噪声冲击,如果满足条件Zmin<Zmed<Zmax,则认为Zmed不是噪声冲击,这种情况下,算法转到state2进行检测,看窗口Zxy中心点本身是否是一个冲击噪声。如果条件((B1>0)&&(B2<0)满足则Zmin<Zmed<Zmax,Zxy和Zmed就不是冲击噪声,此时滤波器输出原像素值Zxy。算法利用这些判断来减少图像中的失真。如果条件((B1>0)&&(B2<0)不成立,则Zxy=Zmin或Zxy=Zmax。
步骤二、自适应中值滤波的中心加权
1、设中值滤波器的窗口大小为N(通常为了中心对称N取为奇整数),滤波器窗口内的图像像素为{x1,x2,...,x(N+1)/2,...,xN},设中心权值为wc,则加权中值滤波器的输出为
y=med{x1,x2,...,x(N+1)/2-1,wcx(N+1)/2,x(N+1)/2+1,...,xN} (6)
med为求中值计算。
其中改变中心权值wc则滤波器的滤波效果将会不同,当权值wc较小时,中心点的权重小,平滑的程度反之较大,此时容易造成边缘和细节信息的模糊。当权值wc较大时,中心点的权重大,平滑的程度反之较小,边缘和细节信息将会较好的保留。
2、利用窗口内图像灰度方差区分噪声或者是图像细节,当滤波窗口内的方差与参考值的差大于一个阈值时则认为是细节图像,而当滤波窗口内的方差与参考值的差小于阈值时认为是噪声干扰图像。
N×N窗口方差的定义公式如下:
式中avg()为求平均运算,l(i,j)表示坐标位置(i,j)像素的灰度值为l,(i,j)为N×N窗口内某一像素。
3、考虑到红外图像的噪声在整个图像区域的分布较为均匀,而更为为关心的是目标的边缘和细节,因此可以考虑自适应改变中值滤波器的权值wc,将背景处进行幅度较大的滤波以更好的去除噪声,而在目标区域增大权值以更好的保留细节。
设图像四周取4个区域利用上式计算出的最大值参考方差为T,则可由下式进行噪声判断和权值计算;
式中wc为权重系数,σlb为当前计算区域的方差,σavg为四边平坦图像区域的方差。
实施例:
1、原始图像如图1所示。
2、普通5X5中值滤波结果如图2所示。
3、普通自适应中值滤波结果如图3所示。
4、自适应加权中值滤波结果如图4所示。
5、图1中为野外一只黄羊未经处理的中波红外图像,图2为利用5×5中值滤波器进行滤波的结果,从图中可以看出图中滤除了一定程度的背景噪声,但是仍然有许多噪声残留;图3为利用普通自适应中值滤波器进行滤波的结果,图中的噪声抑制的效果要好于5×5中值滤波器,但是黄羊的细节受到了一定程度的影响;图4为利用自适应加权中值滤波器处理的图像,经过滤波,背景噪声的抑制与普通的自适应算法基本效果相近,但在目标的细节保护程度上要优于传统的自适应算法。
除上述实施例外,本发明还包括有其他实施方式,凡采用等同变换或者等效替换方式形成的技术方案,均应落入本发明权利要求的保护范围之内。
Claims (2)
1.一种基于自适应加权的中值滤波红外图像噪声去除方法,其特征在于:所述方法包括以下步骤:
步骤一、建立红外图像自适应中值滤波去噪方法
设定两种自适应中值滤波器的工作状态:
状态一
A1=Zmed-Zmin;
A2=Zmed-Zmax;
如果((A1>0)&&A2<0)则跳转到状态二;
否则Sxy累加一次;
如果(Sxy<=Smax)则跳转到状态一;
否则yout=Zmed;
状态二、
B1=Zxy-Zmin;
B2=Zxy-Zmax;
如果((B1>0)&&(B2<0)则yout=Zxy;
否则yout=Zmed;
其中:Sxy为自适应中值滤波器的模板区域,Zmin为Sxy中灰度级的最小值;Zmax为Sxy中灰度级的最大值;Zmed为Sxy中灰度级的中值;Zxy为图像在坐标(x,y)上的灰度级;Smax为自适应模板Sxy的最大尺寸;
步骤二、利用窗口内图像灰度方差区分噪声或者是图像细节
当滤波窗口内的方差与参考值的差大于一个阈值时则认为是细节图像,而当滤波窗口内的方差与参考值的差小于阈值时认为是噪声干扰图像,
N×N窗口方差的定义公式如下:
式中avg()为求平均运算,l(i,j)表示坐标位置(i,j)像素的灰度值为l,(i,j)为N×N窗口内某一像素。
2.根据权利要求1所述的一种基于自适应加权的中值滤波红外图像噪声去除方法,其特征在于:在图像四周取四个区域,利用N×N窗口方差公式计算出最大值参考方差为T,则可由下式进行噪声判断和权值计算;
式中wc为权重系数,σlb为当前计算区域的方差,σavg为四边平坦图像区域的方差;
则加权中值滤波器的输出为
y=med{x1,x2,...,x(N+1)/2-1,wcx(N+1)/2,x(N+1)/2+1,...,xN}
其中改变中心权值wc则滤波器的滤波效果将会不同,当权值wc较小时,中心点的权重小,平滑的程度反之较大,此时容易造成边缘和细节信息的模糊;当权值wc较大时,中心点的权重大,平滑的程度反之较小,边缘和细节信息将会较好的保留。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386389.3A CN111724315B (zh) | 2020-05-09 | 2020-05-09 | 一种基于自适应加权中值滤波的红外图像噪声去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386389.3A CN111724315B (zh) | 2020-05-09 | 2020-05-09 | 一种基于自适应加权中值滤波的红外图像噪声去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724315A CN111724315A (zh) | 2020-09-29 |
CN111724315B true CN111724315B (zh) | 2022-10-14 |
Family
ID=72564377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010386389.3A Expired - Fee Related CN111724315B (zh) | 2020-05-09 | 2020-05-09 | 一种基于自适应加权中值滤波的红外图像噪声去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724315B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379671A (zh) * | 2021-02-23 | 2021-09-10 | 华北电力大学 | 一种开关类设备局部放电诊断系统及诊断方法 |
CN112967206B (zh) * | 2021-03-25 | 2022-03-04 | 西安中科立德红外科技有限公司 | 一种基于图像分块的自适应红外图像、视频竖纹去除方法 |
CN113610733B (zh) * | 2021-08-10 | 2024-04-05 | 国网浙江省电力有限公司电力科学研究院 | 图像处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410230A (zh) * | 2018-09-07 | 2019-03-01 | 南京航空航天大学 | 一种可抗噪声的改进Canny图像边缘检测方法 |
CN109767406A (zh) * | 2019-01-28 | 2019-05-17 | 中南林业科技大学 | 一种应用于图像处理的自适应中值滤波去噪方法 |
-
2020
- 2020-05-09 CN CN202010386389.3A patent/CN111724315B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410230A (zh) * | 2018-09-07 | 2019-03-01 | 南京航空航天大学 | 一种可抗噪声的改进Canny图像边缘检测方法 |
CN109767406A (zh) * | 2019-01-28 | 2019-05-17 | 中南林业科技大学 | 一种应用于图像处理的自适应中值滤波去噪方法 |
Non-Patent Citations (1)
Title |
---|
自适应中值滤波算法在图像处理中的应用;刘颖等;《物联网技术》;20130315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111724315A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724315B (zh) | 一种基于自适应加权中值滤波的红外图像噪声去除方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
TWI393073B (zh) | 影像雜訊濾除方法 | |
CN103761707A (zh) | 一种快速高效去除图像椒盐噪声的均值滤波方法 | |
Indu et al. | A noise fading technique for images highly corrupted with impulse noise | |
Khatri et al. | Quality assessment of Median filtering techniques for impulse noise removal from digital images | |
CN111179186A (zh) | 一种保护图像细节的图像去噪系统 | |
CN116468641A (zh) | 一种红外血管图像增强处理方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN105225244A (zh) | 基于最小局部均方差计算的噪点检测方法 | |
Teranishi et al. | Improvement of robustness blind image restoration method using failing detection process | |
CN110827209A (zh) | 一种联合颜色与深度信息的自适应深度图像修复方法 | |
Sunilkumar et al. | Removal of high density impulse noise through modified non-linear filter | |
CN116912115A (zh) | 一种水下图像自适应增强方法、系统、设备及存储介质 | |
Priestley et al. | A decision based switching median filter for restoration of images corrupted by high density impulse noise | |
Rai et al. | Removal of high density gaussian and salt and pepper noise in images with fuzzy rule based filtering using MATLAB | |
Moon et al. | Image restoration using adaptive switching median filter | |
Jin et al. | An approach to remove impulse noise from a corrupted image | |
CN113269687A (zh) | 一种基于参数优化的非局部平均红外图像去噪方法 | |
Palabaş et al. | Adaptive fuzzy filter combined with median filter for reducing intensive salt and pepper noise in gray level images | |
Chishima et al. | A method of scratch removal from old movie film using variant window by Hough transform | |
Khodambashi et al. | An impulse noise fading technique based on local histogram processing | |
Dash et al. | Particle swarm optimization based support vector regression for blind image restoration | |
Vijaykumar et al. | Adaptive window based efficient algorithm for removing gaussian noise in gray scale and color images | |
Kumar | Hybrid filters for medical image reconstruction |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221014 |