CN111986098A - 一种含固定背景的被动式太赫兹图像增强方法 - Google Patents
一种含固定背景的被动式太赫兹图像增强方法 Download PDFInfo
- Publication number
- CN111986098A CN111986098A CN202010409940.1A CN202010409940A CN111986098A CN 111986098 A CN111986098 A CN 111986098A CN 202010409940 A CN202010409940 A CN 202010409940A CN 111986098 A CN111986098 A CN 111986098A
- Authority
- CN
- China
- Prior art keywords
- image
- passive terahertz
- filtering
- background
- terahertz image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000002146 bilateral effect Effects 0.000 claims abstract description 20
- 238000007619 statistical method Methods 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 claims abstract description 6
- 230000000873 masking effect Effects 0.000 claims abstract description 4
- 230000000717 retained effect Effects 0.000 claims abstract description 3
- 238000009826 distribution Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种含固定背景的被动式太赫兹图像增强方法,属于被动式太赫兹图像处理技术领域,其技术要点是:针对含固定背景带、噪声污染严重的被动式太赫兹图像,采用基于区域统计分析方法对其进行固定背景抠除;采用导向滤波、双边滤波的方法对图像进行处理,去除严重的条纹噪声及随机噪声,采用反锐化掩模、巴特沃斯高通滤波、对比度线性拉伸的方法进一步提升图像的细节清晰度。对含固定背景的被动式太赫兹图像具有高效的增强效果,不仅可以抠除无效固定背景,大幅抑制条纹噪声及随机噪声,凸显被噪声淹没的兴趣目标,同时又可最大程度保留图像的纹理细节,同时改善对比度与清晰度,最终实现被动式太赫兹图像视觉效果的显著提升。
Description
技术领域
本发明属于被动式太赫兹图像处理技术领域,特别涉及了一种含固定背景的被动式太赫兹图像增强方法。
背景技术
太赫兹波是指频率在0.1~10THz范围内的电磁波,与其他波段的辐射相比,具有许多独特的优点,包括:安全性,太赫兹能量很小,不会对物质产生破坏作用;透视性,太赫兹波能够穿透大多数非极性材料,并且生物大分子的振动和转动频率的共振频率在太赫兹波段,适合对生物组织进行活体检查。这些特性使太赫兹波在光谱成像、无损检测、安全检查、生物医疗、宽带通信等领域具有广阔的应用前景。
被动式太赫兹探测成像系统主要是以自然界物体发出的黑体辐射以及热背景的辐射作为信号,无辐射源,相比于主动式太赫兹具有安全性高、能耗低的优点,因此被动式太赫兹探测成像系统在安检领域具有令人瞩目的发展前景。被动式太赫兹探测成像系统往往包含多个太赫兹探测设备,分布在检测目标不同方位,以实现目标的多维的、实时的检测。然而,这种情况使得被动式太赫兹图像在兴趣目标之外包含了多余的固定背景带,影响太赫兹图像目标的呈现;其次,每个太赫兹探测设备的工作模式是多个传感单元进行某一方向的一维扫描,完成二维图像的探测,造成图像中存在严重的纵向条纹噪声,降低了图像清晰度;另外,由于被动式太赫兹扫描系统没有使用辐射源,探测到的目标物自身辐射的太赫兹波信号功率较低,成像过程中容易受环境噪声以及电噪声的影响而引入各类随机噪声,使得被动太赫兹图像信噪比很低、图像很模糊。
基于上述背景条件与技术问题,目前亟需一种能够在目标运动情况下自适应扣除固定背景,同时高效提升被动式太赫兹图像的对比度与清晰度,更好地应用到后续的太赫兹图像目标识别的图像增强方法。
发明内容
针对上述问题,本发明提供了一种含固定背景的被动式太赫兹图像增强方法,其优点是可抠除固定背景带、滤除图像中严重的条纹噪声与随机噪声、还原图像中由于滤波而损失的纹理细节信息、提高图像对比度,从而实现被动式太赫兹图像的增强处理。
本发明的上述目的是通过以下技术方案实现的,一种含固定背景的被动式太赫兹图像增强方法,其特征在于,包括以下步骤:
对被动式太赫兹图像通过区域统计分析的方法,抠除被动式太赫兹图像中的固定无效区域;
对被动式太赫兹图像进行导向滤波与双边滤波处理,实现保留有效细节的同时滤除条纹噪声;
对被动式太赫兹图像进行反锐化掩模,实现边缘增强处理;
对被动式太赫兹图像进行频域高通滤波,实现全局锐化增强;
对被动式太赫兹图像通过对比度线性变化,调节图像对比度。
本发明进一步设置为:对被动式太赫兹图像通过区域统计分析的方法,抠除被动式太赫兹图像中的固定无效区域,其算法步骤包括:
计算样本均值背景带,定位背景带区域:定义背景带图像样本集Bn=Bn(i,j),由背景带图像样本集得到均值背景带其中1≤n≤N,n为正整数,N为背景带图像样本数,(i,j)为图像像素的坐标,1≤i≤W,1≤j≤H,W、H分别为整幅图像的宽与高;对均值背景按如下公式进行二值化:其中level为量化水平;将K(i,j)值为1的点坐标存入集合Ks中,即:用以保存背景带的位置坐标;
统计局部和全局区域噪声分布特性,确定目标与背景带的位置关系:计算所有背景样本的与的标准差,找到最大值作为局部与全局统计参考标准值,分别定义为其中Std(·)函数表示图像所有像素的标准差;统计被动式太赫兹图像测试样本F的区域分布,计算判断准则是:当Tflag1>flag1,判断状态为“人与背景带接触”;当Tflag1≤flag1和Tflag2>flag2,判断状态为“人进入检测区域,但未与背景带接触”;否则,判断状态为“人未进入检测区域”;
区域统计分析后,针对三种不同情况形成分段式扣除算法,固定背景带扣除后的公式为其中A为抠图系数,其确定方式为,初始化参数α在0到1内以一定步长递增,循环采用活动轮廓算法对图像进行处理,获得二值化的活动轮廓,非零灰度区域为Kα,通过轮廓提取获得轮廓点集C={pt},pt表示构成轮廓C的所有点,t=1,2,…,T,T为总点数,计算轮廓的平均曲率即其中为轮廓上某一点p的曲率,Δx(pt)=x(pt+1)-x(pt);寻找平均曲率最小的α作为最优抠图系数A,即L为抠图区域,其确定方式为其中KA为确定A同时得到的二值化轮廓非零灰度区域。
本发明进一步设置为:对被动式太赫兹图像进行导向滤波与双边滤波处理,实现保留有效细节的同时滤除条纹噪声中,导向滤波的执行步骤为:
对扣除背景带后的图像I1进行导向滤波,输出导向滤波图像I′1为wk是以r为半径、像素k为中心的正方形窗,其中 是所有窗口重叠i的平均系数,bk=(1-ak)·uk, 是图像在窗口wk内的方差,|w|为窗口w中的像素数目,ε为控制平滑区域和边缘区域的阈值。
本发明进一步设置为:对被动式太赫兹图像进行导向滤波与双边滤波处理,实现保留有效细节的同时滤除条纹噪声中,双边滤波的执行步骤为:
对导向滤波图像I′1进行双边滤波,输出双边滤波图像I2=I′1·weight,其中weight为权重阵列,表示为其中Gs=exp(-Δd2/(2·σs 2))与Gr=exp(-ΔI2/(2·σr 2)),Δd为图像I′1的每个像素点与中心像素点[ic,jc]的欧式距离,即ΔI是每个像素与中心像素的强度差,即ΔI=|I′1(ic,jc)-I′1(i,j)|,σs和σr分别是空间域和值域的滤波平滑参数。
本发明进一步设置为:对被动式太赫兹图像进行反锐化掩模,实现边缘增强处理,对双边滤波后输出的去条纹图像I2经过低通滤波产生一个钝化模糊图像I2L,与输入图像进行线性运算,输出反锐化掩模增强图像为I′2=I2+λ(I2-I2L),λ为控制边缘增强效果的缩放因子。
本发明进一步设置为:对被动式太赫兹图像进行通过高通滤波器,实现全局锐化增强,其中高通滤波器采用巴特沃茨高通滤波器,输出增强图像I″2=IFFT{h·FFT{I′2}},其中FFT{·}表示快速傅里叶变换,IFFT{·}表示快速傅里叶反变换,h为巴特沃茨高通滤波器系数,公式为其中D(i,j)为像素点(i,j)与中心像素点的距离,即D0为截止频率,n为滤波器阶数。
本发明进一步设置为:对被动式太赫兹图像通过对比度线性变化,调节图像对比度中,对图像I″2进行线性灰度拉伸,提高图像对比度,输出最终图像I3为其中[x1,y1]为输入的像素阈值,[x2,y2]为输出像素阈值。
综上所述,本发明的有益效果有:
1、采用区域统计的方法抠除固定背景带,将无效区域去除;
2、结合双边滤波与导向滤波边缘保持良好的特性滤除图像中严重的条纹噪声与随机噪声;
3、通过反锐化掩模、高通滤波、线性灰度拉伸方法还原图像中由于滤波而损失的纹理细节信息、提高图像对比度,从而实现被动式太赫兹图像的增强处理。
附图说明
图1是本发明的整体方案流程图;
图2是本发明用于体现固定背景抠除的流程图;
图3是本发明用于体现背景扣除相关参数计算的流程图;
图4是本发明用于体现均值背景带的示意图,其中,(a)为固定背景带样本库的均值背景带图,(b)为均值背景带二值化图;
图5是本发明用于体现固定背景抠除的前后对比示意图,其中,(a1)为场景1的原始被动式太赫兹图,(a2)为场景2的原始被动式太赫兹图,(b1)为场景1扣除背景带的处理后被动式太赫兹图,(b2)为场景2扣除背景带的处理后被动式太赫兹图;
图6是本发明用于体现场景分布的示意图,其中,(a1)为场景1的局部统计分布图,(a2)为场景2的局部统计分布图,(b1)为场景1的全局统计分布图,(b2)为场景2的全局统计分布图;
图7是本发明用于体现条纹噪声滤除的效果示意图,其中,(a1)为场景1的导向滤波结果图,(a2)为场景2的导向滤波结果图,(b1)为场景1的双边滤波输出图,(b2)为场景2的双边滤波输出图;
图8是本发明用于体现图像增强处理的效果示意图,其中,(a1)为场景1的反锐化掩模锐化结果图,(a2)为场景2的反锐化掩模锐化结果图,(b1)为场景1的巴特沃茨高通滤波结果,(b2)为场景2的巴特沃茨高通滤波结果,(c1)为场景1的对比度调节结果图,(c2)为场景2的对比度调节结果图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
实施例:一种含固定背景的被动式太赫兹图像增强方法,其流程如图1所示,具体步骤如下:
(1)固定背景抠除:采用区域统计分析的方法抠除图像中的固定无效区域;
(2)条纹噪声滤除:顺次采用导向滤波与双边滤波处理扣除背景后的图像,实现保留有效细节的同时去除条纹噪声;
(3)图像增强处理:采用反锐化掩模对滤除条纹噪声的图像进行边缘增强处理,采用频域高通滤波实现全局锐化增强,采用对比度线性变化调节图像对比度。
步骤(1)中,抠除固定背景区域流程图如图2所示,算法步骤包括:
(1-1)背景带图像样本集为Bn=Bn(i,j),1≤n≤N,N为背景带图像样本数,(i,j)为图像像素的坐标,1≤i≤W,1≤j≤H,W、H分别为整幅图像的宽与高。计算均值背景对图像按如下公式进行二值化:其中level为量化水平。将K(i,j)值为1的点坐标存入集合Ks中,即:作为背景带局部区域的参考位置。如图4所示,图4(a)为固定背景带样本库的均值背景带图,图4(b)为均值背景带二值化图,本实施例中,取值W=64,H=282,N=35,level=0.55,获取的均值背景B如图4(a),二值化图像K如图4(b),其中白色区域,即灰度值为1为区域,定为背景带局部区域Ks。
(1-2)局部和全局区域统计,确定目标与背景带的位置关系。首先,计算所有背景样本的与得到背景带局部区域的噪声参考图与整个检测区域的噪声参考图,再计算这些参考图的标准差,找到最大值分别作为局部与全局统计参考值,即Std(·)表示图像所有像素的标准差。计算测试样本F的区域特性,计算局部和全局统计测试值位置关系的判决条件为:当Tflag1>flag1时,判断为“人与背景带接触”;当Tflag1≤flag1和Tflag2>flag2,判断为“人进入检测区域,但未与背景带接触”;否则,判断为“人未进入检测区域”。实施例中,首先利用图4(a)和4(b)计算样本库的局部和全局统计参考值flag1=0.0930、flag2=0.0884。选取场景1和场景2下的待处理被动式太赫兹图像分别进行测试,如图5(a1)和5(a2)所示。对于场景1,计算局部与全局的参考灰度分布与以×线绘制;计算局部与全局的测试灰度分布与以○线绘制;计算局部和全局测试标准差Tflag1=0.1091和Tflag2=0.1633,以虚线绘制;将局部和全局参考标准差flag1=0.0930和flag2=0.0884以点划线绘制,最终分别成图6(a1)和6(b1)。同理计算场景2的局部和全局的分布与统计信息,绘制为图6(a2)和6(b2)。图中可见,场景1和2的全局测试灰度分布较全局参考灰度分布抖动都较大,意味着测试样本在原始纯背景带样本的基础上引入了新内容,而局部测试灰度分布较局部参考灰度分布抖动也较大,意味着背景带区域引入了新内容,从而判断“人与背景带接触”,从原理上也证明了发明内容所述的测试标准差与参考标准差的比较判决方法是正确可行的。
(1-3)扣除固定背景带:针对三种不同情况形成分段式扣除算法,固定背景带扣除后的公式为其中A为抠图系数,L为抠图区域。其确定方法流程如图3所示,初始化参数α在0到1内以一定增加步长递增,循环采用活动轮廓算法对图像进行处理,获得二值化的活动轮廓区域为Kα,通过轮廓提取获得轮廓点集C={pt},pt表示构成轮廓C的所有点,t=1,2,…,T,T为总点数。计算轮廓的平均曲率,即其中为轮廓上某一点p的曲率, Δx(pt)=x(pt+1)-x(pt)。寻找平均曲率K最小的α作为最优抠图系数A,即L的确定方式为其中KA为确定A同时得到的二值化轮廓非零灰度区域。实施例中,基于图5(a1)和5(a2),α在0到1内以0.05步长进行循环运算,求活动轮廓平均曲率最小时的α为最佳抠图系数A和抠图区域L,最终输出扣除背景带的图像如图5(b1)和(b2)所示,可见测试样本中人物后方的背景带被有效扣除。
步骤2中,抠除背景带的图像I1顺次经过导向滤波器与双边滤波器进行条纹噪声去除,算法步骤为:
(2-1)复制图像I1为引导图像I,进行导向滤波,输出为:对于每一个滤波窗口wk上存在局部线性关系:其中 是所有窗口重叠i的平均系数,bk=(1-ak)·uk,实施例中,所有图像大小均为282×64像素,滤波窗口wk半径为15×15,惩罚系数ε=0.01,滤波结果如图7(a1)和(a2)。
(2-2)对图像I′1进行双边滤波,计算出图像I′1的每个像素点与中心像素点[ic,jc]的欧式距离以及两个核函数Gs与Gr,公式为Gs=exp(-Δd2/(2·σs 2))与Gr=exp(-ΔI2/(2·σr 2)),其中ΔI是图像I′的每个像素与中心像素的强度差ΔI=|I′(ic,jc)-I′(i,j)|,σs和σr分别是空间域和值域的滤波平滑参数。
步骤3中,对图像进行增强处理,全面提升太赫兹图像的清晰度和对比度,算法步骤包括:
(3-1)采用反锐化掩模算法对图像I2进行边缘增强,其输出图像为I′2=I2+λ(I2-I2L),其中I2L是对I2经过低通滤波得到一个钝化模糊图像,该过程可增强图像的边缘信息,实施例中,λ=3,采用高斯低通滤波器产生钝化模糊图像I2L,处理输出I′2=I2+3(I2-I2L),如图8(a1)和(a2)所示,可见相比图7(b1)和(b2),图像细节被有效突出;
(3-2)采用巴特沃茨高通滤波算法对图像I′2进行高通滤波,滤除低频噪声,实现全局锐化。算法为I″2=IFFT{h·FFT{I′2}},其中FFT{·}表示快速傅里叶变换,IFFT{·}表示快速傅里叶反变换,h为巴特沃茨高通滤波器系数,公式为其中D(i,j)为像素点(i,j)与中心像素点的距离,即D0为截止频率,n为滤波器阶数。实施例中,D0=1.5,n0=1,Δ为0的一个领域,再对图像I″2f进行傅里叶反变换得到时域图像I″2,处理结果如图8(b1)和(b2)所示,可见低频噪声得到了有效滤除,高频部分得到较好保留;
(3-3)使用线性拉伸函数对图像I″2在0~255的灰度范围内进行灰阶变换,调整图像的亮暗度,变换公式为:实施例中,输入的像素阈值[x1,y1],由图像中像素灰度的分布概率确定,输出像素阈值[x2,y2]=[0,1]。
如图8(c1)和(c2)所示,最终获得的处理效果图像的对比度调整后增强的视觉效果更优。至此,以上完成了含固定背景的被动式太赫兹图像的增强处理,相比最初输入图像的图5(a1)和(a2),一方面完成了固定背景带的有效扣除,另一方面实现了目标区域的图像增强。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (7)
1.一种含固定背景的被动式太赫兹图像增强方法,其特征在于,包括以下步骤:
对被动式太赫兹图像通过区域统计分析的方法,抠除被动式太赫兹图像中的固定无效区域;
对被动式太赫兹图像进行导向滤波与双边滤波处理,实现保留有效细节的同时滤除条纹噪声;
对被动式太赫兹图像进行反锐化掩模处理,实现边缘增强处理;
对被动式太赫兹图像进行频域高通滤波,实现全局锐化增强;
对被动式太赫兹图像通过对比度线性变化,调节图像对比度。
2.根据权利要求1所述的一种含固定背景的被动式太赫兹图像增强方法,其特征在于:对被动式太赫兹图像通过区域统计分析的方法,抠除被动式太赫兹图像中的固定无效区域,其算法步骤包括:
计算样本均值背景带,定位背景带区域:定义背景带图像样本集Bn=Bn(i,j),由背景带图像样本集得到均值背景带其中1≤n≤N,n为正整数,N为背景带图像样本数,(i,j)为图像像素的坐标,1≤i≤W,1≤j≤H,W、H分别为整幅图像的宽与高;对均值背景按如下公式进行二值化:其中level为量化水平;将K(i,j)值为1的点坐标存入集合Ks中,即:用以保存背景带的位置坐标;
统计局部和全局区域噪声分布特性,确定目标与背景带的位置关系:计算所有背景样本的与的标准差,找到最大值作为局部与全局统计参考标准值,分别定义为其中Std(·)函数表示图像所有像素的标准差;统计被动式太赫兹图像测试样本F的区域分布,计算判断准则是:当Tflag1>flag1,判断状态为“人与背景带接触”;当Tflag1≤flag1和Tflag2>flag2,判断状态为“人进入检测区域,但未与背景带接触”;否则,判断状态为“人未进入检测区域”;
5.根据权利要求4所述被动式太赫兹图像增强方法,其特征在于:对被动式太赫兹图像进行反锐化掩模,实现边缘增强处理,对双边滤波后输出的去条纹图像I2经过低通滤波产生一个钝化模糊图像I2L,与输入图像进行线性运算,输出反锐化掩模增强图像为I′2=I2+λ(I2-I2L),λ为控制边缘增强效果的缩放因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010409940.1A CN111986098B (zh) | 2020-05-14 | 2020-05-14 | 一种含固定背景的被动式太赫兹图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010409940.1A CN111986098B (zh) | 2020-05-14 | 2020-05-14 | 一种含固定背景的被动式太赫兹图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986098A true CN111986098A (zh) | 2020-11-24 |
CN111986098B CN111986098B (zh) | 2024-04-30 |
Family
ID=73442200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010409940.1A Active CN111986098B (zh) | 2020-05-14 | 2020-05-14 | 一种含固定背景的被动式太赫兹图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986098B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508113A (zh) * | 2020-12-14 | 2021-03-16 | 中国科学院空天信息创新研究院 | 被动式太赫兹人体图像隐蔽目标的检测方法及装置 |
CN113191961A (zh) * | 2021-03-19 | 2021-07-30 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
CN113744163A (zh) * | 2021-11-03 | 2021-12-03 | 季华实验室 | 集成电路图像增强方法、装置、电子设备及存储介质 |
CN115690693A (zh) * | 2022-12-13 | 2023-02-03 | 山东鲁旺机械设备有限公司 | 一种建筑吊篮的智能监控系统及监控方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574301A (zh) * | 2014-12-25 | 2015-04-29 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像重构方法及系统 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
-
2020
- 2020-05-14 CN CN202010409940.1A patent/CN111986098B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574301A (zh) * | 2014-12-25 | 2015-04-29 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像重构方法及系统 |
CN107274365A (zh) * | 2017-06-15 | 2017-10-20 | 中国矿业大学(北京) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 |
CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508113A (zh) * | 2020-12-14 | 2021-03-16 | 中国科学院空天信息创新研究院 | 被动式太赫兹人体图像隐蔽目标的检测方法及装置 |
CN113191961A (zh) * | 2021-03-19 | 2021-07-30 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
CN113191961B (zh) * | 2021-03-19 | 2022-10-25 | 聚融医疗科技(杭州)有限公司 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
CN113744163A (zh) * | 2021-11-03 | 2021-12-03 | 季华实验室 | 集成电路图像增强方法、装置、电子设备及存储介质 |
CN113744163B (zh) * | 2021-11-03 | 2022-02-08 | 季华实验室 | 集成电路图像增强方法、装置、电子设备及存储介质 |
CN115690693A (zh) * | 2022-12-13 | 2023-02-03 | 山东鲁旺机械设备有限公司 | 一种建筑吊篮的智能监控系统及监控方法 |
CN115690693B (zh) * | 2022-12-13 | 2023-03-21 | 山东鲁旺机械设备有限公司 | 一种建筑吊篮的智能监控系统及监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111986098B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986098A (zh) | 一种含固定背景的被动式太赫兹图像增强方法 | |
CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
Goyal et al. | Two-dimensional gray scale image denoising via morphological operations in NSST domain & bitonic filtering | |
US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
Li et al. | Automatic SAR image enhancement based on nonsubsampled contourlet transform and memetic algorithm | |
Thaipanich et al. | An adaptive nonlocal means scheme for medical image denoising | |
CN113837974A (zh) | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 | |
CN114170103A (zh) | 一种电气设备红外图像增强方法 | |
CN108257123B (zh) | 基于高阶统计特征的多波段雷达图像变化检测方法 | |
CN115082339A (zh) | 基于连通域自适应划分的太赫兹图像去噪方法 | |
Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
Mai et al. | A modified unsharp masking method using particle swarm optimization | |
Wang et al. | An edge-preserving adaptive image denoising | |
CN106952241B (zh) | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 | |
CN112508113B (zh) | 被动式太赫兹人体图像隐蔽目标的检测方法及装置 | |
Liu et al. | Infrared aerial small target detection with NSCT and two-dimensional property histogram | |
Bhargava et al. | An Effective Method for Image Denoising Using Non-local Means and Statistics based Guided Filter in Nonsubsampled Contourlet Domain. | |
Paul et al. | MR image enhancement using an extended neighborhood filter | |
Lal et al. | Enhancement of hyperspectral real world images using hybrid domain approach | |
Prasad et al. | A Systematic Review of Noise Types, Denoising Methods, and Evaluation Metrics in Images | |
Zhang et al. | Contrast study of side scan sonar image enhancement methods | |
Yang et al. | An adaptive edge enhancement method based on histogram matching for ultrasound images | |
CN114581443B (zh) | 一种图像处理方法、装置、计算机设备和可读存储介质 | |
DARICI et al. | A comparative study on denoising from facial images using convolutional autoencoder | |
Nandini et al. | Wavelet-based method for enhancing the visibility of hazy images using Color Attenuation Prior |
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 |