CN112767282A - 改进加权核函数的非局部均值回转窑火焰图像去噪方法 - Google Patents

改进加权核函数的非局部均值回转窑火焰图像去噪方法 Download PDF

Info

Publication number
CN112767282A
CN112767282A CN202110145374.2A CN202110145374A CN112767282A CN 112767282 A CN112767282 A CN 112767282A CN 202110145374 A CN202110145374 A CN 202110145374A CN 112767282 A CN112767282 A CN 112767282A
Authority
CN
China
Prior art keywords
flame image
rotary kiln
kernel function
pixel
local mean
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
CN202110145374.2A
Other languages
English (en)
Other versions
CN112767282B (zh
Inventor
盛玉霞
吴雅儒
柴利
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.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN202110145374.2A priority Critical patent/CN112767282B/zh
Publication of CN112767282A publication Critical patent/CN112767282A/zh
Application granted granted Critical
Publication of CN112767282B publication Critical patent/CN112767282B/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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了改进加权核函数的非局部均值回转窑火焰图像去噪方法，对火焰图像中每一个像素点所在的图像块进行全局范围的搜索，改进加权核函数计算出邻域内各像素之间的权重系数，并加权平均得到当前像素的估计值，减少了火焰图像中的随机噪声；权重系数的大小由火焰图像块之间的欧式距离和位置信息共同决定，增强了对图像的去噪性能。本发明在保留了现有方法的非局部均值保边特性的同时，达到了更好的去噪效果。

Description

改进加权核函数的非局部均值回转窑火焰图像去噪方法
技术领域
本发明属于图像去噪技术领域，具体涉及改进加权核函数的非局部均值回转窑火焰图像去噪方法。
背景技术
回转窑的应用起源于水泥生产，具有燃料燃烧、热交换、化学反应、物料输送和降解利用废弃物五大功能。回转窑烧结过程的最终目标是将熟料质量指标控制在预设定的范围之内。烧成状态反映了回转窑内烧成带温度场分布信息和熟料烧结状况信息，直接决定了熟料质量指标。然而，受煤粉燃烧、物料烧结和窑内烟尘的影响，烧成带火焰图像中火焰区域与物料区域之间存在强烈耦合，边界模糊不清，包含大量复杂噪声，给操作人员对于烧成状态的识别带来很大的干扰。因此有必要对回转窑火焰图像去噪。
在图像去噪算法中，Buades等人提出的原始非局部均值算法被证明了其性能优于其他经典的去噪方法。非局部均值滤波算法的核心问题在于确定加权核函数，原始非局部均值去噪算法采用高斯型核函数进行加权，导致了图像细节过度平滑而变得模糊，且纯高斯型或者余弦型的核函数不能适应噪声的变化，对强噪声的去噪能力明显下降；改进的余弦高斯型核函数在不同的噪声水平中均能表现出更好的去噪性能，但是并没有考虑像素点的位置信息。
发明内容
本发明要解决的技术问题是：提供改进加权核函数的非局部均值回转窑火焰图像去噪方法，用于增强对图像的去噪性能。
本发明为解决上述技术问题所采取的技术方案为：改进加权核函数的非局部均值回转窑火焰图像去噪方法，包括以下步骤：
S1：输入待处理的回转窑火焰图像；
S2：定义回转窑火焰图像中像素点的搜索窗口；
S3：定义搜索窗口中像素点的火焰图像块和图像中像素点的火焰图像块，对回转窑火焰图像I进行镜像填充；
S4：通过计算步骤S3得到的两个火焰图像块的欧式距离和像素中心的距离，得到像素间的权重系数；
S5：计算去噪后的回转窑火焰图像中像素点的像素值；
S6：执行步骤S5直至遍历整个回转窑火焰图像的像素点，得到去噪后的回转窑火焰图像。
按上述方案，所述的步骤S1中，具体步骤为：输入大小为m×n的回转窑火焰图像I。
进一步的，所述的步骤S2中，具体步骤为：对于回转窑火焰图像I中的每个像素点i定义一个以i为中心的搜索窗口N，大小为k×k。
进一步的，所述的步骤S3中，具体步骤为：
S31：对搜索窗口N内的每个像素点j定义一个以j为中心的火焰图像块N(j)，大小为r×r；
S32：对像素点i定义一个以i为中心的相同大小的火焰图像块N(i)；
S33：对回转窑火焰图像I进行r行r列的镜像填充。
进一步的，所述的步骤S3中，回转窑火焰图像I的边界上的像素点在填充火焰图像中取r×r的火焰图像块。
进一步的，所述的步骤S4中，具体步骤为：
S41：使以像素点j为中心的火焰图像块N(j)在搜索窗口N中滑动；
S42：计算火焰图像块N(j)与火焰图像块N(i)的欧式距离和像素中心的距离：
设火焰图像块N(i)的向量形式为
Figure BDA0002929991340000021
火焰图像块N(j)的向量形式为
Figure BDA0002929991340000022
则火焰图像块N(i)与火焰图像块N(j)之间的欧氏距离d(i,j)为：
Figure BDA0002929991340000023
设像素点i的空间位置为ci，像素点j的空间位置为cj，则火焰图像块N(i)与火焰图像块N(j)的中心像素点i和j的空间距离l(i,j)为：
l(i,j)＝||ci-cj||2 (2)；
S43：设α为一个非负常数，用于控制位置信息对权重值的影响程度；设σ1、σ2为根据噪声强度调节的平滑参数，用于控制噪声的平滑程度；将上述距离代入加权核函数得到搜索窗口N内所有像素点j相对于像素点i的权重系数T(i,j)：
Figure BDA0002929991340000031
进一步的，所述的步骤S5中，具体步骤为：设回转窑火焰图像I在像素点j处的像素值为I(j)，则去噪后的回转窑火焰图像I'在像素点i处的像素值I'(i)为：
Figure BDA0002929991340000032
一种计算机存储介质，其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行改进加权核函数的非局部均值回转窑火焰图像去噪方法。
本发明的有益效果为：
1.本发明的改进加权核函数的非局部均值回转窑火焰图像去噪方法，对火焰图像中每一个像素点所在的图像块进行全局范围的搜索，改进加权核函数计算出邻域内各像素之间的权重系数，并加权平均得到当前像素的估计值，减少了火焰图像中的随机噪声；权重系数的大小由火焰图像块之间的欧式距离和位置信息共同决定，增强了对图像的去噪性能。
2.本发明在保留了现有方法的非局部均值保边特性的同时，达到了更好的去噪效果。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例的原始回转窑火焰图像。
图3是本发明实施例的去噪后的回转窑火焰图像。
具体实施方式
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。
参见图1，本发明实施例的改进加权核函数的非局部均值回转窑火焰图像去噪方法，包括以下步骤：
S1：输入大小为256×256的回转窑火焰图像I；
S2：对于回转窑火焰图像I中的每一个像素点i，定义一个以i为中心的搜索窗口N，大小为7×7。
S3：对于上述搜索窗口N内的每一个像素点j，定义一个以j为中心的火焰图像块N(j)，大小为3×3，同时，定义一个以i为中心的相同大小的火焰图像块N(i)。定义大小为3×3的图像块后，对回转窑火焰图像I进行r行r列的镜像填充，则原火焰图像边界上的像素点也可在填充火焰图像中取3×3的火焰图像块。
S4：以j为中心的火焰图像块N(j)在搜索窗口N中滑动，通过计算两个火焰图像块的欧式距离和像素中心的距离，代入以下加权核函数则可得到像素间的权重系数，即可得到搜索框N内所有像素点j相对于像素点i的权重系数T(i,j)，
Figure BDA0002929991340000041
式(1)中：
d(i,j)表示火焰图像块N(i)和N(j)之间的欧氏距离，
Figure BDA0002929991340000042
式(2)中
Figure BDA0002929991340000043
和
Figure BDA0002929991340000044
分别表示火焰图像块N(i)和N(j)的向量形式；
l(i,j)表示火焰图像块N(i)和N(j)的中心像素点i和j空间距离，
l(i,j)＝||ci-cj||2 (3)
式(3)中ci和cj分别表示像素点i和j的空间位置；
α为一个非负常数，控制位置信息对权重值的影响程度，α为1600；
σ1、σ2为平滑参数，控制噪声的平滑程度，可根据噪声强度调节，σ1为800，σ2为8000；
N是以i为中心的邻域，即搜索框，大小为7×7。
S5：运用改进加权核函数的非局部均值回转窑火焰图像去噪方法，即可得到去噪后的回转窑火焰图像I'在像素点i处的像素值I'(i),
Figure BDA0002929991340000051
式(4)中：
T(i,j)表示像素点j相对于i的权重系数；
I(j)为火焰图像I在像素点j处的像素值。
S6：用上述步骤S5的方法遍历整个火焰图像的像素点后，即可得到去噪后的回转窑火焰图像I'。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (8)

1.改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：包括以下步骤：
S1：输入待处理的回转窑火焰图像；
S2：定义回转窑火焰图像中像素点的搜索窗口；
S3：定义搜索窗口中像素点的火焰图像块和图像中像素点的火焰图像块，对回转窑火焰图像I进行镜像填充；
S4：通过计算步骤S3得到的两个火焰图像块的欧式距离和像素中心的距离，得到像素间的权重系数；
S5：计算去噪后的回转窑火焰图像中像素点的像素值；
S6：执行步骤S5直至遍历整个回转窑火焰图像的像素点，得到去噪后的回转窑火焰图像。
2.根据权利要求1所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S1中，具体步骤为：输入大小为m×n的回转窑火焰图像I。
3.根据权利要求2所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S2中，具体步骤为：对于回转窑火焰图像I中的每个像素点i定义一个以i为中心的搜索窗口N，大小为k×k。
4.根据权利要求3所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S3中，具体步骤为：
S31：对搜索窗口N内的每个像素点j定义一个以j为中心的火焰图像块N(j)，大小为r×r；
S32：对像素点i定义一个以i为中心的相同大小的火焰图像块N(i)；
S33：对回转窑火焰图像I进行r行r列的镜像填充。
5.根据权利要求4所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S3中，回转窑火焰图像I的边界上的像素点在填充火焰图像中取r×r的火焰图像块。
6.根据权利要求5所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S4中，具体步骤为：
S41：使以像素点j为中心的火焰图像块N(j)在搜索窗口N中滑动；
S42：计算火焰图像块N(j)与火焰图像块N(i)的欧式距离和像素中心的距离：
设火焰图像块N(i)的向量形式为
Figure FDA0002929991330000021
火焰图像块N(j)的向量形式为
Figure FDA0002929991330000022
则火焰图像块N(i)与火焰图像块N(j)之间的欧氏距离d(i,j)为：
Figure FDA0002929991330000023
设像素点i的空间位置为ci，像素点j的空间位置为cj，则火焰图像块N(i)与火焰图像块N(j)的中心像素点i和j的空间距离l(i,j)为：
l(i,j)＝||ci-cj||2 (2)；
S43：设α为一个非负常数，用于控制位置信息对权重值的影响程度；设σ1、σ2为根据噪声强度调节的平滑参数，用于控制噪声的平滑程度；将上述距离代入加权核函数得到搜索窗口N内所有像素点j相对于像素点i的权重系数T(i,j)：
Figure FDA0002929991330000024
7.根据权利要求6所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法，其特征在于：所述的步骤S5中，具体步骤为：设回转窑火焰图像I在像素点j处的像素值为I(j)，则去噪后的回转窑火焰图像I'在像素点i处的像素值I'(i)为：
Figure FDA0002929991330000025
8.一种计算机存储介质，其特征在于：其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行如权利要求1至权利要求7中任意一项所述的改进加权核函数的非局部均值回转窑火焰图像去噪方法。
CN202110145374.2A 2021-02-02 2021-02-02 改进加权核函数的非局部均值回转窑火焰图像去噪方法 Active CN112767282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110145374.2A CN112767282B (zh) 2021-02-02 2021-02-02 改进加权核函数的非局部均值回转窑火焰图像去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110145374.2A CN112767282B (zh) 2021-02-02 2021-02-02 改进加权核函数的非局部均值回转窑火焰图像去噪方法

Publications (2)

Publication Number Publication Date
CN112767282A true CN112767282A (zh) 2021-05-07
CN112767282B CN112767282B (zh) 2022-07-29

Family

ID=75705029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110145374.2A Active CN112767282B (zh) 2021-02-02 2021-02-02 改进加权核函数的非局部均值回转窑火焰图像去噪方法

Country Status (1)

Country Link
CN (1) CN112767282B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627015A (zh) * 2022-03-15 2022-06-14 南京凯盛国际工程有限公司 一种回转窑火焰图像去沙尘方法
CN116912102A (zh) * 2023-05-11 2023-10-20 上海宇勘科技有限公司 一种基于非局部均值的保边图像去噪方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160086317A1 (en) * 2014-09-23 2016-03-24 Intel Corporation Non-local means image denoising with detail preservation using self-similarity driven blending
CN107230191A (zh) * 2017-05-27 2017-10-03 武汉科技大学 一种基于结构相似性的非局部均值去噪优化方法
US20190108622A1 (en) * 2017-10-11 2019-04-11 Gopro, Inc. Non-local means denoising

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160086317A1 (en) * 2014-09-23 2016-03-24 Intel Corporation Non-local means image denoising with detail preservation using self-similarity driven blending
CN107230191A (zh) * 2017-05-27 2017-10-03 武汉科技大学 一种基于结构相似性的非局部均值去噪优化方法
US20190108622A1 (en) * 2017-10-11 2019-04-11 Gopro, Inc. Non-local means denoising

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
伍世虔等: "一种快速非局部均值图像去噪方法（英文）", 《西安邮电大学学报》 *
张玉征等: "基于梯度特征的双核非局部均值去噪算法", 《计算机应用研究》 *
徐翠婷等: "基于NLM算法的加权核函数选取研究", 《现代计算机(专业版)》 *
祝严刚等: "一种改进的非局部均值图像去噪算法", 《计算机工程与应用》 *
黄玲俐: "一种改进权重的非局部均值图像去噪方法", 《计算机技术与发展》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627015A (zh) * 2022-03-15 2022-06-14 南京凯盛国际工程有限公司 一种回转窑火焰图像去沙尘方法
CN116912102A (zh) * 2023-05-11 2023-10-20 上海宇勘科技有限公司 一种基于非局部均值的保边图像去噪方法和系统
CN116912102B (zh) * 2023-05-11 2024-04-09 上海宇勘科技有限公司 一种基于非局部均值的保边图像去噪方法和系统

Also Published As

Publication number Publication date
CN112767282B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN108765325B (zh) 一种小型无人机模糊图像复原方法
CN112767282B (zh) 改进加权核函数的非局部均值回转窑火焰图像去噪方法
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法
CN108876743A (zh) 一种图像快速去雾方法、系统、终端及存储介质
CN103366362B (zh) 一种基于萤火虫优化算法的矿带图像分割法
CN109003233B (zh) 一种基于自适应权重全变分模型的图像去噪方法
CN110782477A (zh) 基于序列图像的运动目标快速检测方法、计算机视觉系统
CN108921817B (zh) 一种针对皮肤病图像的数据增强方法
Dharejo et al. A color enhancement scene estimation approach for single image haze removal
CN107590496A (zh) 复杂背景下红外小目标的关联检测方法
CN111369605A (zh) 一种基于边缘特征的红外与可见光图像的配准方法和系统
CN112150386B (zh) 基于对比度均值的sar图像相干斑非局部平均抑制方法
CN112037109A (zh) 一种改进的基于显著性目标检测的图像水印添加方法和系统
CN113096103A (zh) 一种面向放空火炬的烟气智能影像感知方法
CN103218771B (zh) 基于自回归模型深度恢复的参数自适应选取方法
CN107330863A (zh) 一种基于噪声估计的图像去噪方法
CN109635809B (zh) 一种面向视觉退化图像的超像素分割方法
Li et al. An image preprocessing model of coal and gangue in high dust and low light conditions based on the joint enhancement algorithm
CN109389063B (zh) 基于波段相关性的遥感影像条带噪声去除方法
CN112926648B (zh) 一种烟叶烘烤过程中烟叶尖部异常的检测方法及装置
CN118052737A (zh) 一种基于超像素场景先验的感知导向的无人机图像去雾算法
CN108491826B (zh) 一种遥感影像建筑物的自动提取方法
CN109934853B (zh) 基于响应图置信区域自适应特征融合的相关滤波跟踪方法
CN113570630A (zh) 公路遥感图像分割方法、装置、电子设备及存储介质
CN112819719A (zh) 一种基于图滤波的回转窑火焰图像去噪方法

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
GR01 Patent grant
GR01 Patent grant