CN114881895B - 一种基于帧间差异的红外图像条纹噪声处理方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于帧间差异的红外图像条纹噪声处理方法。采集连续多帧红外图像，将其灰度化得到灰度图像，对灰度图像进行均值模糊得到一张模糊图像；分别对模糊图像进行行遍历和列遍历，根据像素点的与其周围像素点之间的灰度差异确认模糊图像中的噪声点；基于模糊图像中每列对应噪声点的占比确认条纹噪声点，根据条纹噪声点周围的灰度差异得到该条纹噪声点的新灰度值，以得到新图像，基于新图像得到条纹噪声图像，将灰度图像与条纹噪声图像作差得到去噪图像。这样提高了检测条纹噪声点的准确性，降低了红外图像的噪声滤除结果的误差，且达到了操作简单，计算量少的优势。

Description

一种基于帧间差异的红外图像条纹噪声处理方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于帧间差异的红外图像条纹噪声处理方法。

背景技术

在红外成像系统中，红外焦平面阵列通常是同一列像元共享同一个输出电路，由与行输出电路偏置电压不完全一致，同时输出电路存在非均匀性，使得红外成像系统产生的图像中会包含以条纹为主要特征的非均匀噪声，称为条纹噪声。对于红外图像中的条纹噪声，通常利用多帧红外图像进行模糊处理得到模糊图像，以突出条纹噪声，并对模糊图像进行阈值设置以区分图像中的边缘信息和噪声信息，利用相似性完成条纹噪声的去除。

本领域的技术人员发现现有技术存在以下问题：通过设置阈值进行噪声信息的确认，导致去噪结果依赖于阈值的选取，而不同的图像其阈值设置不同，进而使得不同的图像需要设置不同的阈值进行判断噪声信息，会出检测结果出现较大误差。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于帧间差异的红外图像条纹噪声处理方法，所采用的技术方案具体如下：

连续采集多帧红外图像，分别对每帧所述红外图像进行灰度化得到灰度图像；将多帧所述灰度图像进行均值模糊得到一张模糊图像；

对所述模糊图像进行行遍历，分别计算每一行中每个像素点与其左右相邻像素点之间的第一灰度差值，根据所述第一灰度差值确认初始噪声点；同时对所述模糊图像进行列遍历，分别计算每一列中每个像素点与其上下相邻像素点之间的第二灰度差值，根据所述第二灰度差值确认边缘像素点，由所述边缘像素点的位置对所述初始噪声点进行判断以确认所述模糊图像中的噪声点；

根据所述模糊图像中每列所包含的所述噪声点的占比确认条纹噪声点，计算每个所述条纹噪声点所对应的所述第一灰度差值之间的均值，将均值作为对应所述条纹噪声点的新灰度值，得到新图像；基于所述新图像得到条纹噪声图像，将所述灰度图像与所述条纹噪声图像作差得到去噪图像。

优选的，所述根据所述第一灰度差值确认初始噪声点的方法，包括：

设置灰度差值阈值，当像素点的左相邻像素点和右相邻像素点分别对应的所述第一灰度差值都大于所述灰度差值阈值时，确认该像素点为所述初始噪声点。

优选的，所述根据所述第二灰度差值确认边缘像素点的方法，包括：

设置灰度差值阈值，当像素点的上相邻像素点和下相邻像素点分别对应的所述第二灰度差值都大于所述灰度差值阈值时，确认该像素点为所述边缘像素点。

优选的，所述由所述边缘像素点的位置对所述初始噪声点进行判断以确认所述模糊图像中的噪声点的方法，包括：

当所述边缘像素点与所述初始噪声点是同一位置的像素点，则认为所述初始噪声点不是噪声点；反之，所述初始噪声点即为所述噪声点。

优选的，所述条纹噪声图像的获取方法，包括：

根据所述新图像中所述条纹噪声点的位置构建一个与所述新图像的尺寸相等的掩膜图像，将所述条纹噪声点标记为1，非噪声点标记为0；

将所述掩膜图像与所述新图像相乘得到了只包含所述条纹噪声点的噪声图像；由所述条纹噪声点的所述新灰度值分别计算所述噪声图像中每列所述条纹噪声点之间的平均灰度值，将所述平均灰度值作为对应列中每个所述条纹噪声点的最终灰度值，进而得到所述条纹噪声图像。

本发明实施例至少具有如下有益效果：根据图像中水平方向和竖直方向上像素点之间的灰度差异来确定噪声点，进而结合竖直方向上每列噪声点的占比来排除边缘信息以确定条纹噪声点，这样提高了检测条纹噪声点的准确性，降低了红外图像的噪声滤除结果的误差，且达到了操作简单，计算量少的优势。

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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例提供的一种基于帧间差异的红外图像条纹噪声处理方法的步骤流程图；

图2为本发明实施例所提供的关于红外图像和对应模糊图像的示意图；

图3为本发明实施例所提供的关于条纹噪声图像和对应的去噪图像的示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于帧间差异的红外图像条纹噪声处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于帧间差异的红外图像条纹噪声处理方法的具体方案。

本发明实施例所针对的具体场景为：滤除红外图像中出现的条纹噪声。

请参阅图1，其示出了本发明一个实施例提供的一种基于帧间差异的红外图像条纹噪声处理方法的步骤流程图，该方法包括以下步骤：

步骤S001，连续采集多帧红外图像，分别对每帧红外图像进行灰度化得到灰度图像；将多帧灰度图像进行均值模糊得到一张模糊图像。

具体的，使用红外采集设备对采集目标进行图像采集，得到红外图像。而条纹噪声本质上是由于光线变化和相机的影响，导致在成像过程中条纹噪声随时间变化缓慢，因此对多帧连续图像进行累积能够突出条纹噪声，故参照附图2，本发明实施例通过设定相机参数，采集多帧连续的红外图像，并对每帧红外图像进行灰度化得到灰度图像，基于帧差法将多帧灰度图像进行均值模糊得到一张模糊图像，则模糊图像的计算公式为：

其中，

为模糊图像；

为第

帧灰度图像；

为灰度图像的帧数。

步骤S002，对模糊图像进行行遍历，分别计算每一行中每个像素点与其左右相邻像素点之间的第一灰度差值，根据第一灰度差值确认初始噪声点；同时对模糊图像进行列遍历，分别计算每一列中每个像素点与其上下相邻像素点之间的第二灰度差值，根据第二灰度差值确认边缘像素点，由边缘像素点的位置对初始噪声点进行判断以确认模糊图像中的噪声点。

具体的，首先对模糊图像进行一个灰度梯度变化的判断，即对模糊图像进行行遍历，检测每行中的每个像素点，根据像素点的灰度值判断其是否为初始噪声点，判断方法为：分别计算任意一个像素点与其左右相邻像素点之间的第一灰度差值，设置灰度差值阈值，当像素点的左相邻像素点和右相邻像素点分别对应的第一灰度差值都大于灰度差值阈值时，确认该像素点为初始噪声点。利用该判断方法检测处模糊图像中所有的初始噪声点。

通过均值模糊得到的模糊图像虽然能够消除很多的竖状的边缘信息，但仍然可能有部分边缘信息保存下来，因此，我们还需要将这部分的边缘信息排除掉。由于在垂直方向使用灰度梯度的变换来检测边缘点时，而竖直条纹噪声几乎不会影响到边缘点的检测，因此本发明实施例通过垂直梯度的灰度变换来排除边缘对于此次除噪的影响，则方法为：对模糊图像进行列遍历，计算每列中每个像素点与其上下相邻像素点之间的第二灰度差值，设置灰度差值阈值，当像素点的上相邻像素点和下相邻像素点分别对应的第二灰度差值都大于灰度差值阈值时，确认该像素点为边缘像素点；通过对比边缘像素点和初始噪声点的位置信息，对初始噪声点的进一步优化，即当边缘像素点与初始噪声点是同一位置的像素点，则认为初始噪声点不是噪声点；反之，初始噪声点即为噪声点。

通过上述水平方向和垂直方向上的灰度检测，得到模糊图像中所有噪声点的位置。

步骤S003，根据模糊图像中每列所包含的噪声点的占比确认条纹噪声点，计算每个条纹噪声点所对应的第一灰度差值之间的均值，将均值作为对应条纹噪声点的新灰度值，得到新图像；基于新图像得到条纹噪声图像，将灰度图像与条纹噪声图像作差得到去噪图像。

具体的，条纹噪声反应在图像上，是直接影响了图像的一列信息，进而才会显示出一条一条的形状，也就是说，在同一列中，如果存在条纹噪声，那么在该列中，噪声点的占比是非常大的，因此根据模糊图像中每列噪声点的占比来排除边缘信息以确认条纹噪声点，具体为：统计模糊图像中一列所包含像素点的总数量和噪声点对应像素点的第一数量，计算第一数量和总数量之间的比值得到对应列中噪声点的占比，当占比大于占比阈值时，认为该列对应的噪声点是条纹噪声点，反之是边缘信息。

优选的，本发明实施例中占比阈值为0.5。

根据噪声点的占比确认模糊图像中的条纹噪声点后，计算条纹噪声点对应第一灰度差值之间的均值，将均值作为该条纹噪声点的新灰度值，进而得到了一张新图像。

进一步地，根据新图像中条纹噪声点的位置构建一个与新图像的尺寸相等的掩膜图像，将条纹噪声点标记为1，非噪声点标记为0；将掩膜图像与新图像相乘得到了只包含条纹噪声点的噪声图像；由条纹噪声点的新灰度值分别计算噪声图像中每列条纹噪声点的平均灰度值，将平均灰度值作为对应列中每个条纹噪声点的最终灰度值，进而得到条纹噪声图像。

参照附图3，根据得到的条纹噪声图像对原灰度图像进行条纹噪声滤除处理，即将条纹噪声图像与原灰度图像作差得到去噪图像。

综上，本发明实施例提供了一种基于帧间差异的红外图像条纹噪声处理方法，该方法连续采集多帧红外图像，分别对每帧红外图像进行灰度化得到灰度图像；将多帧灰度图像进行均值模糊得到一张模糊图像；对模糊图像进行行遍历，分别计算每一行中每个像素点与其左右相邻像素点之间的第一灰度差值，根据第一灰度差值确认初始噪声点；同时对模糊图像进行列遍历，分别计算每一列中每个像素点与其上下相邻像素点之间的第二灰度差值，根据第二灰度差值确认边缘像素点，由边缘像素点的位置对初始噪声点进行判断以确认模糊图像中的噪声点；根据模糊图像中每列所包含的噪声点的占比确认条纹噪声点，计算每个条纹噪声点所对应的第一灰度差值之间的均值，将均值作为对应条纹噪声点的新灰度值，得到新图像；基于新图像得到条纹噪声图像，将灰度图像与条纹噪声图像作差得到去噪图像。这样提高了检测条纹噪声点的准确性，降低了红外图像的噪声滤除结果的误差，且达到了操作简单，计算量少的优势。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于帧间差异的红外图像条纹噪声处理方法，其特征在于，该方法包括：

连续采集多帧红外图像，分别对每帧所述红外图像进行灰度化得到灰度图像；将多帧所述灰度图像进行均值模糊得到一张模糊图像；

对所述模糊图像进行行遍历，分别计算每一行中每个像素点与其左右相邻像素点之间的第一灰度差值，根据所述第一灰度差值确认初始噪声点；同时对所述模糊图像进行列遍历，分别计算每一列中每个像素点与其上下相邻像素点之间的第二灰度差值，根据所述第二灰度差值确认边缘像素点，由所述边缘像素点的位置对所述初始噪声点进行判断以确认所述模糊图像中的噪声点；

根据所述模糊图像中每列所包含的所述噪声点的占比确认条纹噪声点，计算每个所述条纹噪声点所对应的所述第一灰度差值之间的均值，将均值作为对应所述条纹噪声点的新灰度值，得到新图像；基于所述新图像得到条纹噪声图像，将所述灰度图像与所述条纹噪声图像作差得到去噪图像；

所述根据所述第一灰度差值确认初始噪声点的方法，包括：

设置灰度差值阈值，当像素点的左相邻像素点和右相邻像素点分别对应的所述第一灰度差值都大于所述灰度差值阈值时，确认该像素点为所述初始噪声点；

所述根据所述第二灰度差值确认边缘像素点的方法，包括：

设置灰度差值阈值，当像素点的上相邻像素点和下相邻像素点分别对应的所述第二灰度差值都大于所述灰度差值阈值时，确认该像素点为所述边缘像素点；

所述由所述边缘像素点的位置对所述初始噪声点进行判断以确认所述模糊图像中的噪声点的方法，包括：

当所述边缘像素点与所述初始噪声点是同一位置的像素点，则认为所述初始噪声点不是噪声点；反之，所述初始噪声点即为所述噪声点。

2.如权利要求1所述的方法，其特征在于，所述条纹噪声图像的获取方法，包括：

根据所述新图像中所述条纹噪声点的位置构建一个与所述新图像的尺寸相等的掩膜图像，将所述条纹噪声点标记为1，非噪声点标记为0；

将所述掩膜图像与所述新图像相乘得到了只包含所述条纹噪声点的噪声图像；由所述条纹噪声点的所述新灰度值分别计算所述噪声图像中每列所述条纹噪声点之间的平均灰度值，将所述平均灰度值作为对应列中每个所述条纹噪声点的最终灰度值，进而得到所述条纹噪声图像。

Images