CN115063315A - 基于滑动划分及小面积噪声填充的太赫兹图像预处理方法 - Google Patents

Abstract

本发明提出了一种基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，实现步骤为：(1)对太赫兹图像进行背景噪声抑制；(2)对太赫兹背景噪声抑制图像进行小面积噪声填充；(3)对太赫兹噪声填充图进行主体目标增强。本发明通过滑动窗口划分出背景、渐变及目标图像块，然后筛选出小面积轮廓噪声并进行填充，采用限制对比度的直方图均衡化处理与Canny边缘检测算子结合的方法实现图像对比度增强，能够在抑制太赫兹图像中大面积无规则背景噪声的同时，有效提升太赫兹图像的对比度。

Description

基于滑动划分及小面积噪声填充的太赫兹图像预处理方法

技术领域

本发明属于图像处理技术领域，涉及一种图像预处理方法，具体涉及一种基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，可用于安全检查、违禁物品检测等领域。

背景技术

太赫兹(THz)成像技术是利用太赫兹波(波长30～3000μm)作为信号源进行成像的一种技术。太赫兹波可以穿透纸张、塑料和布料等材料，具有较高的成像精度，不仅可以探测金属物体，还可以探测非金属违禁品(如爆炸物、陶瓷刀、玻璃刀和毒品)。这些特性使得太赫兹图像在安全检查、违禁物品检测等方面具有广阔的应用前景。

但是由于太赫兹成像过程中很容易受到环境噪声及电噪声的影响，生成图像通常具有大量的背景噪声，导致太赫兹图像信噪比及清晰度较低，严重模糊目标的纹理细节。同时，太赫兹图像中目标和背景的整体对比度较低，也会降低太赫兹图像目标检测的准确率下降。为了解决上述问题，研究高效的太赫兹图像背景噪声抑制及主体目标增强方法势在必行。

现有太赫兹图像去噪方法主要分为三大类：基于滤波器的方法、基于模型的方法和基于学习的方法。经典的基于滤波的方法，如中值滤波等，利用低通滤波器去除图像噪声，对于常规加性噪声具有一定的滤除效果；基于模型的方法主要依赖于图像的先验信息，比如基于图的正则化器降低图像噪声；基于学习的方法侧重于学习有噪声图像到干净图像的潜在映射，通过构建去噪卷积神经网络达到更优的噪声去除效果。

目前应用较广泛的图像增强方法大致可分为四类：空域增强、频域增强、基于小波变换增强和基于偏微分方程增强。空域增强方法主要有灰度变换和空间滤波，基本的灰度变换是通过变换函数将图像中初始像素值映射为新的像素值来提升对比度，如直方图均衡法和线性对比度拉伸法，将图像的原始灰度分布转换为在图像整个灰度范围内的均匀分布；频域增强算法是在频域内修改图像信息然后再进行离散傅里叶反变换得到增强后的图像；小波变换将输入信号进行多尺度分解，得到不同尺度上的子图像并对每个子图像进行适当处理，然后进行小波逆变换实现图像增强。偏微分方程算法经典的两大模型是各向异性扩散模型和全变分模型，目的在于使图像信息沿着区域边缘方向扩散，同时对加权算子进行积分能有效增强图像。

现有的太赫兹图像预处理方法基于滤波器的方法对太赫兹图像进行去噪，并基于空域和频域的方法对去噪后的太赫兹图像进行图像增强，例如申请公布号为CN111986098A，名称为“一种含固定背景的被动式太赫兹图像增强方法”的专利申请，公开了一种含固定背景的被动式太赫兹图像增强方法，该方法采用基于区域统计分析的方法进行固定背景抠除；采用导向滤波、双边滤波的方法去除严重的条纹噪声及随机噪声；采用反锐化掩模、频域高通滤波、对比度线性拉伸的方法进一步提升图像的清晰度。该方法可以抠除无效固定背景，有效抑制条纹噪声及随机噪声，同时又可改善图像对比度，最终实现太赫兹图像视觉效果的显著提升。但是该方法采用的区域统计方式无法抑制大面积无规则的背景噪声，且采用的对比度线性拉伸方法在实现图像对比度增强时也会放大背景噪声，不利于图像对比度的提升。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于滑动填充的太赫兹图像预处理方法，用于解决现有技术中存在的预处理图像对比度降低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)对太赫兹图像进行背景噪声抑制：

(1a)对大小为H×W的太赫兹图像进行灰度化处理，并对灰度化处理后的图像进行延拓得到延拓图像，然后采用大小为P×Q的滑动窗口以1为步长对延拓图像进行划分，得到H×W个图像块M＝{M_hw|1≤h≤H,1≤w≤W}，M_hw表示第h行第w列的图像块；

(1b)计算灰度化处理后的图像的全局像素值的平均值A₁以及每个图像块M_hw内像素的平均值

并判断

是否成立，若是，将该图像块作为延拓图像的背景图像块，否则，将剩余图像块中满足

的图像块作为渐变图像块，将其余图像块作为延拓图像的目标图像块；

(1c)将每个背景图像块内的所有像素值置0；并判断每个渐变图像块中心像素左侧像素的值是否小于右侧像素的值，若是，将该图像块最左侧像素值置0，最右侧像素值缩小0.6倍；否则，则将该图像块最右侧像素值置0，最左侧像素值缩小0.6倍，实现对渐变图像块像素值的重置；

(1d)按照划分顺序对所有目标图像块以及重置像素值的所有背景图像块和渐变图像块进行组合，并去除组合后图像的延拓部分，得到大小为H×W的太赫兹背景噪声抑制图像；

(2)对太赫兹背景噪声抑制图像进行小面积噪声填充：

(2a)对背景噪声抑制图像的二值化处理，得到背景噪声抑制图像对应的背景噪声二值图，并对背景噪声二值图进行图像轮廓检索，得到Γ个图像轮廓；

(2b)计算每个图像轮廓C_τ的面积c_τ及C_τ内部所有像素的均值

并将满足c_τ＜T₁或者

的图像轮廓作为小面积噪声轮廓，其中，τ∈[1,Γ]，T₁、T₂表示噪声判决阈值；

(2c)将背景噪声二值图对应的背景噪声抑制图像中小面积噪声轮廓内部所有像素值以0填充，得到太赫兹噪声填充图；

(3)对太赫兹噪声填充图进行主体目标增强：

(3a)计算太赫兹噪声填充图的全局像素均值A₃，并将太赫兹噪声填充图中像素值小于A₃的像素全部置0，实现对太赫兹噪声填充图的噪声抑制，然后对噪声抑制后的太赫兹噪声填充图进行限制对比度的直方图均衡化处理，得到全局增强图I_enhance；

(3b)采用Canny边缘检测算子提取全局增强图I_enhance的边缘I_edge，并通过I_enhance和I_edge计算目标增强图I_output，并将I_output作为太赫兹图像的预处理结果，其中：

I_output＝I_enhance+γ×I_edge

其中，γ表示I_edge的权重值。

本发明与现有技术相比，具有如下优点：

本发明采用滑动窗口将延拓图像划分为多个图像块，并对所划分的三类图像块中的像素值进行重置，以实现对太赫兹图像背景噪声的抑制，然后通过对太赫兹背景噪声抑制图像进行小面积噪声填充获取最终的去噪图像，对于去噪后的图像采用限制对比度的直方图均衡化方法进行图像对比度增强，并采用Canny边缘检测算子强化增强后的图像的边缘，能够实现大面积无规则背景噪声的滤除，并在实现图像对比度增强时避免放大背景噪声的问题，显著提升了图像对比度和视觉效果。

附图说明

图1为本发明的实现流程图。

图2为本发明待预处理的太赫兹图像。

图3为现有技术对图2的预处理结果图。

图4为本发明对图2的预处理结果图。

具体实施方式

以下结合附图和具体实施例，对本发明作进一步详细描述。

参照图1，本发明的具体实施步骤为：

步骤1)对太赫兹图像进行背景噪声抑制：

步骤1a)输入一幅大小为890×378×3的三维太赫兹人体背面图像，如图2所示，图中标注框内部分为背景噪声，人体部分为需要增强的部分，并将图2转为大小为890×378的二维灰度图；

为避免滑动窗口覆盖范围超出图像边界，对灰度图像上、下各增加一行，左、右各增加一列完成图像延拓，得到大小为892×380的延拓图像，然后采用大小为3×3的滑动窗口以1为步长从延拓图的第1行第1列开始按照从左到右、从上到下的顺序滑动，直至滑动至延拓图的第891行第379列，完成对延拓图像的划分，得到336420个大小为3×3的图像块M＝{M_hw|2≤h≤891,2≤w≤379}，M_hw表示延拓图中第h行第w列的图像块；

步骤1b)计算灰度化处理后的图像的全局像素值的平均值A₁以及每个图像块M_hw内像素的平均值

计算公式为：

其中，f(h,w)表示灰度化处理后的图像第h行第w列的像素的值，f(p,q)表示图像块M_hw第p行第q列的像素的值，Σ表示求和操作；

判断

是否成立，若是，将该图像块作为延拓图像的背景图像块，否则，将剩余图像块中满足

的图像块作为渐变图像块，将其余图像块作为延拓图像的目标图像块；

步骤1c)将每个背景图像块内的所有像素值置0；并判断每个渐变图像块中心像素左侧像素的值是否小于右侧像素的值，若是，将该图像块最左侧像素值置0，最右侧像素值缩小0.6倍；否则，则将该图像块最右侧像素值置0，最左侧像素值缩小0.6倍，实现对渐变图像块像素值的重置；对目标图像块不作处理；

步骤1d)按照划分顺序对所有目标图像块以及重置像素值的所有背景图像块和渐变图像块进行组合，并去除组合后图像的延拓部分，得到大小为890×378的太赫兹背景噪声抑制图像；

步骤2)对太赫兹背景噪声抑制图像进行小面积噪声填充：

步骤2a)计算太赫兹背景噪声抑制图像全局像素均值A₂，并将背景噪声抑制图像中像素值小于A₂的像素全部置0，同时将像素值大于等于A₂的像素全部置为255，以实现对背景噪声抑制图像的二值化处理，得到背景噪声抑制图像对应的背景噪声二值图；

步骤2b)对背景噪声二值图进行图像轮廓检索，具体检索方式为：从背景噪声二值图的左下角开始，自下而上、自左向右地扫描每一列像素，直到遇到值为0的像素，将其作为起始像素点；以向下为起始方向顺时针地访问起始像素点的摩尔邻域内的所有像素，每次访问到值为0的像素时就返回到前一步值为255的像素点，并访问该值为255的像素的摩尔邻域内的像素，直到遇到值为0的像素；重复这个过程，当起始像素点被第二次访问时终止访问，在整个访问过程中访问到的值为0的像素组成一个图像轮廓；整幅背景噪声二值图中总检索到Γ个图像轮廓；

计算每个图像轮廓C_τ的面积c_τ及C_τ内部所有像素的均值

c_τ即为C_τ内像素点的个数，

的计算公式为：

其中，f(e,g)表示图像轮廓C_τ中第e行第g列的像素的值；

然后将满足c_τ＜T₁或者

的图像轮廓作为小面积噪声轮廓，其中，τ∈[1,Γ]，T₁、T₂表示噪声判决阈值，本实施例中T₁＝300，T₂＝20000；

步骤2c)将背景噪声二值图对应的背景噪声抑制图像中小面积噪声轮廓内部所有像素值以0填充，得到太赫兹噪声填充图；

步骤3)对太赫兹噪声填充图进行主体目标增强：

步骤3a)计算太赫兹噪声填充图的全局像素均值A₃，并将太赫兹噪声填充图中像素值小于A₃的像素全部置0，实现对太赫兹噪声填充图的噪声抑制；然后对噪声抑制后的太赫兹噪声填充图进行限制对比度的直方图均衡化处理：

为避免图像划分时无法均分的问题，对噪声抑制后大小为890×378的太赫兹噪声填充图上、下各增加3行，左、右各增加3列完成图像延拓，得到大小为896×384的延拓图像，并将延拓图平均划分为5376个大小为8×8的图像块T＝{T_αβ|1≤α≤112,1≤β≤48}，T_αβ表示延拓图中第α行第β列的图像块；

计算图像块T_αβ内灰度直方图的累积分布D_αβ(V)：

其中，p_αβ(V)表示T_αβ内值为V的像素在T_αβ中的比例,0≤V≤255，n_αβ(V)为T_αβ内灰度值为V的像素总个数；

计算T_αβ块内灰度直方图映射函数R(V)的斜率S(V),并通过S(V)计算T_αβ块内灰度直方图的高度阈值H_max(V)：

其中，max(·)表示取最大值操作；

将T_αβ内灰度直方图中超出H_max(V)的灰度值平均分布给T_αβ的所有像素，然后对T_αβ进行均衡化处理并按照图像块划分顺序将所有图像块进行组合，得到全局增强图像I_enhance；

步骤3b)采用Canny边缘检测算子提取全局增强图I_enhance的边缘I_edge，并通过I_enhance和I_edge计算目标增强图I_output，并将I_output作为太赫兹图像的预处理结果，如图4所示，其中：

I_output＝I_enhance+γ×I_edge

其中，γ表示I_edge的权重值，本实施例中γ＝0.02。

以下结合仿真实验对本发明的技术效果进行说明：

1.仿真条件和内容：

仿真实验硬件平台为：CPU为i7-9750H，主频为2.60GHz，运行内存为8GB；仿真实验软件平台为：操作系统为Windows10，Python版本为3.6.1。

对现有技术的一种含固定背景的被动式太赫兹图像增强方法及本发明对图2的对比度分别进行仿真，其结果分别如图3、图4所示。

2.仿真结果分析：

图3显示了采用现有技术中一种含固定背景的被动式太赫兹图像增强方法对图2进行处理时，无法去除大面积无规则存在的背景噪声，且在进行图像对比度增强时放大了噪声反而降低了图像对比度的问题；而图4中本发明对图2进行处理时，能够去除现有技术中无法解决的大面积无规则存在的背景噪声，同时强化图像中目标的纹理细节，提高图像对比度和视觉效果。

Claims (5)

1.一种基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，其特征在于，包括如下步骤：

(1)对太赫兹图像进行背景噪声抑制：

(1a)对大小为H×W的太赫兹图像进行灰度化处理，并对灰度化处理后的图像进行延拓得到延拓图像，然后采用大小为P×Q的滑动窗口以1为步长对延拓图像进行划分，得到H×W个图像块M＝{M_hw|2≤h≤H+1,2≤w≤W+1}，M_hw表示延拓图中第h行第w列的图像块；

(1b)计算灰度化处理后的图像的全局像素值的平均值A₁以及每个图像块M_hw内像素的平均值

并判断

是否成立，若是，将该图像块作为延拓图像的背景图像块，否则，将剩余图像块中满足

的图像块作为渐变图像块，将其余图像块作为延拓图像的目标图像块；

(1c)将每个背景图像块内的所有像素值置0；并判断每个渐变图像块中心像素左侧像素的值是否小于右侧像素的值，若是，将该图像块最左侧像素值置0，最右侧像素值缩小0.6倍；否则，则将该图像块最右侧像素值置0，最左侧像素值缩小0.6倍，实现对渐变图像块像素值的重置；

(1d)按照划分顺序对所有目标图像块以及重置像素值的所有背景图像块和渐变图像块进行组合，并去除组合后图像的延拓部分，得到大小为H×W的太赫兹背景噪声抑制图像；

(2)对太赫兹背景噪声抑制图像进行小面积噪声填充：

(2a)对背景噪声抑制图像的二值化处理，得到背景噪声抑制图像对应的背景噪声二值图，并对背景噪声二值图进行图像轮廓检索，得到Γ个图像轮廓；

(2b)计算每个图像轮廓C_τ的面积c_τ及C_τ内部所有像素的均值

并将满足c_τ＜T₁或者

的图像轮廓作为小面积噪声轮廓，其中，τ∈[1,Γ]，T₁、T₂表示噪声判决阈值；

(2c)将背景噪声二值图对应的背景噪声抑制图像中小面积噪声轮廓内部所有像素值以0填充，得到太赫兹噪声填充图；

(3)对太赫兹噪声填充图进行主体目标增强：

(3a)计算太赫兹噪声填充图的全局像素均值A₃，并将太赫兹噪声填充图中像素值小于A₃的像素全部置0，实现对太赫兹噪声填充图的噪声抑制，然后对噪声抑制后的太赫兹噪声填充图进行限制对比度的直方图均衡化处理，得到全局增强图I_enhance；

(3b)采用Canny边缘检测算子提取全局增强图I_enhance的边缘I_edge，并通过I_enhance和I_edge计算目标增强图I_output，并将I_output作为太赫兹图像的预处理结果，其中：

I_output＝I_enhance+γ×I_edge

其中，γ表示I_edge的权重值。

2.根据权利要求1所述的基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，其特征在于，步骤(1b)中所述的计算灰度化处理后的图像的全局像素值的平均值A₁以及每个图像块M_hw内像素的平均值

计算公式为：

其中，f(h,w)表示灰度化处理后的图像第h行第w列的像素的值，f(p,q)表示图像块M_hw第p行第q列的像素的值，Σ表示求和操作。

3.根据权利要求1所述的基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，其特征在于，步骤(2a)中所述的对背景噪声抑制图像的二值化处理，实现步骤为：计算太赫兹背景噪声抑制图像全局像素均值A₂，并将背景噪声抑制图像中像素值小于A₂的像素全部置0，同时将像素值大于等于A₂的像素全部置为255，得到背景噪声抑制图像对应的背景噪声二值图。

4.根据权利要求1所述的基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，其特征在于，步骤(2b)中所述的计算每个图像轮廓C_τ内部所有像素的均值

计算公式为：

其中，f(e,g)表示图像轮廓C_τ中第e行第g列的像素的值。

5.根据权利要求1所述的基于滑动划分及小面积噪声填充的太赫兹图像预处理方法，其特征在于，步骤(3a)中所述的对噪声抑制后的太赫兹噪声填充图进行限制对比度的直方图均衡化处理，实现步骤为：

(3a1)将噪声抑制后大小为H×W的太赫兹噪声填充图进行延拓，得到大小为

的延拓图像，将延拓图平均划分为

个大小为k×k的图像块

T_αβ表示延拓图中第α行第β列的图像块，

表示向上取整操作；

(3a2)计算图像块T_αβ内灰度直方图的累积分布D_αβ(V)：

其中，p_αβ(V)表示T_αβ内值为V的像素在T_αβ中的比例,0≤V≤255，n_αβ(V)为T_αβ内灰度值为V的像素总个数；

(3a3)计算T_αβ块内灰度直方图映射函数R(V)的斜率S(V),并通过S(V)计算T_αβ块内灰度直方图的高度阈值H_max(V)：

其中，max(·)表示取最大值操作；

(3a4)将T_αβ内灰度直方图中超出H_max(V)的灰度值平均分布给T_αβ的所有像素，然后对T_αβ进行均衡化处理并按照图像块划分顺序将所有图像块进行组合，得到全局增强图像I_enhance。

Images