CN116091360B - 基于曲面拟合的非均匀性噪声消除方法和装置 - Google Patents
基于曲面拟合的非均匀性噪声消除方法和装置 Download PDFInfo
- Publication number
- CN116091360B CN116091360B CN202310260891.3A CN202310260891A CN116091360B CN 116091360 B CN116091360 B CN 116091360B CN 202310260891 A CN202310260891 A CN 202310260891A CN 116091360 B CN116091360 B CN 116091360B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- denoising
- vertex
- noise
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008030 elimination Effects 0.000 title claims description 20
- 238000003379 elimination reaction Methods 0.000 title claims description 20
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000013433 optimization analysis Methods 0.000 claims abstract description 7
- 238000009877 rendering Methods 0.000 claims description 9
- 238000004040 coloring Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000003331 infrared imaging Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 238000001931 thermography Methods 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
- 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
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
基于曲面拟合的非均匀性噪声消除的方法和装置，包括以下步骤，采集单元获取原始图像，滤波单元将所述原始图像进行低通滤波，得到原始图像的低频数据；提取单元分别对低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，噪声模型中的模型边缘数据；分析单元对所述低频边缘数据、模型边缘数据进行优化分析，得到原始图像对应的估计噪声图像；分析单元在所述原始图像中去除估计噪声图像，得到去噪图像；提取单元对去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；分析单元根据去噪边缘数据对去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，显示单元显示所述显示去噪图像。
Description
技术领域
本发明涉及红外图像的成像技术领域，更具体的说，特别涉及一种基于曲面拟合的非均匀性噪声消除方法和装置。
背景技术
红外焦平面阵列是由数十万甚至上百万个像素单元集成的一个探测器芯片，用于实时呈现红外图像。
然而，在红外成像系统中光学镜头和相机壳体热辐射引入的低频非均匀性噪声严重影响成像视觉效果。
目前，大多数热像成像系统采用两点标定算法进行非均匀性校正，而在使用过程中，随着复杂环境以及探测器本身的变化，实际的非均匀性和标定的结果会有差异。
另外一种非均匀性校正方法是基于场景的校正算法，而这种校正算法只能消除高频噪声，对于光学镜头和相机壳体热辐射引入的低频非均匀性噪声无法消除。
因此，现有技术存在的问题，有待于进一步改进和发展。
发明内容
（一）发明目的：为解决上述现有技术中存在的问题，本发明的目的是提供一种可以消除红外成像系统中光学镜头和相机壳体热辐射引入的低频非均匀性噪声的基于曲面拟合的非均匀性噪声消除方法和装置。
（二）技术方案：为了解决上述技术问题，本技术方案提供一种基于曲面拟合的非均匀性噪声消除方法，用于红外图像低频非均匀性噪声的消除，
步骤一，获取原始图像，将所述原始图像进行低通滤波，得到原始图像的低频数据；
步骤二，分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
步骤三，对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
步骤四，在所述原始图像中去除所述估计噪声图像，得到去噪图像；
步骤五，对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；
步骤六，根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，并显示所述显示去噪图像。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤二中在计算梯度时，采用中间差分法，即像素在每个方向上前后像素灰度值差的均值，并在梯度计算前进行图像边界填充处理，获取图像的梯度差分
。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤三具体包括，建立非均匀性噪声的正则化能量泛函，利用最优化算法求解模块，得到噪声估计图像。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤五具体包括以下步骤，
步骤51，对所述去噪图像进行梯度提取，并将获取所述去噪图像中的去噪边缘数据，根据组成封闭图形的情况进行划分，组成一个封闭图形的边缘像素点形成一个边缘集合；
步骤52，确定形成的所述边缘集合是否正确。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述去噪边缘数据包括边缘像素点的位置信息。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤51具体为，读取每个边缘集合中像素点形成图像的每个像素点的RGB值，计算每个边缘集合中像素点形成图像的RGB均值，并将每个像素点RGB值与对应的RGB均值作差，得到第一差值；当每个边缘集合中，像素点形成图像中的每个像素点对应的第一差值的绝对值，均小于等于预设的第一阈值时，则形成的所述边缘集合正确；
当任意边缘集合中像素点形成的图像内任意像素点对应的第一差值的绝对值大于第一阈值时，则形成的所述边缘集合错误，该像素点所在图像的边缘像素点，对应的边缘集合重新规划新的边缘集合，使该边缘集合重新规划为两个或两个以上新的边缘集合。
所述基于曲面拟合的非均匀性噪声消除方法，其中，边缘集合重新规划为：将当前错误边缘集合进行四叉分割，将错误边缘集合等分成四个新的边缘集合。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤六具体包括以下步骤，
步骤61，确定每个边缘集合中的顶点像素，每个边缘集合中的顶点像素组成顶点集合；
步骤62，将每个顶点集合中的每个相邻顶点像素连接，形成几何着色图像；
步骤63，根据每个顶点集合对应边缘集合,读取该边缘集合中像素点形成图像的RGB均值，将每个几何着色图像对应RGB均值进行渲染，得到渲染图像；
步骤64，根据渲染图像对应顶点集合像素点的位置，拼接所述渲染图像，得到显示去噪图像后，显示所述显示去噪图像。
所述基于曲面拟合的非均匀性噪声消除方法，其中，所述步骤61具体为，选取每个边缘集合中任意像素点为第一顶点，沿指定方向读取第一顶点的相邻像素点，当相邻像素点与所述第一顶点之间的连线，与水平线形成的夹角第N夹角的度数，大于或等于第一夹角阈值时，则该相邻像素点为第二顶点；
沿顺指定方向读取第二顶点的相邻像素点，当第二顶点的相邻像素点与所述第二顶点之间第N夹角的度数，大于或等于第一夹角阈值时，则该相邻像素点为第三顶点；
当第N顶点的相邻像素点为第一顶点时，结束顶点像素的确定，当前第一顶点、第二顶点至第N顶点组成的集合，为当前边缘集合中的顶点像素组成顶点集合。
基于曲面拟合的非均匀性噪声消除装置，用于红外图像低频非均匀性噪声的消除，包括采集单元、滤波单元、提取单元、分析单元和显示单元，
所述采集单元获取原始图像，所述滤波单元将所述原始图像进行低通滤波，得到原始图像的低频数据；
所述提取单元分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
所述分析单元对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
所述分析单元在所述原始图像中去除所述估计噪声图像，得到去噪图像；
所述提取单元对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；
所述分析单元根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，所述显示单元显示所述显示去噪图像。
（三）有益效果：本发明提供基于曲面拟合的非均匀性噪声消除方法和装置在保证细节的前提下消除了低频非均匀噪声，大大提高图像质量改善了图像视觉效果；同时，根据去噪图像的边缘数据，对去噪图像的像素进行调整，进一步提高了图像质量，并且对去噪图像进行几何着色渲染，加快了GPU的处理速度。
附图说明
图1是本发明基于曲面拟合的非均匀性噪声消除方法的步骤示意图；
图2是本发明基于曲面拟合的非均匀性噪声消除装置的结构示意图
图3a是本发明基于曲面拟合的非均匀性噪声消除方法和装置采集的一个实施例的原始图像（第一）；
图3b是本发明基于曲面拟合的非均匀性噪声消除方法和装置将原始图像（第一）处理后的显示去噪图像（第一）；
图4a是本发明基于曲面拟合的非均匀性噪声消除方法和装置采集的一个实施例的原始图像（第二）；
图4b是本发明基于曲面拟合的非均匀性噪声消除方法和装置将原始图像（第二）处理后的显示去噪图像（第二）；
图5a是本发明基于曲面拟合的非均匀性噪声消除方法和装置采集的一个实施例的原始图像（第三）；
图5b是本发明基于曲面拟合的非均匀性噪声消除方法和装置将原始图像（第三）处理后的显示去噪图像（第三）。
具体实施方式
下面结合优选的实施例对本发明做进一步详细说明，在以下的描述中阐述了更多的细节以便于充分理解本发明，但是，本发明显然能够以多种不同于此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎，因此不应以此具体实施例的内容限制本发明的保护范围。
附图是本发明的实施例的示意图，需要注意的是，此附图仅作为示例，并非是按照等比例的条件绘制的，并且不应该以此作为对本发明的实际要求保护范围构成限制。
分析表明：红外成像系统中光学镜头和相机壳体热辐射引入的低频非均匀性噪声，可以认为是一种加性非均匀性噪声。
基于曲面拟合的非均匀性噪声消除方法，用于红外图像低频非均匀性噪声的消除，具体包括以下步骤，
步骤一，获取原始图像，将所述原始图像进行低通滤波，得到原始图像的低频数据；
步骤二，分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
步骤三，对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
步骤四，在所述原始图像中去除所述估计噪声图像，得到去噪图像。
所述步骤一中低通滤波采用小波滤波算子W，将高通分量置零，获取低频近视分量
其中，M，N是图像的高度和宽度，
是图像的像素坐标，
为开始尺度，
为j时的近似分量，
为分界尺度函数。
所述步骤二中的梯度提取，在计算梯度时，采用中间差分法，即像素在每个方向上前后像素灰度值差的均值，并在梯度计算前进行图像边界填充处理，获取图像的梯度差分
。
所述步骤三具体包括以下步骤，
非均匀噪声消除问题曲面拟合参数的正则化泛函：
其中
为低通滤波算子如（1）式，
为梯度查分算子，
是噪声模型，
是保真项，
是正则项，
是拉格朗日系数，用于平衡正则项和保真项的参数。噪声模型如下式所示
其中，N为模型的阶数，
是图像的像素坐标，
为模型系数。
非均匀性噪声估计求解过程：
非均匀性噪声消除问题求解利用全变分（Total Variation ，TV）模型，能量泛函如（2）式所示，其中TV可以定义为
构建能量泛函：
通过变分原理，求得E_L方程：
通过求偏微分的数值解得到函数近似解即噪声估计值
：
TV模型是以扩散系数
进行各向异性扩散，所以是沿着梯度的正交方向扩散而不是沿着梯度方向扩散，所以它在降噪的同时还保护了图像的边缘文理信息。
所述步骤四具体为，
去噪图像
其中，
为降噪后的图像，
为输入的带噪声的原始图像，
为估计噪声图像。
基于曲面拟合的非均匀性噪声消除方法还包括，
步骤五，对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据。
步骤六，根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，并显示所述显示去噪图像。
所述步骤五具体包括以下步骤，
步骤51，对所述去噪图像进行梯度提取，并将获取所述去噪图像中的去噪边缘数据，根据组成封闭图形的情况进行划分，组成一个封闭图形的边缘像素点形成一个边缘集合。所述去噪边缘数据包括边缘像素点的位置信息，即边缘像素点的坐标。
步骤52，确定形成的所述边缘集合是否正确：
读取每个边缘集合中像素点形成图像的每个像素点的RGB值，计算每个边缘集合中像素点形成图像的RGB均值，并将每个像素点RGB值与对应的RGB均值作差，得到第一差值；当每个边缘集合中，像素点形成图像中的每个像素点对应的第一差值的绝对值，均小于等于预设的第一阈值时，则形成的所述边缘集合正确；
当任意边缘集合中像素点形成的图像内任意像素点对应的第一差值的绝对值大于第一阈值时，则形成的所述边缘集合错误，该像素点所在图像的边缘像素点，对应的边缘集合重新规划新的边缘集合，使该边缘集合重新规划为两个或两个以上新的边缘集合。
边缘集合重新规划可以是将当前错误边缘集合进行四叉分割，即将当前错误边缘集合等分成四个边缘集合，当等分的四个边缘集合中像素点形成的图像内任意像素点RGB值，与对应的RGB均值的第一差值的绝对值，均小于等于第一阈值时，则等分的四个边缘集合正确。
当等分的四个边缘集合中，任意一个边缘集合中像素点形成的图像内任意像素点RGB值，与对应的RGB均值的第一差值的绝对值存在大于第一阈值的情况时，则将出现第一差值的绝对值大于第一阈值的边缘集合继续进行四叉分割，直至得到的边缘集合中像素点形成的图像内任意像素点RGB值，与对应的RGB均值的第一差值的绝对值均小于等于第一阈值。
所述步骤六具体包括以下步骤，
步骤61，确定每个边缘集合中的顶点像素，每个边缘集合中的顶点像素组成顶点集合。
选取每个边缘集合中任意像素点为第一顶点，并沿顺时针方向读取第一顶点的相邻像素点：第一相邻像素点，计算第一相邻像素点、第一顶点之间的连线与水平线形成夹角的度数：第一夹角，当第一夹角小于预设的第一夹角阈值时，继续沿顺时针方向读取第一相邻像素点的相邻像素点：第二相邻像素点，计算第二相邻像素点、第一顶点之间的连线与水平线形成夹角的度数：第二夹角，当第二夹角小于预设的第一夹角阈值时，继续沿顺时针方向读取第二相邻像素点的相邻像素点：第三相邻像素点……直至读取的第N相邻像素点与所述第一顶点之间的连线，与水平线形成的夹角第N夹角的度数，大于或等于第一夹角阈值时，则第N相邻像素点为第二顶点。
沿顺时针方向读取第二顶点的相邻像素点，当第二顶点的第N相邻像素点与所述第二顶点之间的连线，与水平线形成的夹角第N夹角的度数，大于或等于第一夹角阈值时，则第N相邻像素点为第三顶点……
当第N顶点的相邻像素点为第一顶点时，结束顶点像素的确定，则当前第一顶点、第二顶点……第N顶点组成的集合，为当前边缘集合中的顶点像素组成顶点集合。
步骤62，将每个顶点集合中的每个相邻顶点像素连接，形成几何着色图像。
步骤63，根据每个顶点集合对应边缘集合,读取该边缘集合中像素点形成图像的RGB均值，将每个几何着色图像对应RGB均值进行渲染，得到渲染图像。
步骤64，根据渲染图像对应顶点集合像素点的位置，拼接所述渲染图像，得到显示去噪图像后，显示所述显示去噪图像。
基于曲面拟合的非均匀性噪声消除装置，用于红外图像低频非均匀性噪声的消除，如图2所示，包括采集单元、滤波单元、提取单元、分析单元和显示单元。
所述采集单元获取原始图像，所述滤波单元将所述原始图像进行低通滤波，得到原始图像的低频数据；
所述提取单元分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
所述分析单元对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
所述分析单元在所述原始图像中去除所述估计噪声图像，得到去噪图像；
所述提取单元对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；
所述分析单元根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，所述显示单元显示所述显示去噪图像。
基于曲面拟合的非均匀性噪声消除方法和装置，在保证细节的前提下消除了低频非均匀噪声，大大提高图像质量改善了图像视觉效果。另外，根据去噪图像的边缘数据，对去噪图像的像素进行调整，进一步提高了图像质量，并且对去噪图像进行几何着色渲染，加快了GPU的处理速度。
以上内容是对本发明创造的优选的实施例的说明，可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是，这些实施例仅仅是举例说明，不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干简单推演和变换，都应当视为属于本发明创造的保护范围。
Claims (10)
1.基于曲面拟合的非均匀性噪声消除方法，用于红外图像低频非均匀性噪声的消除，其特征在于，
步骤一，获取原始图像，将所述原始图像进行低通滤波，得到原始图像的低频数据；
步骤二，分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
步骤三，对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
步骤四，在所述原始图像中去除所述估计噪声图像，得到去噪图像；
步骤五，对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；
步骤六，根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，并显示所述显示去噪图像。
2.根据权利要求1所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤二中在计算梯度时，采用中间差分法，即像素在每个方向上前后像素灰度值差的均值，并在梯度计算前进行图像边界填充处理，获取图像的梯度差分。
3.根据权利要求1所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤三具体包括，建立非均匀性噪声的正则化能量泛函，利用最优化算法求解模块，得到噪声估计图像。
4.根据权利要求1所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤五具体包括以下步骤，
步骤51，对所述去噪图像进行梯度提取，并将获取所述去噪图像中的去噪边缘数据，根据组成封闭图形的情况进行划分，组成一个封闭图形的边缘像素点形成一个边缘集合；
步骤52，确定形成的所述边缘集合是否正确。
5.根据权利要求4所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述去噪边缘数据包括边缘像素点的位置信息。
6.根据权利要求4所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤51具体为，读取每个边缘集合中像素点形成图像的每个像素点的RGB值，计算每个边缘集合中像素点形成图像的RGB均值，并将每个像素点RGB值与对应的RGB均值作差，得到第一差值；当每个边缘集合中，像素点形成图像中的每个像素点对应的第一差值的绝对值，均小于等于预设的第一阈值时，则形成的所述边缘集合正确；
当任意边缘集合中像素点形成的图像内任意像素点对应的第一差值的绝对值大于第一阈值时，则形成的所述边缘集合错误，该像素点所在图像的边缘像素点，对应的边缘集合重新规划新的边缘集合，使该边缘集合重新规划为两个或两个以上新的边缘集合。
7.根据权利要求6所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，边缘集合重新规划为：将当前错误边缘集合进行四叉分割，将错误边缘集合等分成四个新的边缘集合。
8.根据权利要求1所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤六具体包括以下步骤，
步骤61，确定每个边缘集合中的顶点像素，每个边缘集合中的顶点像素组成顶点集合；
步骤62，将每个顶点集合中的每个相邻顶点像素连接，形成几何着色图像；
步骤63，根据每个顶点集合对应边缘集合,读取该边缘集合中像素点形成图像的RGB均值，将每个几何着色图像对应RGB均值进行渲染，得到渲染图像；
步骤64，根据渲染图像对应顶点集合像素点的位置，拼接所述渲染图像，得到显示去噪图像后，显示所述显示去噪图像。
9.根据权利要求8所述基于曲面拟合的非均匀性噪声消除方法，其特征在于，所述步骤61具体为，选取每个边缘集合中任意像素点为第一顶点，沿指定方向读取第一顶点的相邻像素点，当相邻像素点与所述第一顶点之间的连线，与水平线形成的夹角第N夹角的度数，大于或等于第一夹角阈值时，则该相邻像素点为第二顶点；
沿顺指定方向读取第二顶点的相邻像素点，当第二顶点的相邻像素点与所述第二顶点之间第N夹角的度数，大于或等于第一夹角阈值时，则该相邻像素点为第三顶点；
当第N顶点的相邻像素点为第一顶点时，结束顶点像素的确定，当前第一顶点、第二顶点至第N顶点组成的集合，为当前边缘集合中的顶点像素组成顶点集合。
10.基于曲面拟合的非均匀性噪声消除装置，用于红外图像低频非均匀性噪声的消除，其特征在于，包括采集单元、滤波单元、提取单元、分析单元和显示单元，
所述采集单元获取原始图像，所述滤波单元将所述原始图像进行低通滤波，得到原始图像的低频数据；
所述提取单元分别对所述低频数据和预设的噪声模型进行梯度提取，得到所述低频数据中的低频边缘数据，所述噪声模型中的模型边缘数据；
所述分析单元对所述低频边缘数据、所述模型边缘数据进行优化分析，得到所述原始图像对应的估计噪声图像；
所述分析单元在所述原始图像中去除所述估计噪声图像，得到去噪图像；
所述提取单元对所述去噪图像进行梯度提取，获取所述去噪图像中的去噪边缘数据；
所述分析单元根据所述去噪边缘数据对所述去噪图像中形成的每个封闭边缘图形进行渲染，得到显示去噪图像，所述显示单元显示所述显示去噪图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310260891.3A CN116091360B (zh) | 2023-03-17 | 2023-03-17 | 基于曲面拟合的非均匀性噪声消除方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310260891.3A CN116091360B (zh) | 2023-03-17 | 2023-03-17 | 基于曲面拟合的非均匀性噪声消除方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116091360A CN116091360A (zh) | 2023-05-09 |
| CN116091360B true CN116091360B (zh) | 2023-06-02 |
Family
ID=86210376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310260891.3A Active CN116091360B (zh) | 2023-03-17 | 2023-03-17 | 基于曲面拟合的非均匀性噪声消除方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116091360B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038209A (zh) * | 2007-04-19 | 2007-09-19 | 华中科技大学 | 一种红外焦平面阵列非均匀性自适应校正方法 |
| CN108665423A (zh) * | 2017-12-26 | 2018-10-16 | 西安电子科技大学 | 基于引导滤波和高通滤波的红外图像非均匀性校正方法 |
| CN109636747A (zh) * | 2018-12-04 | 2019-04-16 | 上海理工大学 | 应用于单幅红外图像非均匀校正的深度高频网络校正算法 |
| CN109813442A (zh) * | 2019-03-27 | 2019-05-28 | 北京理工大学 | 一种基于多帧处理的内部杂散辐射非均匀性校正方法 |
| CN113379636A (zh) * | 2021-06-21 | 2021-09-10 | 苏州睿新微系统技术有限公司 | 一种红外图像非均匀性校正方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9852353B2 (en) * | 2014-11-12 | 2017-12-26 | Adobe Systems Incorporated | Structure aware image denoising and noise variance estimation |
-
2023
- 2023-03-17 CN CN202310260891.3A patent/CN116091360B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038209A (zh) * | 2007-04-19 | 2007-09-19 | 华中科技大学 | 一种红外焦平面阵列非均匀性自适应校正方法 |
| CN108665423A (zh) * | 2017-12-26 | 2018-10-16 | 西安电子科技大学 | 基于引导滤波和高通滤波的红外图像非均匀性校正方法 |
| CN109636747A (zh) * | 2018-12-04 | 2019-04-16 | 上海理工大学 | 应用于单幅红外图像非均匀校正的深度高频网络校正算法 |
| CN109813442A (zh) * | 2019-03-27 | 2019-05-28 | 北京理工大学 | 一种基于多帧处理的内部杂散辐射非均匀性校正方法 |
| CN113379636A (zh) * | 2021-06-21 | 2021-09-10 | 苏州睿新微系统技术有限公司 | 一种红外图像非均匀性校正方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王查力."红外传感器建模及非均匀性校正技术研究".《中国优秀硕士学位论文全文数据库信息科技辑》.2023,(第1期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116091360A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046657B (zh) | 一种图像拉伸畸变自适应校正方法 | |
| CN112132958B (zh) | 一种基于双目视觉的水下环境三维重建方法 | |
| US9041834B2 (en) | Systems and methods for reducing noise in video streams | |
| CN102436671B (zh) | 一种基于深度值非线性变换的虚拟视点绘制方法 | |
| CN107749987B (zh) | 一种基于块运动估计的数字视频稳像方法 | |
| WO2016188010A1 (zh) | 运动图像补偿方法及装置、显示装置 | |
| US10475229B2 (en) | Information processing apparatus and information processing method | |
| CN111754433B (zh) | 一种航拍图像去雾方法 | |
| CN112288726B (zh) | 一种井下带式输送机带面异物检测方法 | |
| Zhu et al. | Fast single image dehazing through edge-guided interpolated filter | |
| CN103413305B (zh) | 一种单幅图像的快速去雾方法、装置和图像处理系统 | |
| Shavetov et al. | Computer vision in control and robotics for educational purposes | |
| CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
| Zhang et al. | An improved BM3D algorithm based on anisotropic diffusion equation | |
| CN113421210B (zh) | 一种基于双目立体视觉的表面点云重建方法 | |
| CN116091360B (zh) | 基于曲面拟合的非均匀性噪声消除方法和装置 | |
| CN116012265B (zh) | 基于时空域自适应滤波的红外视频降噪方法和装置 | |
| CN111951178A (zh) | 显著提升图像质量的图像处理方法、装置和电子设备 | |
| CN110910457A (zh) | 基于角点特征的多光谱立体相机外参计算方法 | |
| CN107203976B (zh) | 一种基于噪点检测的自适应非局部均值去噪方法及系统 | |
| Junjie et al. | An image defocus deblurring method based on gradient difference of boundary neighborhood | |
| CN107798663A (zh) | 一种基于偏微分方程和bm3d的无参数化图像恢复方法 | |
| Krylov et al. | Image enhancement by non-iterative grid warping | |
| CN113487527A (zh) | 一种曲面屏绘素亮度提取方法及系统 | |
| CN112669337A (zh) | 一种自迭代式的局部绿幕抠像方法 |
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 |