CN116167931A - 一种日盲波段紫外图像降噪方法 - Google Patents
一种日盲波段紫外图像降噪方法 Download PDFInfo
- Publication number
- CN116167931A CN116167931A CN202211663317.4A CN202211663317A CN116167931A CN 116167931 A CN116167931 A CN 116167931A CN 202211663317 A CN202211663317 A CN 202211663317A CN 116167931 A CN116167931 A CN 116167931A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- target
- noise
- ultraviolet
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000009467 reduction Effects 0.000 title claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims abstract description 29
- 230000001186 cumulative effect Effects 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 abstract description 9
- 238000009825 accumulation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000825 ultraviolet detection 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
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
本发明提出了一种日盲波段紫外图像降噪方法,能够实现对紫外图像的降噪预处理,保留目标细节信息,抑制背景噪声,提高目标信噪比。根据紫外目标成像特性,建立紫外图像目标与背景分割阈值模型,首先结合确立的分割阈值对紫外图像进行初步背景分割,然后对时间相邻多帧序列图像进行灰度概率累积分布统计处理,进一步滤除噪声杂波,获取目标图像。可有效滤除紫外成像中能量强、空间分布随机性大的噪声光斑,同时该方法需兼顾实时性和运算资源可实现性,具备快速滤波降噪处理能力。
Description
技术领域
本发明涉及光电探测技术领域,具体涉及一种日盲波段紫外图像降噪方法。
背景技术
近年来,紫外探测成像技术在导弹告警、天基预警、自主着舰引导、飞机辅助降落等军事领域以及电晕放电检测、火灾探测等民用领域都得到了广泛的应用。
由于紫外成像作用在日盲紫外波段,自然界各物体及探测目标在该波段的辐射响应都比较弱,其大多采用像增强器耦合ICCD光子成像体制。像增强器作为一个微光信号转换和倍增器件,其既是信号采集器,又是噪声放大器,噪声来源较多包括光阴极暗电流、MCP热噪声、荧光屏散粒噪声、光生背景噪声等,且噪声强度高、变化随机差异性特别大,导致紫外成像噪声信号与待探测目标能量接近、空间分布随机性大,目标成像光斑与噪声光斑粘连严重,难以区分。采用常见的可见光、红外图像滤波算法对紫外图像噪声适用性较差,同时,紫外图像降噪算法应用平台一般为片上系统,运算能力有限,因此如何快速有效的实现对紫外图像的降噪预处理,保留目标细节信息,抑制背景噪声,提高目标信噪比,对紫外成像探测具有十分重要的意义。
发明内容
有鉴于此,本发明提出了一种日盲波段紫外图像降噪方法,能够实现对紫外图像的降噪预处理,保留目标细节信息,抑制背景噪声,提高目标信噪比。
为实现上述目的,本发明的技术方案为:
1、一种日盲波段紫外图像降噪方法,其特征在于,根据紫外目标成像特性,建立紫外图像目标与背景分割阈值模型,首先结合确立的分割阈值对紫外图像进行初步背景分割,然后对时间相邻多帧序列图像进行灰度概率累积分布统计处理,进一步滤除噪声杂波,获取目标图像。
3、如权利要求2所述的方法,其特征在于,计算确定当前帧紫外图像背景分割阈值T:
当前帧紫外图像长和宽分别为U和V像素,取图像中第1行、第V行、第1列、第U列四边缘位置像素灰度值,代入成像器件背景像素灰度平均值E和像素点灰度标准差σ的表达式,进而确定分割阈值为T,具体如下:
T=E+SNR*σ
其中,SNR为目标检出信噪比,对每一帧紫外图像,都据此方式计算得到背景阈值T。
4、如权利要求1-3任意一项所述的方法,其特征在于,对前景兴趣点进行多帧灰度概率累积分布统计,其中对当前帧紫外图像进行二值化处理,获取前景兴趣点。若像素灰度位置大于T,则置“1”,否则置“0”,并缓存当前帧二值化处理后图像,所有置“1”的点即为前景兴趣点。
5、如权利要求4所述的方法,其特征在于,对步骤3中确定的前景兴趣点,进行多帧同像素位置遍历,搜寻多帧图像中同位置出现“1”的帧数,该累积帧数与缓存帧数目N的比值,作为此像素位置的概率累积分布值,并记录;对于非前景兴趣点,不进行搜索,直接将此置为0;
若A点为前景兴趣点,像素位置坐标为(Xa,Ya),则搜寻前N-1帧中坐标为(Xa,Ya)处出现“1”的帧数,记做m',再累加上出现“1”的当前帧,则(Xa,Ya)处的概率累积分布值m=(m'+1)/N;若A点非前景兴趣点,像素位置坐标为(Xa',Ya'),则该位置处的概率累计分布值赋0,以此类推,对前景兴趣点进行逐点多帧遍历,生成灰度概率累积分布图。
6、如权利要求2或3所述的方法,其特征在于,若灰度概率累积分布图某点处值超过设定阈值λ,则为目标点,小于阈值,则为噪声点,其中累积阈值λ按照如下式求取:
有益效果
1、本发明的日盲波段紫外图像降噪方法,根据紫外目标成像特性,建立紫外图像目标与背景分割阈值模型,首先结合确立的分割阈值对紫外图像进行初步背景分割,然后对时间相邻多帧序列图像进行灰度概率累积分布统计处理,进一步滤除噪声杂波,获取目标图像。可有效滤除紫外成像中能量强、空间分布随机性大的噪声光斑,同时该方法需兼顾实时性和运算资源可实现性,具备快速滤波降噪处理能力。
2、本发明中采用多帧图像缓存并行架构处理方式,仅需消耗少量的图像缓存资源,而且仅对当帧二值化处理后的感兴趣前景兴趣点进行遍历,相比传统滤波的多帧逐像素多次遍历,明显耗时大大缩短。处理过程中,各像素单元互不相关,可进行多像素并行同步处理,具有非常好的算法实时性和运算资源节约性,具备紫外图像快速实时滤波降噪处理能力。
3、本发明中对确定的前景兴趣点,进行多帧同像素位置遍历,搜寻多帧图像中同位置出现“1”的帧数,该累积帧数与缓存帧数目N的比值,作为此像素位置的概率累积分布值,并记录;对于非前景兴趣点,不进行搜索,直接将此置为0;对前景兴趣点进行多帧灰度概率累积分布统计,更加准确。
4、本发明无论对于FPGA等并行逻辑架构处理器件还是DSP、ARM等串行逻辑架构处理器件都具有非常好的平台可移植性。
附图说明
图1为本发明中灰度概率累计分布示意图。
图2为本发明方法流程示意图。
图3为未滤波降噪前紫外图像示意图。
图4为本发明降噪滤波效果示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种日盲波段紫外图像降噪方法,由于紫外成像作用在“日盲”波段,自然界中的阳光、空气等在该波段辐射较弱,图像背景噪声较均匀,同时,紫外图像是光子倍增成像,目标和离散噪声信号成像光斑能量都比较强。因此,首先要建立目标分割阈值数学模型,进行初步背景阈值分割,提取目标前景有效信号,滤除低频背景噪声。紫外成像设备加电后,随机抽取一帧紫外图像,将图像四边缘位置作为背景像素点,根据目标紫外成像特性,搭建分割阈值模型,分割阈值T按照如下公式求取:
T=E+SNR*σ(3)
式中:E——成像器件背景像素点灰度均值;
σ——成像器件背景像素点灰度标准差。
U、V——图像的长和宽。
SNR——目标检出信噪比,依据目标提取经验值确定。
依据上式得到的分割阈值,对紫外图像进行二值化处理,可有效滤除背景低频噪声,但是光阴极暗电流、MCP热噪声等其他高频噪声仍存在,接下来利用光子成像的粒子性和噪声信号的短时存在特性,对其进行下一步处理。
阈值分割后图像中仍残存的高频噪声具有空间分布随机性和离散性,也就是其随机出现在图像的任意位置,但是持续存在时间较短,而目标光斑往往是持续稳定存在的。因此可利用时间相邻的多帧序列图像,进行灰度概率累积分布统计,进一步抑制噪声杂波。依据光子成像的粒子性,借鉴管道滤波的思想,可以设计了一种灰度概率累积统计的方法。其核心思想是对阈值分割后的当前帧二值化图像中的前景兴趣点,进行多帧同像素位置的“0”、“1”概率累积统计,若多帧图像中,某一像素点的灰度值出现1的概率高于累积阈值λ,则将其认为目标点,否则为噪声点。本发明中灰度概率累计分布示意图如图1所示,假设A点为目标光斑,B点为噪声光斑像素,1~N为二值化图像,则统计多帧序列图像中A、B像素位置“1”出现的次数,以此计算A、B位置出现“1”的概率,从图中可看出A点出现“1”的概率超过设定阈值λ,则A为目标点,而B点出现“1”的概率小于阈值,则为噪声点。
本发明流程如图2所示,包括如下步骤:
2)计算确定当前帧紫外图像背景分割阈值T:
当前帧紫外图像长和宽分别为U和V像素,取图像中第1行、第V行、第1列、第U列四边缘位置像素灰度值,代入成像器件背景像素灰度平均值E和像素点灰度标准差σ的表达式,进而确定分割阈值为T。
T=E+SNR*σ
对每一帧紫外图像,都可以据此方式计算得到背景阈值T。
3)对当前帧紫外图像进行二值化处理,获取前景兴趣点。若像素灰度位置大于T,则置“1”,否则置“0”,并缓存当前帧二值化处理后图像,所有置“1”的点即为前景兴趣点。
4)对前景兴趣点进行多帧灰度概率累积分布统计:
对步骤3中确定的前景兴趣点,进行多帧同像素位置遍历,搜寻多帧图像中同位置出现“1”的帧数,该累积帧数与缓存帧数目N的比值,作为此像素位置的概率累积分布值,并记录;对于非前景兴趣点,不进行搜索,直接将此置为0。
若A点为前景兴趣点,像素位置坐标为(Xa,Ya),则搜寻前N-1帧中坐标为(Xa,Ya)处出现“1”的帧数,记做m',再累加上出现“1”的当前帧,则(Xa,Ya)处的概率累积分布值m=(m'+1)/N。若A点非前景兴趣点,像素位置坐标为(Xa',Ya'),则该位置处的概率累计分布值赋0,以此类推,对前景兴趣点进行逐点多帧遍历,生成灰度概率累积分布图。
5)噪声点剔除:
若灰度概率累积分布图某点处值超过设定阈值λ,则为目标点,小于阈值,则为噪声点。累积阈值λ按照如下式求取:
通过该规则判定处理,将目标点与噪声点进行了区分,完成了紫外图像降噪预处理,提取了准确的目标图像。
紫外图像未进行滤波降噪前,受成像器件光阴极暗电流、MCP热噪声、荧光屏散粒噪声、光生背景噪声等多种噪声源影响,生成图像如图3所示。从图中可看出目标成像亮斑周围存在大量的离散噪声光斑,其信号强度较高,且空间分布范围广,特别是部分噪声光斑分布在目标周围,粘连目标光斑,甚至改变了目标的形状空间分布特征。
采用本发明方法对紫外图像进行降噪后,处理效果如图4所示,有效滤除空间分布性广、信号强度高的各种噪声,保留目标特征。
进一步地,本发明采用多帧图像缓存并行架构处理方式,仅需消耗少量的图像缓存资源,而且仅对当帧二值化处理后的感兴趣前景兴趣点进行遍历,相比传统滤波的多帧逐像素多次遍历,明显耗时大大缩短。处理过程中,各像素单元互不相关,可进行多像素并行同步处理,具有非常好的算法实时性和运算资源节约性,具备紫外图像快速实时滤波降噪处理能力。同时,无论对于FPGA等并行逻辑架构处理器件还是DSP、ARM等串行逻辑架构处理器件都具有非常好的平台可移植性。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,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 (6)
1.一种日盲波段紫外图像降噪方法,其特征在于,根据紫外目标成像特性,建立紫外图像目标与背景分割阈值模型,首先结合确立的分割阈值对紫外图像进行初步背景分割,然后对时间相邻多帧序列图像进行灰度概率累积分布统计处理,进一步滤除噪声杂波,获取目标图像。
4.如权利要求2或3所述的方法,其特征在于,对前景兴趣点进行多帧灰度概率累积分布统计,其中对当前帧紫外图像进行二值化处理,获取前景兴趣点。若像素灰度位置大于T,则置“1”,否则置“0”,并缓存当前帧二值化处理后图像,所有置“1”的点即为前景兴趣点。
5.如权利要求4所述的方法,其特征在于,对确定的前景兴趣点,进行多帧同像素位置遍历,搜寻多帧图像中同位置出现“1”的帧数,该累积帧数与缓存帧数目N的比值,作为此像素位置的概率累积分布值,并记录;对于非前景兴趣点,不进行搜索,直接将此置为0;
若A点为前景兴趣点,像素位置坐标为(Xa,Ya),则搜寻前N-1帧中坐标为(Xa,Ya)处出现“1”的帧数,记做m',再累加上出现“1”的当前帧,则(Xa,Ya)处的概率累积分布值m=(m'+1)/N;若A点非前景兴趣点,像素位置坐标为(Xa',Ya'),则该位置处的概率累计分布值赋0,以此类推,对前景兴趣点进行逐点多帧遍历,生成灰度概率累积分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211663317.4A CN116167931A (zh) | 2022-12-23 | 2022-12-23 | 一种日盲波段紫外图像降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211663317.4A CN116167931A (zh) | 2022-12-23 | 2022-12-23 | 一种日盲波段紫外图像降噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167931A true CN116167931A (zh) | 2023-05-26 |
Family
ID=86412391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211663317.4A Pending CN116167931A (zh) | 2022-12-23 | 2022-12-23 | 一种日盲波段紫外图像降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167931A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071635A (zh) * | 2024-04-19 | 2024-05-24 | 中国南方电网有限责任公司超高压输电公司电力科研院 | 紫外检测图像的噪声处理方法、装置、计算机设备和介质 |
-
2022
- 2022-12-23 CN CN202211663317.4A patent/CN116167931A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071635A (zh) * | 2024-04-19 | 2024-05-24 | 中国南方电网有限责任公司超高压输电公司电力科研院 | 紫外检测图像的噪声处理方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110554404B (zh) | 一种强背景噪声下Gm-APD阵列激光雷达成像方法及系统 | |
CN108304781B (zh) | 一种面阵盖革apd激光成像雷达图像预处理方法 | |
CN111666944B (zh) | 一种红外弱小目标检测方法及装置 | |
CN104282003B (zh) | 一种基于梯度筛选的数字模糊图像盲复原方法 | |
CN111665517B (zh) | 一种基于密度统计的单光子激光测高数据去噪方法及装置 | |
CN116167931A (zh) | 一种日盲波段紫外图像降噪方法 | |
CN101980282A (zh) | 一种红外图像动态细节增强方法 | |
CN111951313A (zh) | 图像配准方法、装置、设备及介质 | |
Niu et al. | Moving point target detection based on higher order statistics in very low SNR | |
CN110954919A (zh) | 一种面阵激光探测器的固定值噪声确定方法及去除方法 | |
CN117333776A (zh) | VOCs气体泄漏检测方法、装置及存储介质 | |
CN113253240B (zh) | 一种基于光子探测的空间目标识别分法、存储介质和系统 | |
Liu et al. | 3D reconstruction of the dynamic scene with high-speed targets for GM-APD LiDAR | |
CN112764005A (zh) | 一种结合形态学滤波的Gm-APD激光雷达低信噪比回波数据重构方法 | |
CN104166975A (zh) | 一种复杂环境下低空红外目标检测算法 | |
CN104156981A (zh) | 一种基于图像处理的太阳射电爆发自动实时检测方法 | |
CN111784738A (zh) | 一种基于涨落分析的极暗弱运动目标关联检测方法 | |
ZHU et al. | Dim small targets detection based on horizontal-vertical multi-scale grayscale difference weighted bilateral filtering | |
Zhou et al. | Water photovoltaic plant contaminant identification using visible light images | |
CN111784743B (zh) | 一种红外弱小目标检测方法 | |
Zhang et al. | Adaptive rectification filter for detecting small IR targets | |
Malekshahi et al. | Detection and removal of rain from video using predominant direction of Gabor filters | |
CN108960095B (zh) | 一种基于太赫兹的人数统计方法及装置 | |
Shayduk | Optimized next-neighbour image cleaning method for Cherenkov telescopes | |
Doan et al. | Multiple-target tracking implementation in the ebCMOS camera system: the LUSIPHER prototype |
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 |