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 PDF

Info

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
Application number
CN202211663317.4A
Other languages
English (en)
Inventor
丁赫
张强
邓剑
孙大维
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.)
Fifty Third Research Institute Of China Electronics Technology Group Corp
Original Assignee
Fifty Third Research Institute Of China Electronics Technology Group Corp
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 Fifty Third Research Institute Of China Electronics Technology Group Corp filed Critical Fifty Third Research Institute Of China Electronics Technology Group Corp
Priority to CN202211663317.4A priority Critical patent/CN116167931A/zh
Publication of CN116167931A publication Critical patent/CN116167931A/zh
Pending legal-status Critical Current

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
    • 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

一种日盲波段紫外图像降噪方法
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。
2、如权利要求1所述的方法，其特征在于，判定紫外图像接收帧数是否超过N，超过则开始进行滤波去噪，N由日盲紫外成像器件的采样帧频f确定，
Figure BDA0004014854180000021
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：
Figure BDA0004014854180000022
/>
Figure BDA0004014854180000023
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：
Figure BDA0004014854180000031
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：
Figure BDA0004014854180000051
Figure BDA0004014854180000052
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：
1)判定紫外图像接收帧数是否超过N，超过则开始进行滤波去噪，N由日盲紫外成像器件的采样帧频f，代入
Figure BDA0004014854180000061
确定；
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。
Figure BDA0004014854180000062
Figure BDA0004014854180000063
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：
Figure BDA0004014854180000071
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。
2.如权利要求1所述的方法，其特征在于，判定紫外图像接收帧数是否超过N，超过则开始进行滤波去噪，N由日盲紫外成像器件的采样帧频f确定，
Figure FDA0004014854170000011
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：
Figure FDA0004014854170000012
Figure FDA0004014854170000013
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。
6.如权利要求2、3或5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：
Figure FDA0004014854170000021
/>
CN202211663317.4A 2022-12-23 2022-12-23 一种日盲波段紫外图像降噪方法 Pending CN116167931A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
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