CN116245752A - 红外图像的处理方法、装置、存储介质及电子设备 - Google Patents
红外图像的处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116245752A CN116245752A CN202211713788.1A CN202211713788A CN116245752A CN 116245752 A CN116245752 A CN 116245752A CN 202211713788 A CN202211713788 A CN 202211713788A CN 116245752 A CN116245752 A CN 116245752A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- image
- noise
- processing
- salt
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 65
- 239000006002 Pepper Substances 0.000 claims abstract description 53
- 150000003839 salts Chemical class 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 42
- 235000002566 Capsicum Nutrition 0.000 claims abstract description 39
- 241000722363 Piper Species 0.000 claims abstract description 39
- 235000016761 Piper aduncum Nutrition 0.000 claims abstract description 39
- 235000017804 Piper guineense Nutrition 0.000 claims abstract description 39
- 235000008184 Piper nigrum Nutrition 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000009471 action Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003331 infrared imaging Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000012434 pretzels Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种红外图像的处理方法、装置、存储介质及电子设备，属于图像处理技术领域。该方法包括：获取待处理的原始红外图像，待处理的原始红外图像中包括高斯噪声和椒盐噪声；应用自适应中值滤波算法对待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；针对消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；针对滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。该装置、存储介质及电子设备能够用于实现该方法。其能够对红外成像图像的高斯噪声、椒盐噪声、脉冲噪声等图像噪声进行有效处理，得到清晰度高，并且边缘得到有效保护的红外成像图像。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种红外图像的处理方法、装置、存储介质及电子设备。
背景技术
红外成像技术优势明显，但在有些情况下，红外图像普遍存在系统自身噪声复杂、受背景强杂波干扰、目标特征弱容易淹没在噪声中等问题。近几年针对红外图像的各种噪声处理相关研究很多，但仍然难以改善图像模糊的问题。
发明内容
有鉴于此，本发明提供了一种红外图像的处理方法、装置、存储介质及电子设备，其能够对红外成像图像的高斯噪声、椒盐噪声、脉冲噪声等图像噪声进行有效处理，得到清晰度高，并且边缘得到有效保护的红外成像图像，从而更加适于实用。
为了达到上述第一个目的，本发明提供的红外图像的处理方法的技术方案如下：
本发明提供一种红外图像的处理方法，包括以下步骤：
获取待处理的原始红外图像，所述待处理的原始红外图像中包括高斯噪声和椒盐噪声；
应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
本发明提供的红外图像的处理方法还可采用以下技术措施进一步实现。
作为优选，所述应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像具体包括以下步骤：
获取所述待处理的原始红外图像的模板，并计算所述模板中各点像素值的中值；
将所述模板中心像素的值用所述中值代替，得到消除椒盐噪声的红外图像；
其中，所述自适应中值滤波算法公式如下：
式(1)中，
p(s,t)为输入图像在横坐标为x，纵坐标为y的点的邻域内所有像素点的取值，
Sxy为输入图像在横坐标为x，纵坐标为y的点的邻域内的坐标值。
作为优选，所述针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像的步骤包括以下步骤：
命名所述消除椒盐噪声的红外图像p、引导图像I、输出图像q；
根据线性模型，假设所述输出图像q是以像素k为中心的窗口ωk中引导图像I的线性变换，假设线性关系如下：
式(2)中，ak,bk是假设的线性系数；
针对所述式(2)两边进行梯度计算，得到：
根据式(4)，计算得到ak,bk，使式(4)为最小值：
式(4)中，ε为用于防止ak过大的惩罚值；
其中，ak,bk的解法如式(5)：
式(5)中，μk是I于窗口ωk之下的均值和方差，
是I于窗口ωk之下的方差，|ω是窗口ωk里面包含像素数，/>
是待滤波图像p于窗口ωk当中的均值，具体定义为：
在计算每个窗口的线性系数时，像素i将涉及覆盖i的所有重叠窗口ωk，在不同的窗口计算中，线性系数不同导致结果qi的值也不相同，因此，将所有qi的可能值取均值，如式(7)，得到清晰的红外图像：
式(7)中，qi是清晰的红外图像，ωk是所有包含像素i的窗口，k是其中心位置；
其中，所述引导滤波进行了加权处理：
q＝W×G(p) (9)，
式(8)、(9)中，W为权值，K为归一化常数，
是输入图像对应像素点的梯度值，p为输入图像，q为输出结果图像，G为引导滤波算法。
作为优选，所述针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像的步骤过程包括三个尺度的高斯模糊的步骤，以及逐次相减的步骤。
作为优选，所述针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像具体包括以下步骤：
利用三个不同的高斯核处理全局图像，得到三个不同的模糊图像：
I1＝G1×I, I2＝G2×I, I3＝G3×I (10)，
式(10)中，
G1,G2,G3为三个不同的高斯核，其标准差分别对应σ1＝1.0,σ2＝2.0,σ3＝4.0，I1、I2、I3为与三个不同的高斯核相对应的三个不同的模糊图像；
根据所述三个不同的模糊图像，提取三个不同的精细节：
D1＝I-I1, D2＝I1-I2,D3＝I2-I3 (11)，
式(11)中，
D1、D2、D3分别为三个不同的精细节；
根据所述三个不同的精细节，通过合并图层，生成整体细节图像：
D＝(1-ω1×sgn(D1))×D1+ω2×D2+ω3×D3 (12)，
式(12)中，
D为整体细节图像，ω1,ω2,ω3分别给定为0.5，0.5和0.25；
sgn表示生成一个与D1大小相同的数组，数组的对应元素取决于X对应元素，对应元素大于0时等于1，对应元素等于0时为0，对应元素小于0时为-1；
将所述整体细节图像D添加到所述引导图像I中，得到清晰的红外图像。
作为优选，所述根据所述三个不同的模糊图像，提取三个不同的精细节的步骤过程中，还包括减少精细节D1的正组分，减小精细节D1的负组分的步骤，其中，D1等于原图，与标准差为1的高斯核处理出的模糊图像I1对应像素求差值的图像。
作为优选，所述应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像的步骤过程中，对像素中值的判断方法包括以下步骤：
获取滤波器的作用区域Sxy，定义Sxy的中心点为图像中第y行第x列个像素点，Zmin为Sxy中最小灰度值，Zmax为Sxy中最大灰度值，Zmed为所有灰度进行排序在中间的值，Zxy为图像中第y行第x列个像素点的灰度值，Smax为Sxy范围内可以达到的最大窗口尺寸；
以区间[Zmin，Zmax]对像素中值Zmed进行判断：
若所述中值Zmed对应的点属于噪声点，则扩大作用区域Sxy的尺寸，变所述噪声点为非噪声点；
若所述中值Zmed对应的点不属于噪声点，则判断作用区域Sxy的中心点的像素值是否是噪声点：
若作用区域Sxy的中心点属于噪声点，则将该中心点的灰度值用中值进行代替；
若作用区域Sxy的中心点不属于噪声点，则量该中心点的灰度值进行保留。
为了达到上述第二个目的，本发明提供的红外图像的处理装置的技术方案如下：
本发明提供的红外图像的处理装置包括：
原始红外图像获取模块，用于获取待处理的原始红外图像，所述待处理的原始红外图像中包括高斯噪声和椒盐噪声；
自适应中值滤波模块，用于应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
引导滤波模块，用于针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
增强锐化模块，用于针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
为了达到上述第三个目的，本发明提供的计算机可读存储介质的技术方案如下：
本发明提供的计算机可读存储介质上存储有红外图像的处理程序，所述红外图像的处理程序在被处理器执行时，实现本发明提供的红外图像的处理方法的步骤。
为了达到上述第四个目的，本发明提供的电子设备的技术方案如下：
本发明提供的电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有红外图像的处理程序，所述红外图像的处理程序在被所述处理器执行时，实现本发明提供的红外图像的处理方法的步骤。
本发明实施例提供的红外图像的处理方法、装置、计算机可读存储介质及电子设备首先利用自适应中值滤波算法滤除待处理原始红外图像中的椒盐噪声；再利用引导滤波，对消除椒盐噪声的红外图像中的高斯噪声、脉冲噪声等进行有效处理，得到滤波后的红外图像；最后，针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰且边缘得到有效保护的红外图像，从而实现更准确的图像识别结果，为后续基于该图像识别结果做好准备。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例提供的红外图像的处理方法的步骤流程图；
图2a为采用Matlab实现高斯滤波处理时的原图；
图2b为采用Matlab实现高斯滤波处理时，对原图进行灰度化处理后的图片；
图2c为采用Matlab实现高斯滤波处理时，受到高斯噪声污染的图片；
图2d为采用Matlab实现高斯滤波处理时，高斯滤波处理结果图片；
图3a为采用Matlab实现中值滤波处理时的原图；
图3b为采用Matlab实现中值滤波处理时，对原图进行灰度化处理后的图片；
图3c为采用Matlab实现中值滤波处理时，受到椒盐噪声污染的图片；
图3d为采用Matlab实现中值滤波处理时，中值滤波处理结果图片；
图4为本发明实施例提供的红外图像的处理方法涉及的自适应中值滤波算法的流程图；
图5为本发明是合理提供的红外图像的处理装置中各功能模块之间的信号流向关系示意图；
图6为本发明实施例涉及的硬件运行环境的红外图像的处理设备示意图。
具体实施方式
有鉴于此，本发明提供了一种红外图像的处理方法、装置、存储介质及电子设备，其能够对红外成像图像的高斯噪声、椒盐噪声、脉冲噪声等图像噪声进行有效处理，得到清晰度高，并且边缘得到有效保护的红外成像图像，从而更加适于实用。
为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红外图像的处理方法、装置、存储介质及电子设备，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“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。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，具体的理解为：可以同时包含有A与B，可以单独存在A，也可以单独存在B，能够具备上述三种任一种情况。
红外图像的处理方法
参见附图1，本发明实施例提供一种红外图像的处理方法，包括以下步骤：
步骤S1：获取待处理的原始红外图像，待处理的原始红外图像中包括高斯噪声和椒盐噪声；
步骤S2：应用自适应中值滤波算法对待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
步骤S3：针对消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
步骤S4：针对滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
本发明实施例提供的红外图像的处理方法首先利用自适应中值滤波算法滤除待处理原始红外图像中的椒盐噪声；再利用引导滤波，对消除椒盐噪声的红外图像中的高斯噪声、脉冲噪声等进行有效处理，得到滤波后的红外图像；最后，针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰且边缘得到有效保护的红外图像，从而实现更准确的图像识别结果，为后续基于该图像识别结果做好准备。
其中，应用自适应中值滤波算法对待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像具体包括以下步骤：
获取待处理的原始红外图像的模板，并计算模板中各点像素值的中值；
将模板中心像素的值用中值代替，得到消除椒盐噪声的红外图像；
其中，自适应中值滤波算法公式如下：
式(1)中，
p(s,t)为输入图像在横坐标为x，纵坐标为y的点的邻域内所有像素点的取值，
Sxy为输入图像在横坐标为x，纵坐标为y的点的邻域内的坐标值。
其中，针对消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像的步骤包括以下步骤：
命名消除椒盐噪声的红外图像p、引导图像I、输出图像q；
根据线性模型，假设输出图像q是以像素k为中心的窗口ωk中引导图像I的线性变换，假设线性关系如下：
式(2)中，ak,bk是假设的线性系数；
针对式(2)两边进行梯度计算，得到：
图像边缘检测普遍通过对图片进行梯度计算来实现，由式(3)可知，输入引导图像I与输出图像q的梯度类似，继而可知算法起到了一定的边缘保护作用。
根据式(4)，计算得到ak,bk，使式(4)为最小值：
式(4)中，ε为用于防止ak过大的惩罚值；
其中，ak,bk的解法如式(5)：
式(5)中，μk是I于窗口ωk之下的均值和方差，
是I于窗口ωk之下的方差，|ω是窗口ωk里面包含像素数，/>
是待滤波图像p于窗口ωk当中的均值，具体定义为：
在计算每个窗口的线性系数时，像素i将涉及覆盖i的所有重叠窗口ωk，在不同的窗口计算中，线性系数不同导致结果qi的值也不相同，因此，将所有qi的可能值取均值，如式(7)，得到清晰的红外图像：
式(7)中，qi是清晰的红外图像，ωk是所有包含像素i的窗口，k是其中心位置；
其中，所述引导滤波进行了加权处理：
q＝W×G(p) (9)，
式(8)、(9)中，W为权值，K为归一化常数，
是输入图像对应像素点的梯度值，p为输入图像，q为输出结果图像，G为引导滤波算法。/>
引导滤波在处理高斯噪声时具有很好的效果，可以将任何复杂函数分段，将其看作多个局部线性函数的组合，不同于高斯滤波，在这一图像进行高斯滤波的平滑噪声处理时，图像的边缘细节很容易受到影响，将图像自身的结构一并模糊处理；而引导滤波在处理噪声的同时，具有一定的边缘保护能力。其中，在引导滤波中，输出图像视为引导图像对应像素的线性运算结果，故而可对其线性系数加权处理。梯度越大，则权值越小。对引导滤波算法进行加权，由于图像边缘处所占权重极低，处理后结果几乎等于原值，因此可以起到防止图像边缘处产生梯度反转的作用，进而更有效地处理噪声，保护图像。
其中，针对滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像的步骤过程包括三个尺度的高斯模糊的步骤，以及逐次相减的步骤。
其中，针对滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像具体包括以下步骤：
利用三个不同的高斯核处理全局图像，得到三个不同的模糊图像：
I1＝G1×I,I2＝G2×I,I3＝G3×I (10)，
式(10)中，
G1,G2,G3为三个不同的高斯核，其标准差分别对应σ1＝1.0,σ2＝2.0,σ3＝4.0，I1、I2、I3为与三个不同的高斯核相对应的三个不同的模糊图像；
根据三个不同的模糊图像，提取三个不同的精细节：
D1＝I-I1,D2＝I1-I2,D3＝I2-I3 (11)，
式(11)中，
D1、D2、D3分别为三个不同的精细节；
根据三个不同的精细节，通过合并图层，生成整体细节图像：
D＝(1-ω1×sgn(D1))×D1+ω2×D2+ω3×D3 (12)，
式(12)中，
D为整体细节图像，ω1,ω2,ω3分别给定为0.5，0.5和0.25，本实施例中，根据论文《Image enhancement based onpairwise target contrast and multi-scale detailboosting》，选用的参数定制；
sgn表示生成一个与D1大小相同的数组，数组的对应元素取决于X对应元素，对应元素大于0时等于1，对应元素等于0时为0，对应元素小于0时为-1；
将整体细节图像D添加到引导图像I中，得到清晰的红外图像。
其中，根据三个不同的模糊图像，提取三个不同的精细节的步骤过程中，还包括减少精细节D1的正组分，减小精细节D1的负组分的步骤，其中，D1等于原图，与标准差为1的高斯核处理出的模糊图像I1对应像素求差值的图像。精细节D1扩大了边缘附近的灰度级差异，但可能会因为过量的超调导致灰度级别饱和，减少精细节D1的正组分，减小精细节D1的负组分可提高图像动态范围，增强目标细节。
其中，参见附图4，应用自适应中值滤波算法对待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像的步骤过程中，对像素中值的判断方法包括以下步骤：
获取滤波器的作用区域Sxy，定义Sxy的中心点为图像中第y行第x列个像素点，Zmin为Sxy中最小灰度值，Zmax为Sxy中最大灰度值，Zmed为所有灰度进行排序在中间的值，Zxy为图像中第y行第x列个像素点的灰度值，Smax为Sxy范围内可以达到的最大窗口尺寸；
以区间[Zmin，Zmax]对像素中值Zmed进行判断：
若中值Zmed对应的点属于噪声点，则扩大作用区域Sxy的尺寸，变噪声点为非噪声点；
若中值Zmed对应的点不属于噪声点，则判断作用区域Sxy的中心点的像素值是否是噪声点：
若作用区域Sxy的中心点属于噪声点，则将该中心点的灰度值用中值进行代替；
若作用区域Sxy的中心点不属于噪声点，则量该中心点的灰度值进行保留。
中值滤波处理方法可以应用于噪声密度较小的形式，但是如果噪声经常出现，就不能使用这种滤波处理算法，相应的就需要采用增大滤波器窗口尺寸的方法。为了对终止滤波器的窗口尺寸，根据实际情况而动态变化，就需要采用自适应种植滤波器，而且可以做到有效的去噪，并能够保证图像的细节予以保留。
作为一种全局方法，此前的变换函数增强了整个图像，但它在提升局部细节方面依然存在局限性。因为红外目标普遍具有目标占用像素点少、提供信息量少等特点，所以在跟踪过程中极易与背景混淆，因此通过向图像添加高频分量来扩展动态范围以提高目标局部可见性。
红外图像的处理装置
参见附图5，本发明实施例提供的红外图像的处理装置包括：
原始红外图像获取模块，用于获取待处理的原始红外图像，待处理的原始红外图像中包括高斯噪声和椒盐噪声；
自适应中值滤波模块，用于应用自适应中值滤波算法对待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
引导滤波模块，用于针对消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
增强锐化模块，用于针对滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
本发明实施例提供的红外图像的处理装置首先利用自适应中值滤波算法滤除待处理原始红外图像中的椒盐噪声；再利用引导滤波，对消除椒盐噪声的红外图像中的高斯噪声、脉冲噪声等进行有效处理，得到滤波后的红外图像；最后，针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰且边缘得到有效保护的红外图像，从而实现更准确的图像识别结果，为后续基于该图像识别结果做好准备。
计算机可读存储介质
本发明提供的计算机可读存储介质上存储有红外图像的处理程序，红外图像的处理程序在被处理器执行时，实现本发明提供的红外图像的处理方法的步骤。
本发明实施例提供的计算机可读存储介质首先利用自适应中值滤波算法滤除待处理原始红外图像中的椒盐噪声；再利用引导滤波，对消除椒盐噪声的红外图像中的高斯噪声、脉冲噪声等进行有效处理，得到滤波后的红外图像；最后，针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰且边缘得到有效保护的红外图像，从而实现更准确的图像识别结果，为后续基于该图像识别结果做好准备。
电子设备
本发明提供的电子设备，其特征在于，包括存储器和处理器，存储器上存储有红外图像的处理程序，红外图像的处理程序在被处理器执行时，实现本发明提供的红外图像的处理方法的步骤。
本发明实施例提供的红外图像的处理电子设备首先利用自适应中值滤波算法滤除待处理原始红外图像中的椒盐噪声；再利用引导滤波，对消除椒盐噪声的红外图像中的高斯噪声、脉冲噪声等进行有效处理，得到滤波后的红外图像；最后，针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰且边缘得到有效保护的红外图像，从而实现更准确的图像识别结果，为后续基于该图像识别结果做好准备。
参照图6，图6为本发明实施例方案涉及的硬件运行环境的红外图像的处理设备结构示意图。
如图6所示，该红外图像的处理设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图6中示出的结构并不构成对红外图像的处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图6所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及红外图像的处理程序。
在图6所示的红外图像的处理设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明红外图像的处理设备中的处理器1001、存储器1005可以设置在红外图像的处理设备中，红外图像的处理设备通过处理器1001调用存储器1005中存储的红外图像的处理程序，并执行本发明实施例提供的红外图像的处理方法。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种红外图像的处理方法，其特征在于，包括以下步骤：
获取待处理的原始红外图像，所述待处理的原始红外图像中包括高斯噪声和椒盐噪声；
应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
2.根据权利要求1所述的红外图像的处理方法，其特征在于，所述应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像具体包括以下步骤：
获取所述待处理的原始红外图像的模板，并计算所述模板中各点像素值的中值；
将所述模板中心像素的值用所述中值代替，得到消除椒盐噪声的红外图像；
其中，所述自适应中值滤波算法公式如下：
式(1)中，
p(s,t)为输入图像在横坐标为x，纵坐标为y的点的邻域内所有像素点的取值，
Sxy为输入图像在横坐标为x，纵坐标为y的点的邻域内的坐标值。
3.根据权利要求1所述的红外图像的处理方法，其特征在于，所述针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像的步骤包括以下步骤：
命名所述消除椒盐噪声的红外图像p、引导图像I、输出图像q；
根据线性模型，假设所述输出图像q是以像素k为中心的窗口ωk中引导图像I的线性变换，假设线性关系如下：
式(2)中，ak,bk是假设的线性系数；
针对所述式(2)两边进行梯度计算，得到：
根据式(4)，计算得到ak,bk，使式(4)为最小值：
式(4)中，ε为用于防止ak过大的惩罚值；
其中，ak,bk的解法如式(5)：
式(5)中，μk是I于窗口ωk之下的均值和方差，
是I于窗口ωk之下的方差，|ω|是窗口ωk里面包含像素数，/>
是待滤波图像p于窗口ωk当中的均值，具体定义为：
在计算每个窗口的线性系数时，像素i将涉及覆盖i的所有重叠窗口ωk，在不同的窗口计算中，线性系数不同导致结果qi的值也不相同，因此，将所有qi的可能值取均值，如式(7)，得到清晰的红外图像：
式(7)中，qi是清晰的红外图像，ωk是所有包含像素i的窗口，k是其中心位置；
其中，所述引导滤波进行了加权处理：
q＝W×G(p) (9)，
式(8)、(9)中，W为权值，K为归一化常数，
是输入图像对应像素点的梯度值，p为输入图像，q为输出结果图像，G为引导滤波算法。
4.根据权利要求1所述的红外图像的处理方法，其特征在于，所述针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像的步骤过程包括三个尺度的高斯模糊的步骤，以及逐次相减的步骤。
5.根据权利要求4所述的红外图像的处理方法，其特征在于，所述针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像具体包括以下步骤：
利用三个不同的高斯核处理全局图像，得到三个不同的模糊图像：
I1＝G1×I,I2＝G2×I,I3＝G3×I (10)，
式(10)中，
G1,G2,G3为三个不同的高斯核，其标准差分别对应σ1＝1.0,σ2＝2.0,σ3＝4.0，I1、I2、I3为与三个不同的高斯核相对应的三个不同的模糊图像；
根据所述三个不同的模糊图像，提取三个不同的精细节：
D1＝I-I1,D2＝I1-I2,D3＝I2-I3 (11)，
式(11)中，
D1、D2、D3分别为三个不同的精细节；
根据所述三个不同的精细节，通过合并图层，生成整体细节图像：
D＝(1-ω1×sgn(D1))×D1+ω2×D2+ω3×D3 (12)，
式(12)中，
D为整体细节图像，ω1,ω2,ω3分别给定为0.5，0.5和0.25；
sgn表示生成一个与D1大小相同的数组，数组的对应元素取决于X对应元素，对应元素大于0时等于1，对应元素等于0时为0，对应元素小于0时为-1；
将所述整体细节图像D添加到所述引导图像I中，得到清晰的红外图像。
6.根据权利要求5所述的红外图像的处理方法，其特征在于，所述根据所述三个不同的模糊图像，提取三个不同的精细节的步骤过程中，还包括减少精细节D1的正组分，减小精细节D1的负组分的步骤，其中，D1等于原图，与标准差为1的高斯核处理出的模糊图像I1对应像素求差值的图像。
7.根据权利要求1所述的红外图像的处理方法，其特征在于，所述应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像的步骤过程中，对像素中值的判断方法包括以下步骤：
获取滤波器的作用区域Sxy，定义Sxy的中心点为图像中第y行第x列个像素点，Zmin为Sxy中最小灰度值，Zmax为Sxy中最大灰度值，Zmed为所有灰度进行排序在中间的值，Zxy为图像中第y行第x列个像素点的灰度值，Smax为Sxy范围内可以达到的最大窗口尺寸；
以区间[Zmin，Zmax]对像素中值Zmed进行判断：
若所述中值Zmed对应的点属于噪声点，则扩大作用区域Sxy的尺寸，变所述噪声点为非噪声点；
若所述中值Zmed对应的点不属于噪声点，则判断作用区域Sxy的中心点的像素值是否是噪声点：
若作用区域Sxy的中心点属于噪声点，则将该中心点的灰度值用中值进行代替；
若作用区域Sxy的中心点不属于噪声点，则量该中心点的灰度值进行保留。
8.一种红外图像的处理装置，其特征在于，包括：
原始红外图像获取模块，用于获取待处理的原始红外图像，所述待处理的原始红外图像中包括高斯噪声和椒盐噪声；
自适应中值滤波模块，用于应用自适应中值滤波算法对所述待处理的原始红外图像中的椒盐噪声进行处理，得到消除椒盐噪声的红外图像；
引导滤波模块，用于针对所述消除椒盐噪声的红外图像进行引导滤波，得到滤波后的红外图像；
增强锐化模块，用于针对所述滤波后的红外图像，应用增强算法进行细节增强并锐化图像边缘，得到清晰的红外图像。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有红外图像的处理程序，所述红外图像的处理程序在被处理器执行时，实现权利要求1-7中任一所述的红外图像的处理方法的步骤。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有红外图像的处理程序，所述红外图像的处理程序在被所述处理器执行时，实现权利要求1-7中任一所述的红外图像的处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211713788.1A CN116245752A (zh) | 2022-12-29 | 2022-12-29 | 红外图像的处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211713788.1A CN116245752A (zh) | 2022-12-29 | 2022-12-29 | 红外图像的处理方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116245752A true CN116245752A (zh) | 2023-06-09 |
Family
ID=86628785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211713788.1A Pending CN116245752A (zh) | 2022-12-29 | 2022-12-29 | 红外图像的处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116245752A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117542003A (zh) * | 2024-01-08 | 2024-02-09 | 大连天成电子有限公司 | 基于图像特征分析的货运列车车型判断方法 |
-
2022
- 2022-12-29 CN CN202211713788.1A patent/CN116245752A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117542003A (zh) * | 2024-01-08 | 2024-02-09 | 大连天成电子有限公司 | 基于图像特征分析的货运列车车型判断方法 |
| CN117542003B (zh) * | 2024-01-08 | 2024-04-02 | 大连天成电子有限公司 | 基于图像特征分析的货运列车车型判断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Frosio et al. | Statistical nearest neighbors for image denoising | |
| US20110125030A1 (en) | Medical diagnostic device and method of improving image quality of medical diagnostic device | |
| Budhiraja et al. | An efficient image denoising scheme for higher noise levels using spatial domain filters | |
| CN113793285B (zh) | 气动光学效应目标孪生图像的超快复原方法及系统 | |
| Ni et al. | Despeckling of SAR image using generalized guided filter with Bayesian nonlocal means | |
| Xu et al. | FPGA-based low-visibility enhancement accelerator for video sequence by adaptive histogram equalization with dynamic clip-threshold | |
| CN116245752A (zh) | 红外图像的处理方法、装置、存储介质及电子设备 | |
| Lim et al. | Robust contrast enhancement of noisy low-light images: Denoising-enhancement-completion | |
| CN115578289A (zh) | 一种基于边界邻域梯度差值的散焦图像去模糊方法 | |
| Teranishi et al. | Improvement of robustness blind image restoration method using failing detection process | |
| Brajovic | Brightness perception, dynamic range and noise: a unifying model for adaptive image sensors | |
| CN116012265B (zh) | 基于时空域自适应滤波的红外视频降噪方法和装置 | |
| CN111311531B (zh) | 图像增强方法、装置、控制台设备及医学成像系统 | |
| Ma et al. | Edge-guided cnn for denoising images from portable ultrasound devices | |
| CN113744355A (zh) | 一种脉冲信号的处理方法、装置及设备 | |
| CN110895789B (zh) | 一种人脸美颜方法及装置 | |
| Das et al. | Design of RAMF for Impulsive Noise Cancelation from Chest X-Ray Image | |
| Al_taie | Restoration for blurred noisy images based on guided filtering and inverse filter | |
| Shankar et al. | Object oriented fuzzy filter for noise reduction of Pgm images | |
| CN108876734B (zh) | 图像去噪方法、装置、电子设备及存储介质 | |
| CN114373011A (zh) | 一种确定目标对象位置的方法、装置、计算机设备和介质 | |
| Andalibi et al. | Effects of texture addition on optical flow performance in images with poor texture | |
| Choi et al. | False contour reduction using directional dilation and edge-preserving filtering | |
| Hensel et al. | Real-time denoising of medical X-ray image sequences: Three entirely different approaches | |
| CN115861309B (zh) | 红外弱小目标检测mpcm加速方法、装置、终端及介质 |
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 |