CN117372285B - 一种静态和动态区域区分的时域高通滤波方法及系统 - Google Patents

一种静态和动态区域区分的时域高通滤波方法及系统 Download PDF

Info

Publication number
CN117372285B
CN117372285B CN202311648897.4A CN202311648897A CN117372285B CN 117372285 B CN117372285 B CN 117372285B CN 202311648897 A CN202311648897 A CN 202311648897A CN 117372285 B CN117372285 B CN 117372285B
Authority
CN
China
Prior art keywords
data
image
frame
time domain
steps
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
Application number
CN202311648897.4A
Other languages
English (en)
Other versions
CN117372285A (zh
Inventor
朱裕莎
赵勋
路璐
姜立涛
黄安明
曾衡东
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.)
Chengdu Jinglin Science and Technology Co Ltd
Original Assignee
Chengdu Jinglin Science and Technology Co Ltd
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 Chengdu Jinglin Science and Technology Co Ltd filed Critical Chengdu Jinglin Science and Technology Co Ltd
Priority to CN202311648897.4A priority Critical patent/CN117372285B/zh
Publication of CN117372285A publication Critical patent/CN117372285A/zh
Application granted granted Critical
Publication of CN117372285B publication Critical patent/CN117372285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种静态和动态区域区分的时域高通滤波方法及系统，该方法包括如下步骤：S1：通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；S2：根据G数据和O数据，对每一帧红外数据进行NUC校正；S3：对校正后的红外图像数据，提取纹理分量；S4：对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。本发明通过对不同运动程度区域使用不同的双边滤波权重以及不同时间常数达到静、动态区域实现不同去噪效果的功能。

Description

一种静态和动态区域区分的时域高通滤波方法及系统
技术领域
本发明涉及红外去噪技术领域，尤其涉及一种静态和动态区域区分的时域高通滤波方法及系统。
背景技术
目前的红外成像系统，大多以红外焦平面阵列作为核心器件，因其具有探测灵敏度高、系统体积小以及结构紧凑等优点，在军事以及民用领域广泛应用。然而，红外焦平面阵列的非均匀性影响着红外图像的质量，较差的非均匀性不仅弱化了红外图像中被探测目标的边缘，还会降低图像的清晰程度，严重时甚至造成图像畸变。红外焦平面阵列的非均匀性阻碍着红外图像质量的进一步提高，并在一定程度上也限制了红外成像系统的应用与发展，迫切地需要开展红外焦平面阵列非均匀性校正方法研究。
红外图像非均匀性校正算法主要分为两类：一类是基于黑体标定的非均匀性校正算法，另一类是基于场景的红外图像非均匀性校正算法。基于黑体标定的非均匀性校正算法中校正参数数值固定不变，而红外焦平面阵列工作时的非均匀性受工作环境、工作温度以及其他因素的影响，若仍采用初始校正参数进行红外图像的非均匀性校正，则无法有效地改善红外图像下的非均匀性。若要保证红外图像具有较好的非均匀性，需重新测定校正参数，工作过程繁琐。相比之下，基于场景的红外图像非均匀性校正算法不需要考虑校正参数定标的问题，其利用变化的场景信息进行校正参数的更新，能够根据红外系统所处环境的变化自动替换校正参数，摆脱了人工的干预，解决了基于黑体标定的非均匀性校正算法的焦平面非均匀性随时间以及温度变化而产生的漂移问题。
基于场景的红外图像非均匀性校正算法的种类众多，主要有时域高通滤波算法、最小均方校正算法、恒定统计法以及基于图像配准的非均匀性校正算法等。其中，时域高通滤波算法是一种典型的红外图像非均匀性校正算法，其算法原理是：在时域上，非均匀性噪声属于低频成分，场景属于高频成分，通过滤除图像中的低频成分，实现非均匀性校正。然而，长期静止的目标易被当作非均匀性信息进而在滤波时被滤除，同时目标运动状态的突变也会导致校正后的图像会产生“鬼像”，而且该算法本身还存在非均匀性校正的“盲区”。
发明内容
本发明的目的是提供一种静态和动态区域区分的时域高通滤波方法及系统，以解决如何实现静、动态区域不同去噪效果，以及降低红外系统的功耗、成本的技术问题。
本发明是采用以下技术方案实现的：一种静态和动态区域区分的时域高通滤波方法，包括如下步骤：
S1：通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
S2：根据G数据和O数据，对每一帧红外数据进行NUC校正；
S3：对校正后的红外图像数据，提取纹理分量；
S4：对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。
进一步的，步骤S1包括如下子步骤：
S11：采集多帧未经过NUC校正的低温黑体数据图像，经时域平均后，得到一帧图像，记为G1；所述低温黑体指室温温度或低于室温温度的黑体；
S12：采集多帧未经过NUC校正的高温黑体数据图像，经时域平均后，得到一帧图像，记为G2；所述高温黑体指温度高于50℃的黑体；
S13：通过两点校正的方法计算均得到G数据：
，其中，/>分别是图像G 1、G 2的图像均值；
S14：采集开机时刻多帧未经过NUC校正的挡片数据集，经时域平均后，得到一帧图像，记为O ori ；
S15：通过两点校正的方法计算得到O数据：
，其中，m是/>的图像均值。
进一步的，步骤S2具体为：对红外数据进行NUC校正，由红外数据x、数据G和数据O计算修正后的数据y，公式为：
。
进一步的，步骤S3具体为：对校正后的红外图像数据进行双边滤波，涉及到两帧图像，取一帧图像为上一帧，记为，另一帧图像为当前帧，记为/>，具体包括如下子步骤：
S31：确定双边滤波参数；
S32：对进行双边滤波，得到低频分量/> ：
，其中，w(i,j,k,l)为权重系数，公式为：
，其中，i∈[1, height]，j∈[1,width]，(k,l)∈以(i,j)点为中心的邻域，/>是衡量像素距离的因子；/>是衡量像素值差异的因子；
S33：计算高频分量 ：
。
进一步的，步骤S31包括如下子步骤：
S311：计算与/>每一个像素点的图像差值diff：
，其中，i∈[1, height]，j∈[1,width]；
S312：计算每点处的双边滤波参数：
，其中，/>是自适应参数，其初始值由用户设置，之后通过步骤S4更新；/>是阈值，用于判断像素点是否运动；/>和/>是可设置比例系数，用于控制平滑程度。
进一步的，步骤S4包括如下子步骤：
S41：计算图像每个点的时间常数M；
S42：根据高频分量和时间常数M，计算每一个像素点对应的噪声数据f：
，其中，f(n-1)为上一帧图的噪声数据；
S43：大值比较：判断该像素点的运动状态以及比较该像素点当前帧噪声数值与上一帧该像素点的噪声数值大小，满足条件时，f(n)=f(n-1)，公式为：
，其中，V(n)为像素值变化幅度的方差；
S44：计算当前帧噪声图像的噪声程度Tvalue，Tvalue为每一个像素点对应的噪声值f的平均值，公式为：
，其中，height、width分别为图像的高和宽；
S45：根据当前帧噪声图像的噪声程度Tvalue计算与双边滤波相关的参数，作为下一帧双边滤波函数输入的/>，公式为：
，S c 为设定阈值。
进一步的，步骤S41包括如下子步骤：
S411：对比和/>每一个像素点位置的值，当ySrc(i,j)等于yPre(i,j)时，M(i,j)=M max ；当ySrc(i,j)不等于yPre(i,j)时，按照如下步骤计算M(i,j)；
S412：计算当前帧每一个像素点的运动检测阈值T，阈值的选择方案为：选取该像素点的局部差异V(n)与上一帧该像素点的阈值T(n-1)中的小值，公式如下：
，n表示当前帧的帧号，其中，/>；
S413：计算当前帧每一个像素点的运动程度E，公式如下：
，t n 为设定阈值；
S414：根据运动程度选取每一个像素点的时间常数M，公式如下：
。
一种静态和动态区域区分的时域高通滤波系统，包括采集模块、校正模块、提取模块以及滤波模块，其中，
采集模块，通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
校正模块，根据G数据和O数据，对每一帧红外数据进行NUC校正；
提取模块，用以对校正后的红外图像数据，提取纹理分量；
滤波模块，用以对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。
一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述所述的一种静态和动态区域区分的时域高通滤波方法。
一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的一种静态和动态区域区分的时域高通滤波方法。
本发明的有益效果在于：本发明通过对不同运动程度区域使用不同的双边滤波权重以及不同时间常数达到静、动态区域实现不同去噪效果的功能；同时减少红外相机运行过程中有挡校正的频率，可降低红外系统的功耗、成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明流程图；
图2为获得修正数据流程图；
图3为提取当前帧图像的纹理分量流程图；
图4为确定双边滤波参数流程图；
图5为时域高通滤波流程图；
图6为计算时间常数M流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
参见图1，一种静态和动态区域区分的时域高通滤波方法，包括如下步骤：
S1：通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
S2：根据G数据和O数据，对每一帧红外数据进行NUC校正；
S3：对校正后的红外图像数据，提取纹理分量；
S4：对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。
参见图2，步骤S1具体为：通过红外数据采集系统采集三段修正数据，包括如下子步骤：
S11：采集多帧未经过NUC校正的低温黑体数据图像，记为{Gi}, i=1,...,N，经时域平均后，得到一帧图像，记为G1；所述低温黑体指室温温度或低于室温温度的黑体；
，其中，i∈[1, height]，j∈[1,width]，height、width分别为图像高、宽，N=16；
S12：采集多帧未经过NUC校正的高温黑体数据图像，经时域平均后，得到一帧图像，记为G2；所述高温黑体指温度高于50℃的黑体；
S13：通过两点校正的方法计算均得到G数据：
，其中，/>分别是图像G 1、G 2的图像均值；
S14：采集开机时刻多帧未经过NUC校正的挡片数据集，经时域平均后，得到一帧图像，记为O ori ；
S15：通过两点校正的方法计算得到O数据：
，其中，m是/>的图像均值。
在本实施例当中，步骤S2具体为：对红外数据进行NUC校正，由红外数据x、数据G和数据O计算修正后的数据y，公式为：。
参见图3，步骤S3具体为：对校正后的红外图像数据进行双边滤波，涉及到两帧图像，取一帧图像为上一帧，记为，另一帧图像为当前帧，记为/>，具体包括如下子步骤：
S31：确定双边滤波参数；
S32：对进行双边滤波，得到低频分量/> ：
，其中，w(i,j,k,l)为权重系数，公式为：
，其中，i∈[1, height]，j∈[1,width]，(k,l)∈以(i,j)点为中心的邻域，/>为默认值，是衡量像素距离的因子，/>；/>是衡量像素值差异的因子；
S33：计算高频分量 ：
。
参见图4，步骤S31包括如下子步骤：
S311：计算与/>每一个像素点的图像差值diff：
，其中，i∈[1, height]，j∈[1,width]；
S312：计算每点处的双边滤波参数：
，其中，/>是自适应参数，其初始值由用户设置，本实施例取20，/>是阈值，用于判断像素点是否运动，可根据需要自行设置；/>和/>是可设置比例系数，用于控制平滑程度，在本实施例当中，/>。
参见图5，步骤S4包括如下子步骤：
S41：计算图像每个点的时间常数M；
S42：根据高频分量和时间常数M，计算每一个像素点对应的噪声数据f：
，其中，f(n-1)为上一帧图的噪声数据，特别的，当前帧数据为首帧数据的时候，f(n-1)=0；
S43：大值比较：判断该像素点的运动状态以及比较该像素点当前帧噪声数值与上一帧该像素点的噪声数值大小，满足条件时，f(n)=f(n-1)，公式为：
，其中，V(n)为像素值变化幅度的方差；
S44：计算当前帧噪声图像的噪声程度Tvalue，Tvalue为每一个像素点对应的噪声值f的平均值，公式为：
，其中，height、width分别为图像的高和宽；
S45：根据当前帧噪声图像的噪声程度Tvalue计算与双边滤波相关的参数，作为下一帧双边滤波函数输入的/>，公式为：
，S c 为设定阈值，本实施例取S c =5。
参见图6，步骤S41包括如下子步骤：
S411：对比和/>每一个像素点位置的值，当ySrc(i,j)等于yPre(i,j)时，M(i,j)=M max ；当ySrc(i,j)不等于yPre(i,j)时，按照如下步骤计算M(i,j)；
S412：计算当前帧每一个像素点的运动检测阈值T，阈值的选择方案为：选取该像素点的局部差异V(n)与上一帧该像素点的阈值T(n-1)中的小值，公式如下：
，n表示当前帧的帧号，其中，/>；
S413：计算当前帧每一个像素点的运动程度E，公式如下：
，t n 为设定阈值，本实施例取t n =2.1；
S414：根据运动程度选取每一个像素点的时间常数M，公式如下：
，其中，M max =2000，k=1。
本发明还提供了一种静态和动态区域区分的时域高通滤波系统，用以实现上述方法，该系统包括采集模块、校正模块、提取模块以及滤波模块，其中，
采集模块，通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
校正模块，根据G数据和O数据，对每一帧红外数据进行NUC校正；
提取模块，用以对校正后的红外图像数据，提取纹理分量；
滤波模块，用以对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。
本发明还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述所述的一种静态和动态区域区分的时域高通滤波方法。
本发明还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的一种静态和动态区域区分的时域高通滤波方法。
基于上述实施例，本发明至少具有以下技术效果：本发明通过对不同运动程度区域使用不同的双边滤波权重以及不同时间常数达到静、动态区域实现不同去噪效果的功能；同时减少了红外相机运行过程中有挡校正的频率，可降低红外系统的功耗、成本。
对于前述的实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例属于优选实施例，所涉及的动作并不一定是本申请所必须的。
上述实施例中，描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (7)

1.一种静态和动态区域区分的时域高通滤波方法，其特征在于，包括如下步骤：
S1：通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
S2：根据G数据和O数据，对每一帧红外数据进行NUC校正；
S3：对校正后的红外图像数据，提取纹理分量；步骤S3具体为：对校正后的红外图像数据进行双边滤波，涉及到两帧图像，取一帧图像为上一帧，记为，另一帧图像为当前帧，记为/>，具体包括如下子步骤：
S31：确定双边滤波参数；步骤S31包括如下子步骤：
S311：计算与/>每一个像素点的图像差值diff：
，其中，i∈[1, height]，j∈[1,width]；
S312：计算每点处的双边滤波参数：
，其中，/>是自适应参数，其初始值由用户设置，之后通过步骤S4更新；/>是阈值，用于判断像素点是否运动；/>和/>是可设置比例系数，用于控制平滑程度；
S32：对进行双边滤波，得到低频分量/> ：
，其中，w(i,j,k,l)为权重系数，公式为：
，其中，i∈[1, height]，j∈[1,width]，(k,l)∈以(i,j)点为中心的邻域，/>是衡量像素距离的因子；/>是衡量像素值差异的因子；
S33：计算高频分量 ：
；
S4：对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果；步骤S4包括如下子步骤：
S41：计算图像每个点的时间常数M；
S42：根据高频分量和时间常数M，计算每一个像素点对应的噪声数据f：
，其中，f(n-1)为上一帧图的噪声数据；
S43：大值比较：判断该像素点的运动状态以及比较该像素点当前帧噪声数值与上一帧该像素点的噪声数值大小，满足条件时，f(n)=f(n-1)，公式为：
，其中，V(n)为像素值变化幅度的方差；当前帧数据为首帧数据的时候，f（n-1）=0；
S44：计算当前帧噪声图像的噪声程度Tvalue，Tvalue为每一个像素点对应的噪声值f的平均值，公式为：
，其中，height、width分别为图像的高和宽；
S45：根据当前帧噪声图像的噪声程度Tvalue计算与双边滤波相关的参数，作为下一帧双边滤波函数输入的/>，公式为：
，S c 为设定阈值。
2.如权利要求1所述的一种静态和动态区域区分的时域高通滤波方法，其特征在于，步骤S1包括如下子步骤：
S11：采集多帧未经过NUC校正的低温黑体数据图像，经时域平均后，得到一帧图像，记为G1；所述低温黑体指室温温度或低于室温温度的黑体；
S12：采集多帧未经过NUC校正的高温黑体数据图像，经时域平均后，得到一帧图像，记为G2；所述高温黑体指温度高于50℃的黑体；
S13：通过两点校正的方法计算均得到G数据：，其中，/>分别是图像G 1、G 2的图像均值；
S14：采集开机时刻多帧未经过NUC校正的挡片数据集，经时域平均后，得到一帧图像，记为O ori ；
S15：通过两点校正的方法计算得到O数据：
，其中，m是/>的图像均值。
3.如权利要求2所述的一种静态和动态区域区分的时域高通滤波方法，其特征在于，步骤S2具体为：对红外数据进行NUC校正，由红外数据x、数据G和数据O计算修正后的数据y，公式为：
。
4.如权利要求1所述的一种静态和动态区域区分的时域高通滤波方法，其特征在于，步骤S41包括如下子步骤：
S411：对比和/>每一个像素点位置的值，当ySrc(i,j)等于yPre(i,j)时，M(i,j)= M max ；当ySrc(i,j)不等于yPre(i,j)时，按照如下步骤计算M(i,j)；
S412：计算当前帧每一个像素点的运动检测阈值T，阈值的选择方案为：选取该像素点的局部差异V(n)与上一帧该像素点的阈值T(n-1)中的小值，公式如下：
，n表示当前帧的帧号，其中，/>；
S413：计算当前帧每一个像素点的运动程度E，公式如下：
，t n 为设定阈值；
S414：根据运动程度选取每一个像素点的时间常数M，公式如下：。
5.一种静态和动态区域区分的时域高通滤波系统，用以实现权利要求1~4任意一项所述的一种静态和动态区域区分的时域高通滤波方法，其特征在于，包括采集模块、校正模块、提取模块以及滤波模块，其中，
采集模块，通过两点校正的方法获取非均匀性校正的增益图像G数据，以及非均匀校正的偏移图像O数据；
校正模块，根据G数据和O数据，对每一帧红外数据进行NUC校正；
提取模块，用以对校正后的红外图像数据，提取纹理分量；
滤波模块，用以对纹理分量进行时域高通滤波，实现对静态和动态区域的不同去噪效果。
6.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时，实现权利要求1~4任意一项所述的一种静态和动态区域区分的时域高通滤波方法。
7.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1~4任意一项所述的一种静态和动态区域区分的时域高通滤波方法。
CN202311648897.4A 2023-12-05 2023-12-05 一种静态和动态区域区分的时域高通滤波方法及系统 Active CN117372285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311648897.4A CN117372285B (zh) 2023-12-05 2023-12-05 一种静态和动态区域区分的时域高通滤波方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311648897.4A CN117372285B (zh) 2023-12-05 2023-12-05 一种静态和动态区域区分的时域高通滤波方法及系统

Publications (2)

Publication Number Publication Date
CN117372285A CN117372285A (zh) 2024-01-09
CN117372285B true CN117372285B (zh) 2024-02-20

Family

ID=89396948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311648897.4A Active CN117372285B (zh) 2023-12-05 2023-12-05 一种静态和动态区域区分的时域高通滤波方法及系统

Country Status (1)

Country Link
CN (1) CN117372285B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010151686A1 (en) * 2009-06-24 2010-12-29 Flir Systems, Inc. Non-uniformity error correction with a bilateral filter
WO2014047075A1 (en) * 2012-09-18 2014-03-27 Flir Systems, Inc. Row and column noise reduction in thermal images
CN104240206A (zh) * 2014-09-30 2014-12-24 成都市晶林科技有限公司 非制冷红外焦平面探测器图像处理系统及方法
CN104657945A (zh) * 2015-01-29 2015-05-27 南昌航空大学 复杂背景下多尺度时空联合滤波的红外小目标检测方法
CN104917936A (zh) * 2015-05-29 2015-09-16 北京理工大学 一种基于灰度相关的时域高通非均匀性校正方法
CN106153198A (zh) * 2015-04-22 2016-11-23 南京理工大学 一种基于时域高通滤波的帧间配准非均匀性校正方法
CN106197673A (zh) * 2016-06-27 2016-12-07 湖北久之洋红外系统股份有限公司 一种自适应宽温度范围非均匀校正方法及系统
CN109272520A (zh) * 2018-09-18 2019-01-25 浙江大学 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法
CN109934790A (zh) * 2019-03-27 2019-06-25 北京理工大学 带有自适应阈值的红外成像系统非均匀性校正方法
CN111080561A (zh) * 2019-11-08 2020-04-28 上海航天控制技术研究所 一种时域高通滤波方法
CN111899205A (zh) * 2020-08-10 2020-11-06 国科天成（北京）科技有限公司 一种场景自适应宽动态红外热成像的图像增强方法
CN114550037A (zh) * 2022-02-18 2022-05-27 福建水口发电集团有限公司 一种水电站视频数据数字化安全预警方法及装置
CN114627011A (zh) * 2022-03-08 2022-06-14 云南师范大学 改进双边滤波与多帧平均联合的红外序列图像降噪方法
CN116907659A (zh) * 2023-06-15 2023-10-20 北京理工大学 一种基于噪声响应模型的无快门红外图像非均匀校正方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010151686A1 (en) * 2009-06-24 2010-12-29 Flir Systems, Inc. Non-uniformity error correction with a bilateral filter
WO2014047075A1 (en) * 2012-09-18 2014-03-27 Flir Systems, Inc. Row and column noise reduction in thermal images
CN104240206A (zh) * 2014-09-30 2014-12-24 成都市晶林科技有限公司 非制冷红外焦平面探测器图像处理系统及方法
CN104657945A (zh) * 2015-01-29 2015-05-27 南昌航空大学 复杂背景下多尺度时空联合滤波的红外小目标检测方法
CN106153198A (zh) * 2015-04-22 2016-11-23 南京理工大学 一种基于时域高通滤波的帧间配准非均匀性校正方法
CN104917936A (zh) * 2015-05-29 2015-09-16 北京理工大学 一种基于灰度相关的时域高通非均匀性校正方法
CN106197673A (zh) * 2016-06-27 2016-12-07 湖北久之洋红外系统股份有限公司 一种自适应宽温度范围非均匀校正方法及系统
CN109272520A (zh) * 2018-09-18 2019-01-25 浙江大学 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法
CN109934790A (zh) * 2019-03-27 2019-06-25 北京理工大学 带有自适应阈值的红外成像系统非均匀性校正方法
CN111080561A (zh) * 2019-11-08 2020-04-28 上海航天控制技术研究所 一种时域高通滤波方法
CN111899205A (zh) * 2020-08-10 2020-11-06 国科天成（北京）科技有限公司 一种场景自适应宽动态红外热成像的图像增强方法
CN114550037A (zh) * 2022-02-18 2022-05-27 福建水口发电集团有限公司 一种水电站视频数据数字化安全预警方法及装置
CN114627011A (zh) * 2022-03-08 2022-06-14 云南师范大学 改进双边滤波与多帧平均联合的红外序列图像降噪方法
CN116907659A (zh) * 2023-06-15 2023-10-20 北京理工大学 一种基于噪声响应模型的无快门红外图像非均匀校正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
New temporal high-pass filter nonuniformity correction based on bilateral filter;Chao Zuo 等;《Optical Review》;第18卷;第197–202页 *
自适应双边滤波阈值分割算法在织物疵点检测中的应用研究;焦翠姣;《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》(第2021年第02期);第B024-127页 *
自适应时间常数的时域高通滤波校正算法;曹晓荷 等;《光电工程》;第40卷(第07期);第89-94页 *

Also Published As

Publication number Publication date
CN117372285A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
US8508605B2 (en) Method and apparatus for image stabilization
Bennett et al. Multispectral bilateral video fusion
Sugano et al. Calibration-free gaze sensing using saliency maps
WO2017047494A1 (ja) 画像処理装置
US8121431B2 (en) Method and apparatus for detecting edge of image and computer readable medium processing method
US20160028967A1 (en) Image set alignment and combination processing
JP4012720B2 (ja) 最新の統計に利用するデジタルイメージのためのノイズ推定
JP4454657B2 (ja) ぶれ補正装置及び方法、並びに撮像装置
CN106803235B (zh) 基于各向异性时空域全变分非均匀性校正的方法
US20200143517A1 (en) Non-uniformity correction method for infrared image based on guided filtering and high-pass filtering
WO2017100971A1 (zh) 一种失焦模糊图像的去模糊方法和装置
Dewil et al. Self-supervised training for blind multi-frame video denoising
US6934421B2 (en) Calculating noise from multiple digital images having a common noise source
CN114240789A (zh) 一种基于优化的保持亮度的红外图像直方图均衡增强方法
CN111145086A (zh) 一种图像处理方法、装置及电子设备
CN111080561A (zh) 一种时域高通滤波方法
CN109978908B (zh) 一种适应大尺度形变的单目标快速跟踪定位方法
CN113627306A (zh) 关键点处理方法及装置、可读存储介质、终端
Alam et al. Considerations of handheld respiratory rate estimation via a stabilized Video Magnification approach
CN117372285B (zh) 一种静态和动态区域区分的时域高通滤波方法及系统
JP2021043874A (ja) 画像処理装置、画像処理方法、およびプログラム
CN116823694B (zh) 基于多聚焦信息整合的红外与可见光图像融合方法及系统
JP7297406B2 (ja) 制御装置、撮像装置、制御方法およびプログラム
CN112017130B (zh) 基于自适应各向异性全变分正则化的图像复原方法
US20100002952A1 (en) Method and apparatus for image sharpening

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