CN117541496A - 基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备 - Google Patents

Abstract

本发明提供了一种基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备，包括：步骤S1：确定搜索窗口尺寸和匹配窗口尺寸；步骤S2：采用曼哈顿距离与切比雪夫距离线性叠加计算各个匹配块和中心块的相似度；步骤S3：根据相似度计算各个匹配块的权重，并根据各个匹配块以及相应的权重计算出当前降噪结果。应用本发明方法能基本保持原始nlmeans的降噪效果，并且过程更方便在fpga上实现。

Description

基于fpga的红外图像nlmeans降噪简化方法、系统、介质及 设备

技术领域

本发明涉及红外图像降噪技术领域，具体地，涉及基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备。

背景技术

目前，红外成像技术在军事、工业、农业等领域得到了广泛应用。不断增长的应用需求对红外图像的质量提出了更高的要求。然后，受到诸如探测器材料、加工方法以及外界环境等因素的影响，红外图像往往存在一些噪声，不仅降低了红外图像质量，还影响红外图像中的有效信息的提取。业内对红外图像去噪方面进行了大量研究，nlmeans是其中一种非常有效的降噪算法。

由于很多红外设备都是便携式设备，因此很多红外设备都是基于fpga平台来实现算法，可以很好的满足实时场景的使用需求。但是fpga有一定的资源限制，也不能进行特别复杂的浮点过程计算，因此一些算法计算过程较复杂，不方便在fpga上实现。

专利文献CN107590783A(申请号：201710754287.0)公开了一种基于FPGA的图像降噪处理方法，包括：将图像数据输入到模板生成模块，使用1×7的邻域模板对视频图像的行数据进行处理，根据输入噪声的幅度大小计算相应的噪声方差；通过中值滤波模块对产生的7行原始图像数据和噪声方差进行中值滤波处理，计算原始视频图像数据在四类步长下的中值，以及各自对应的噪声方差中值，将结果输出至数据分析选择模块；根据视频图像数据和在不同步长下对应的噪声方差中计算出每个步长下图像信号的范围，依据该范围来选择最优的步长；通过数据输出模块输出数据。

针对以上问题，以基于fpga的特殊结构和传统的nlmeans降噪算法，本发明提出了一种基于fpga的红外图像nlmeans降噪简化算法，可以有效地去除原始红外图像上的噪声，并且方便在fpga上实现。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备。

根据本发明提供的一种基于fpga的红外图像nlmeans降噪简化方法，包括：

步骤S1：确定搜索窗口尺寸和匹配窗口尺寸；

步骤S2：采用曼哈顿距离与切比雪夫距离线性叠加计算各个匹配块和中心块的相似度；

步骤S3：根据相似度计算各个匹配块的权重，并根据各个匹配块以及相应的权重计算出当前降噪结果。

优选地，所述步骤S1采用：确定搜索窗口N*N；匹配窗口d*d；当N＝11，d＝3时，匹配块共有81块。

优选地，所述步骤S2采用：

S_i＝(1-a)∑|a_i-b_i|+amax(|a_i-b_i|)

其中，S_i表示相似度；a表示参数，a_i和b_i均表示图像块像素值；下标i表示两图像块图像中相同位置，i＝1,2...,9。

根据本发明提供的一种基于fpga的红外图像nlmeans降噪简化系统，包括：

模块M1：确定搜索窗口尺寸和匹配窗口尺寸；

模块M2：采用曼哈顿距离与切比雪夫距离线性叠加计算各个匹配块和中心块的相似度；

模块M3：根据相似度计算各个匹配块的权重，并根据各个匹配块以及相应的权重计算出当前降噪结果。

优选地，所述模块M1采用：确定搜索窗口N*N；匹配窗口d*d；当N＝11，d＝3时，匹配块共有81块。

优选地，所述模块M2采用：

S_i＝(1-a)∑|a_i-b_i|+amax(|a_i-b_i|)

其中，S_i表示相似度；a表示参数，a_i和b_i均表示图像块像素值；下标i表示两图像块图像中相同位置，i＝1,2...,9。

根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述所述的方法的步骤。

根据本发明提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述所述的基于fpga的红外图像nlmeans降噪简化方法的步骤。

与现有技术相比，本发明具有如下的有益效果：

1、应用本发明方法能基本保持原始nlmeans的降噪效果，并且过程更方便在fpga上实现；

2、计算速度更快，有利于提高红外图像的降噪效率。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为同样距离时候，四种方法的点分布示意图。

图2为本发明算法对比图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明公开了一种基于fpga的红外图像nlmeans降噪简化方法及系统，其目的在于对于传统的nlmeans降噪算法进行了优化，方便在fpga实现，并不影响降噪效果。Nlmeans是一种常用的图像降噪算法。原始nlmeans算法涉及复杂的浮点运算和欧式距离计算。浮点运算以及欧式距离计算在一般的处理器上很容易实现，但是在fpga上实施时候，需要消耗大量的资源，并且处理速度也会受到影响。因此，为了更好的在fpga上实现nlmeans算法，原来的算法过程需要进行简化。本发明主要对距离计算进行简化。实验结果表明，应用本发明方法能基本保持原始nlmeans的降噪效果，并且过程更方便在fpga上实现。

实施例1

本发明提供的一种基于fpga的红外图像nlmeans降噪简化方法，包括：

步骤1：确定搜索窗口尺寸和匹配窗口尺寸；

步骤2：计算各个匹配块和中心块的相似度；

步骤3：根据相似度计算各个匹配块的权重；

步骤4：根据各个匹配块以及相应的权重，计算出当前降噪结果；

具体地，所述步骤1包括：

假设N＝11和d＝3，那么匹配块共有81块；

具体地，步骤2：计算匹配块Pi(i＝1……81)和中心块Q的相似度Si，原始nlmeans采用的是欧式距离计算(方法1)，但是由于涉及平方和计算比较复杂；为了简化直接采用曼哈顿距离计算(方法2)，但是效果损失比较大；

两个图像块对应像素进行计算：

方法1：Si＝sqrt(∑(a_i-b_i)²)，欧氏距离(标准nlmeans算法中采用的方法)；

方法2：Si＝∑|a_i-b_i|，曼哈顿距离；

方法3：Si＝max(|a_i-b_i|)，切比雪夫距离；

方法4：Si＝(1-α)∑|a_i-b_i|+αmax(|a_i-b_i|)，曼哈顿距离+切比雪夫距离线性叠加；

如图1所示，可见方法4的结果最接近方法1。

步骤3：根据相似度计算权重，其中σ为图像噪声程度，根据Si制成查找表来获得w值。举例比如Si取值范围为0～100000，由于σ为固定值，因此对应0～100000，可以计算出对应的w，存成表，实际使用时候，根据Si值取查找w值。

步骤4：中心块Q的中心像素降噪后的结果,Pi_c为第i个匹配块的中心像素；

因此，将原始nlmeans的过程进行简化，从而更加适应fpga上的实现，并且对效果不造成很大影响。

方法1是原始nlmeans的效果，方法2是曼哈顿距离，方法3切比雪夫，方法4是本发明曼哈顿距离和切比雪夫距离的结合，方法4更接近原始nlmeans效果，并且简化了平方计算。具体的效果如图2所示；其中，图2(a)为方法1的效果图；图2(b)为方法2的效果图；图2(c)为方法3的效果图；图2(d)为方法4的效果图。

本发明提供的一种基于fpga的红外图像nlmeans降噪简化系统，包括：

模块1：确定搜索窗口尺寸和匹配窗口尺寸；

模块2：计算各个匹配块和中心块的相似度；

模块3：根据相似度计算各个匹配块的权重；

模块4：根据各个匹配块以及相应的权重，计算出当前降噪结果；

具体地，所述模块1包括：

假设N＝11和d＝3，那么匹配块共有81块；

具体地，模块2：计算匹配块Pi(i＝1……81)和中心块Q的相似度Si，原始nlmeans采用的是欧式距离计算(方法1)，但是由于涉及平方和计算比较复杂；为了简化直接采用曼哈顿距离计算(方法2)，但是效果损失比较大；

两个图像块对应像素进行计算：

方法1：Si＝sqrt(∑(a_i-b_i)²)，欧氏距离(标准nlmeans算法中采用的方法)；

方法2：Si＝∑|a_i-b_i|，曼哈顿距离；

方法3：Si＝max(|a_i-b_i|)，切比雪夫距离；

方法4：Si＝(1-α)∑|a_i-b_i|+αmax(|a_i-b_i|)，曼哈顿距离+切比雪夫距离线性叠加；

如图1所示，可见方法4的结果最接近方法1。

模块3：根据相似度计算权重，其中σ为图像噪声程度，根据Si制成查找表来获得w值。举例比如Si取值范围为0～100000，由于σ为固定值，因此对应0～100000，可以计算出对应的w，存成表，实际使用时候，根据Si值取查找w值。

模块4：中心块Q的中心像素降噪后的结果,Pi_c为第i个匹配块的中心像素；

因此，将原始nlmeans的过程进行简化，从而更加适应fpga上的实现，并且对效果不造成很大影响。

方法1是原始nlmeans的效果，方法2是曼哈顿距离，方法3切比雪夫，方法4是本发明曼哈顿距离和切比雪夫距离的结合，方法4更接近原始nlmeans效果，并且简化了平方计算。具体的效果如图2所示；其中，图2(a)为方法1的效果图；图2(b)为方法2的效果图；图2(c)为方法3的效果图；图2(d)为方法4的效果图。

根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述所述的方法的步骤。

根据本发明提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述所述的基于fpga的红外图像nlmeans降噪简化方法的步骤。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于fpga的红外图像nlmeans降噪简化方法，其特征在于，包括：

步骤S1：确定搜索窗口尺寸和匹配窗口尺寸；

步骤S2：采用曼哈顿距离与切比雪夫距离线性叠加计算各个匹配块和中心块的相似度；

步骤S3：根据相似度计算各个匹配块的权重，并根据各个匹配块以及相应的权重计算出当前降噪结果。

2.根据权利要求1所示的基于fpga的红外图像nlmeans降噪简化方法，其特征在于，所述步骤S1采用：确定搜索窗口N*N；匹配窗口d*d；当N＝11，d＝3时，匹配块共有81块。

3.根据权利要求1所述的基于fpga的红外图像nlmeans降噪简化方法，其特征在于，所述步骤S2采用：

S_i＝(1-a)∑|a_i-b_i|+amax(|a_i-b_i|)

其中，S_i表示相似度；a表示参数，a_i和b_i均表示图像块像素值；下标i表示两图像块图像中相同位置。

4.一种基于fpga的红外图像nlmeans降噪简化系统，其特征在于，包括：

模块M1：确定搜索窗口尺寸和匹配窗口尺寸；

模块M2：采用曼哈顿距离与切比雪夫距离线性叠加计算各个匹配块和中心块的相似度；

模块M3：根据相似度计算各个匹配块的权重，并根据各个匹配块以及相应的权重计算出当前降噪结果。

5.根据权利要求4所示的基于fpga的红外图像nlmeans降噪简化系统，其特征在于，所述模块M1采用：确定搜索窗口N*N；匹配窗口d*d；当N＝11，d＝3时，匹配块共有81块。

6.根据权利要求4所述的基于fpga的红外图像nlmeans降噪简化系统，其特征在于，所述模块M2采用：

S_i＝(1-a)∑|a_i-b_i|+amax(|a_i-b_i|)

其中，S_i表示相似度；a表示参数，a_i和b_i均表示图像块像素值；下标i表示两图像块图像中相同位置。

7.一种存储有计算机程序的计算机可读存储介质，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至3中任一项所述的方法的步骤。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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至3中任一项所述的基于fpga的红外图像nlmeans降噪简化方法的步骤。