CN117830141B - 红外图像竖条纹噪声去除方法、介质、设备及装置 - Google Patents
红外图像竖条纹噪声去除方法、介质、设备及装置 Download PDFInfo
- Publication number
- CN117830141B CN117830141B CN202410240700.1A CN202410240700A CN117830141B CN 117830141 B CN117830141 B CN 117830141B CN 202410240700 A CN202410240700 A CN 202410240700A CN 117830141 B CN117830141 B CN 117830141B
- Authority
- CN
- China
- Prior art keywords
- infrared image
- representing
- data
- pixel
- spectrum data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001228 spectrum Methods 0.000 claims abstract description 96
- 238000009499 grossing Methods 0.000 claims abstract description 41
- 238000012546 transfer Methods 0.000 claims abstract description 29
- 230000003595 spectral effect Effects 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 18
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像竖条纹噪声去除方法、介质、设备及装置,其中方法包括:获取原始红外图像数据,并进行傅里叶变换,以得到第一频谱数据;进行对称频谱转移,以得到第二频谱数据,并对中轴线低频信号置零,以及进行位置还原,得到第三频谱数据;对第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;判断第一红外图像是否满足输出条件;如果否,则去除第一红外图像的行信号的噪声,以得到第二红外图像;基于直方图均衡化算法对第二红外图像进行对比度增强,以得到第三红外图像;使用滑动均值平滑算法去除第三红外图像的行信号的噪声,以得到最终输出图像;能够有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
Description
技术领域
本申请涉及红外图像处理技术领域,特别涉及一种红外图像竖条纹噪声去除方法、介质、设备及装置。
背景技术
红外图像是一种红外遥感器接收地物反射或自身发射的红外线而形成的图像,为了保证红外图像的最终输出质量,往往需要对红外图像进行去噪处理。
相关技术中,一般使用傅里叶变化和逆傅里叶变换的组合算法来去除红外图像中的竖条纹。然而,由于竖条纹噪声对比度小;即言,竖条纹噪声与图像本身的像素差值较小。当单纯使用傅里叶变换时,傅里叶变换无法完全区分高频信号和低频信号。导致红外图像中竖条纹的去除效果并不理想。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种红外图像竖条纹噪声去除方法,能够有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
第一方面,本发明提出了一种红外图像竖条纹噪声去除方法,包括以下步骤:获取原始红外图像数据,并对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;判断所述空间域数字数据对应的第一红外图像是否满足输出条件;如果否,则使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。
根据本发明的红外图像竖条纹噪声去除方法,首先,获取原始红外图像数据,并对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;接着,对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;然后,对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;接着,判断所述空间域数字数据对应的第一红外图像是否满足输出条件;然后,如果否,则使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;接着,基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;然后,使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像;从而有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
在一些实施例中,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数,/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积。
在一些实施例中,判断所述空间域数字数据对应的第一红外图像是否满足输出条件,包括:统计所述第一红外图像中行像素峰数量和列像素峰数量;判断是否所述行像素峰数量大于行像素峰数量阈值或者所述列像素峰数量大于列像素峰数量阈值;如果是,则确定所述第一红外图像不满足输出条件;如果否,则根据局部像素最大值和局部像素最小值判断所述第一红外图像的行像素峰和列像素峰是否为异常峰;统计异常峰总数,并判断异常峰总数是否大于异常峰数量阈值;如果异常峰总数大于异常峰数量阈值,则确定所述第一红外图像不满足输出条件。
在一些实施例中,所述滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
在一些实施例中,所述直方图均衡化算法通过以下公式表述:
其中,表示所述第二红外图像的第/>行第/>列的像素值,/>表示灰度图需要平移的大小,/>表示像素需要放大的倍数。
第二方面,本发明提出了一种计算机可读存储介质,其上存储有红外图像竖条纹噪声去除程序,该红外图像竖条纹噪声去除程序被处理器执行时实现如上所述的红外图像竖条纹噪声去除方法。
第三方面,本发明提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上所述的红外图像竖条纹噪声去除方法。
第四方面,本发明提出了一种红外图像竖条纹噪声去除装置,包括:获取模块,所述获取模块用于获取原始红外图像数据;变换模块,所述变换模块用于对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;对称转移模块,所述对称转移模块用于对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;所述变换模块还用于对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;判断模块,所述判断模块用于判断所述空间域数字数据对应的第一红外图像是否满足输出条件;平滑模块,所述平滑模块用于在所述空间域数字数据对应的第一红外图像不满足输出条件时,使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;增强模块,所述增强模块用于基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;所述平滑模块还用于使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。
根据本发明的红外图像竖条纹噪声去除装置,通过设置获取模块用于获取原始红外图像数据;变换模块用于对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;对称转移模块用于对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;变换模块还用于对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;判断模块用于判断所述空间域数字数据对应的第一红外图像是否满足输出条件;平滑模块用于在所述空间域数字数据对应的第一红外图像不满足输出条件时,使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;增强模块用于基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;平滑模块还用于使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。从而有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
在一些实施例中,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数,/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积。
在一些实施例中,所述滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是本发明的红外图像竖条纹噪声去除方法的流程示意图;
图2是本发明的原始红外图像数据;
图3是本发明的原始红外图像数据对应的灰度直方图;
图4是本发明的第一红外图像的部分行像素曲线图;
图5是本发明的去噪后图像的部分行像素曲线图;
图6是本发明的第二红外图像示意图;
图7是本发明的第二红外图像对应的灰度直方图;
图8是本发明的第三红外图像示意图;
图9是本发明的第三红外图像对应的灰度直方图;
图10是本发明的最终输出图像示意图;
图11是本发明的最终图像对应的灰度直方图;
图12是本发明的红外图像竖条纹噪声去除装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明的红外图像竖条纹噪声去除方法。
请参阅图1,图1为根据本发明的红外图像竖条纹噪声去除方法的流程示意图,如图1所示,该红外图像竖条纹噪声去除方法包括以下步骤:
S101,获取原始红外图像数据,并对原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据。
在一些实施例中,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数(即二维平面上的一个周期函数),/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积(具体地,假设/>和/>是周期函数在两个方向的平移周期向量,则/>为向量/>和/>围成的平行四边形的面积)。
也就是说,首先,读取原始红外图像数据(如图2所示,图3为原始红外图像所对应的灰度直方图);接着,使用傅里叶变换方法,将原始红外图像数据从空间域转换为频域信号,得到相应的第一频域数据。
S102,对第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据。
作为一种示例,首先,使用对称频谱转移算法,将第一频谱数据的左上数据和右下数据进行位置交换,并将右上数据和左下数据进行位置交换,以得到第二频谱数据;如此,可以将低频信号转移到中轴线位置。此时,使用掩膜算法将第二频谱数据中轴线上的低频信号置零,并使用对称频谱转移算法将置零后的第二频谱数据进行位置还原,即可得到第三频谱数据
可以理解,对称频谱转移算法使用的是复函数的频谱搬移,复函数的频谱搬移是没有能量损失的。竖条纹噪声属于高频信号,这个复函数的频谱搬移进一步使噪声信号聚集于中轴线位置,然后使用掩膜方法,将其置零,就能更好的滤除噪声信号。
另外,红外图像中的噪声往往代表着图像上灰度值的突变,从而对应着高频部分,而红外图像中的其他大部分内容则主要集中在低频部分。因此,通过将空间图像进行傅里叶变换后,转化到频域上,可以得到这个红外图像每个像素的相位和幅度值。对于相位而言,代表着红外图像中的位置形状信息,一般情况下不对其做处理,否则可能就无法恢复出原始图像的形状。而幅度值则主要代表着能量的大小,也就是每一个频率上的能量大小。只要将高频部分的能量值置为0,就可以去除噪声。需要注意的是,在进行傅里叶变换后,低频部分集中分布在四个角落,通过移位之后,将其集中到图像的中心,这只是为了便于处理。当对幅值进行处理后,再进行反移位恢复到原始的分布情况,之后结合相位计算出每个像素对应的值。对其进行傅里叶反变换后,就可以恢复出时域图像。
S103,对第三频谱数据进行逆傅里叶变换,以生成空间域数字数据。
S104,判断空间域数字数据对应的第一红外图像是否满足输出条件。
需要说明的是,判断空间域数字数据对应的第一红外图像是否满足输出条件有多种。
作为一种示例,首先,输出第一红外图像;接着,使用观察法判断第一红外图像是否满足输出条件。
作为另一种示例,判断空间域数字数据对应的第一红外图像是否满足输出条件,包括:统计第一红外图像中行像素峰数量和列像素峰数量;判断是否行像素峰数量大于行像素峰数量阈值或者列像素峰数量大于列像素峰数量阈值;如果是,则确定第一红外图像不满足输出条件;如果否,则根据局部像素最大值和局部像素最小值判断第一红外图像的行像素峰和列像素峰是否为异常峰;统计异常峰总数,并判断异常峰总数是否大于异常峰数量阈值;如果异常峰总数大于异常峰数量阈值,则确定第一红外图像不满足输出条件。
即言,首先,使用统计法统计第一红外图像中行像素峰的数量和列像素峰的数量;接着,判断是否行像素峰数量大于行像素峰数量阈值或者列像素峰数量大于列像素峰数量阈值;如果是,则确定第一红外图像不满足输出条件;如果否,则进一步根据局部像素最大值和局部像素最小值判断第一红外图像的行像素峰和列像素峰是否为异常峰;然后,统计异常峰的数量,并判断异常峰总数是否大于异常峰数量阈值;如果异常峰的总数大于异常峰数量阈值,则确定第一红外图像不满足输出条件;如果异常峰的总数小于等于异常峰数量阈值,则确定第一红外图像满足输出条件;此时,直接将第一红外图像作为最终输出图像。如图4所示,图4为第一红外图像的部分行像素曲线图;图5为去噪后图像的部分行像素曲线图。
S105,如果否,则使用滑动均值平滑算法去除第一红外图像的行信号的噪声,以得到第二红外图像。
在一些实施例中,滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
作为一种示例,使用滑动均值平滑方法去除行信号的噪声,滑动均值平滑方法使用滑动窗口思想,窗口大小为大于1的奇数,滑动步长为1,求取滑动窗口内数据均值,该均值作为窗口中心位置的像素值。每行两端延申窗口大小一半的长度,填充与第一个像素或最后一个像素位置对称的像素位置上的数据。本步骤滑动窗口需要设置较大数据;优选地,该肘部设置窗口的大小为31。
S106,基于直方图均衡化算法对第二红外图像进行对比度增强,以得到第三红外图像。
在一些实施例中,直方图均衡化算法通过以下公式表述:
其中,表示所述第二红外图像的第/>行第/>列的像素值,/>表示灰度图需要平移的大小,/>表示像素需要放大的倍数。
需要说明的是,使用直方图均衡化方法,能够增强图像对比度。使用滑动均值平滑方法后,得到的第二红外图像(如图6所示)对比度减弱,且第二红外图像的灰度直方图(如图7所示)数据较为集中,使用直方图均衡化方法,可以使得得到的第三红外图像(如图8所示)增大图像对比度,副作用是会放大噪声(如图9所示,图9为第三红外图像对应的灰度直方图)。
S107,使用滑动均值平滑算法去除第三红外图像的行信号的噪声,以得到最终输出图像。
作为一种示例,由于直方图均衡化方法会放大噪声,因此,在此使用滑动均值平滑算法对第三红外图像进行行信号噪声去除,以进一步提高最终输出图像的效果。优选地,该步骤中窗口大小为11。如图10所示,图10为最终输出图像示意图,图11为最终输出图像对应的灰度直方图。
综上所述,根据本发明的红外图像竖条纹噪声去除方法,首先,获取原始红外图像数据,并对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;接着,对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;然后,对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;接着,判断所述空间域数字数据对应的第一红外图像是否满足输出条件;然后,如果否,则使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;接着,基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;然后,使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像;从而有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
第二方面,本发明提出了一种计算机可读存储介质,其上存储有红外图像竖条纹噪声去除程序,该红外图像竖条纹噪声去除程序被处理器执行时实现如上所述的红外图像竖条纹噪声去除方法。
第三方面,本发明提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上所述的红外图像竖条纹噪声去除方法。
第四方面,本发明提出了一种红外图像竖条纹噪声去除装置,如图12所示,该红外图像竖条纹噪声去除装置包括:获取模块10、变换模块20、对称转移模块30、判断模块40、平滑模块50和增强模块60。
其中,获取模块10用于获取原始红外图像数据;
变换模块20用于对原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;
对称转移模块30用于对第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对第二频谱数据的中轴线低频信号置零,以得到第三频谱数据;
变换模块20还用于对第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;
判断模块40用于判断空间域数字数据对应的第一红外图像是否满足输出条件;
平滑模块50用于在空间域数字数据对应的第一红外图像不满足输出条件时,使用滑动均值平滑算法去除第一红外图像的行信号的噪声,以得到第二红外图像;
增强模块60用于基于直方图均衡化算法对第二红外图像进行对比度增强,以得到第三红外图像;
平滑模块50还用于使用滑动均值平滑算法去除第三红外图像的行信号的噪声,以得到最终输出图像。
在一些实施例中,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数,/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积。
在一些实施例中,滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
需要说明的是,上述关于红外图像竖条纹噪声去除方法的描述同样适用于该红外图像竖条纹噪声去除装置,在此不做赘述。
综上所述,根据本发明的红外图像竖条纹噪声去除装置,通过设置获取模块用于获取原始红外图像数据;变换模块用于对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;对称转移模块用于对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;变换模块还用于对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;判断模块用于判断所述空间域数字数据对应的第一红外图像是否满足输出条件;平滑模块用于在所述空间域数字数据对应的第一红外图像不满足输出条件时,使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;增强模块用于基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;平滑模块还用于使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。从而有效去除红外图像中的竖条纹,保证红外图像的最终输出效果。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种红外图像竖条纹噪声去除方法,其特征在于,包括以下步骤:
获取原始红外图像数据,并对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;
对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以及基于对称频谱转移算法对置零后的第二频谱数据进行位置还原,以得到第三频谱数据;
对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;
判断所述空间域数字数据对应的第一红外图像是否满足输出条件;
如果否,则使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;
基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;
使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。
2.如权利要求1所述的红外图像竖条纹噪声去除方法,其特征在于,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数,/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积。
3.如权利要求1所述的红外图像竖条纹噪声去除方法,其特征在于,判断所述空间域数字数据对应的第一红外图像是否满足输出条件,包括:
统计所述第一红外图像中行像素峰数量和列像素峰数量;
判断是否所述行像素峰数量大于行像素峰数量阈值或者所述列像素峰数量大于列像素峰数量阈值;
如果是,则确定所述第一红外图像不满足输出条件;
如果否,则根据局部像素最大值和局部像素最小值判断所述第一红外图像的行像素峰和列像素峰是否为异常峰;
统计异常峰总数,并判断异常峰总数是否大于异常峰数量阈值;
如果异常峰总数大于异常峰数量阈值,则确定所述第一红外图像不满足输出条件。
4.如权利要求1所述的红外图像竖条纹噪声去除方法,其特征在于,所述滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
5.如权利要求1所述的红外图像竖条纹噪声去除方法,其特征在于,所述直方图均衡化算法通过以下公式表述:
其中,表示所述第二红外图像的第/>行第/>列的像素值,/>表示灰度图需要平移的大小,/>表示像素需要放大的倍数。
6.一种计算机可读存储介质,其特征在于,其上存储有红外图像竖条纹噪声去除程序,该红外图像竖条纹噪声去除程序被处理器执行时实现如权利要求1-5中任一项所述的红外图像竖条纹噪声去除方法。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-5中任一项所述的红外图像竖条纹噪声去除方法。
8.一种红外图像竖条纹噪声去除装置,其特征在于,包括:
获取模块,所述获取模块用于获取原始红外图像数据;
变换模块,所述变换模块用于对所述原始红外图像数据进行傅里叶变换,以得到相应的第一频谱数据;
对称转移模块,所述对称转移模块用于对所述第一频谱数据进行对称频谱转移,以得到第二频谱数据,并对所述第二频谱数据的中轴线低频信号置零,以得到第三频谱数据;
所述变换模块还用于对所述第三频谱数据进行逆傅里叶变换,以生成空间域数字数据;
判断模块,所述判断模块用于判断所述空间域数字数据对应的第一红外图像是否满足输出条件;
平滑模块,所述平滑模块用于在所述空间域数字数据对应的第一红外图像不满足输出条件时,使用滑动均值平滑算法去除所述第一红外图像的行信号的噪声,以得到第二红外图像;
增强模块,所述增强模块用于基于直方图均衡化算法对所述第二红外图像进行对比度增强,以得到第三红外图像;
所述平滑模块还用于使用滑动均值平滑算法去除所述第三红外图像的行信号的噪声,以得到最终输出图像。
9.如权利要求8所述的红外图像竖条纹噪声去除装置,其特征在于,通过以下公式进行傅里叶变换:
其中,表示第一频谱数据,/>表示周期函数,/>表示空间域向量,/>表示复数单位,/>表示傅里叶域向量,/>表示周期函数的两个平移周期向量所围成的平行四边形的面积。
10.如权利要求8所述的红外图像竖条纹噪声去除装置,其特征在于,所述滑动均值平滑算法通过以下公式表述:
其中,表示第一红外图像的像素行,/>表示第一红外图像的像素列,/>表示滑动窗口的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240700.1A CN117830141B (zh) | 2024-03-04 | 2024-03-04 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240700.1A CN117830141B (zh) | 2024-03-04 | 2024-03-04 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117830141A CN117830141A (zh) | 2024-04-05 |
CN117830141B true CN117830141B (zh) | 2024-05-03 |
Family
ID=90513788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410240700.1A Active CN117830141B (zh) | 2024-03-04 | 2024-03-04 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117830141B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289672A (zh) * | 2011-06-03 | 2011-12-21 | 天津大学 | 红外步态双信道特征融合识别方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
CN106803235A (zh) * | 2015-11-26 | 2017-06-06 | 南京理工大学 | 基于各向异性时空域全变分非均匀性校正的方法 |
CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
WO2018120936A1 (en) * | 2016-12-27 | 2018-07-05 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for fusing infrared image and visible light image |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
CN110795991A (zh) * | 2019-09-11 | 2020-02-14 | 西安科技大学 | 一种基于多信息融合的矿用机车行人检测方法 |
CN111311510A (zh) * | 2020-01-22 | 2020-06-19 | 京东方科技集团股份有限公司 | 图像中条纹噪声的去除方法及装置 |
CN112435181A (zh) * | 2020-11-12 | 2021-03-02 | 苏州长风航空电子有限公司 | 针对非制冷红外视频图像竖条纹噪声的滤除方法 |
CN113222853A (zh) * | 2021-05-26 | 2021-08-06 | 武汉博宇光电系统有限责任公司 | 一种基于噪声估计的渐进式红外图像降噪方法 |
CN114758019A (zh) * | 2022-01-13 | 2022-07-15 | 中国人民解放军96901部队25分队 | 一种红外探测器仿真图像生成方法及装置 |
CN115937231A (zh) * | 2022-12-30 | 2023-04-07 | 华中科技大学 | 一种频谱结构约束的红外图像迭代去噪方法及系统 |
-
2024
- 2024-03-04 CN CN202410240700.1A patent/CN117830141B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289672A (zh) * | 2011-06-03 | 2011-12-21 | 天津大学 | 红外步态双信道特征融合识别方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN106803235A (zh) * | 2015-11-26 | 2017-06-06 | 南京理工大学 | 基于各向异性时空域全变分非均匀性校正的方法 |
CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
WO2017197618A1 (zh) * | 2016-05-19 | 2017-11-23 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
WO2018120936A1 (en) * | 2016-12-27 | 2018-07-05 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for fusing infrared image and visible light image |
CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
CN110795991A (zh) * | 2019-09-11 | 2020-02-14 | 西安科技大学 | 一种基于多信息融合的矿用机车行人检测方法 |
CN111311510A (zh) * | 2020-01-22 | 2020-06-19 | 京东方科技集团股份有限公司 | 图像中条纹噪声的去除方法及装置 |
CN112435181A (zh) * | 2020-11-12 | 2021-03-02 | 苏州长风航空电子有限公司 | 针对非制冷红外视频图像竖条纹噪声的滤除方法 |
CN113222853A (zh) * | 2021-05-26 | 2021-08-06 | 武汉博宇光电系统有限责任公司 | 一种基于噪声估计的渐进式红外图像降噪方法 |
CN114758019A (zh) * | 2022-01-13 | 2022-07-15 | 中国人民解放军96901部队25分队 | 一种红外探测器仿真图像生成方法及装置 |
CN115937231A (zh) * | 2022-12-30 | 2023-04-07 | 华中科技大学 | 一种频谱结构约束的红外图像迭代去噪方法及系统 |
Non-Patent Citations (3)
Title |
---|
Overcoming Periodic Stripe Noise in Infrared Linear Array Images: The Fourier-Assisted Correlative Denoising Method;Weicong Chen 等;《sensor》;20231025;1-20 * |
基于图像去噪技术的红外小目标检测算法研究;张晓露;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20180515;I138-423 * |
基于经验模态分解法的光学条纹图像处理研究进展;王辰星 等;《红外与激光工程》;20200325;第49卷(第3期);1-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117830141A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6754398B1 (en) | Method of and system for image processing and recording medium for carrying out the method | |
CN106815821B (zh) | 近红外图像的去噪方法和装置 | |
JP3995854B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
JP5197414B2 (ja) | 画像処理装置及び画像処理方法 | |
US8107765B2 (en) | Block-based image restoration system and method | |
CN105335947A (zh) | 图像去噪方法和图像去噪装置 | |
CN103020916B (zh) | 一种二维希尔伯特变换和bemd结合的图像去噪方法 | |
JP2001527305A (ja) | 画像中ノイズの周波数依存度およびグレーレベル依存度の推定 | |
CN111861930A (zh) | 图像去噪方法、装置以及电子设备、图像超分去噪方法 | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
KR101766536B1 (ko) | 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치 | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
US20080107352A1 (en) | System and Method for Structure Enhancement and Noise Reduction in Medical Images | |
Huang et al. | Robust measure of image focus in the wavelet domain | |
CN117830141B (zh) | 红外图像竖条纹噪声去除方法、介质、设备及装置 | |
JP2001167264A (ja) | 画像処理方法および装置並びに記録媒体 | |
CN114155161A (zh) | 图像去噪方法、装置、电子设备与存储介质 | |
CN115294003A (zh) | 一种多聚焦图像融合方法 | |
JP3783116B2 (ja) | 放射線画像強調処理方法および装置 | |
CN110097518B (zh) | 图像去噪方法、装置及终端设备 | |
CN111429383B (zh) | 图像降噪方法及装置、计算机可读存储介质 | |
Paul et al. | MR image enhancement using an extended neighborhood filter | |
KR101753365B1 (ko) | Non-local means 방법을 이용한 효율적인 영상 잡음 제거 방법 및 장치 | |
JP4316106B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
JP3751806B2 (ja) | 画像処理装置および記録媒体 |
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 |