一种基于噪声识别的红外图像降噪方法
【专利摘要】本发明公开了一种基于噪声识别的红外图像降噪方法，本方法引入了噪声识别的基本思想，分别计算了当前像素基于截尾均值的和基于梯度的隶属度，考察当前像素受噪声干扰的程度，采用联合判据判断当前像素是否为噪声像素，最后根据判断结果进行降噪，实现对红外图像的降噪。本发明计算量小，易于实时实现；相对传统算法能更有效的保护图像边缘与细节；在对噪声点进行降噪的过程中也考虑了图像的纹理梯度信息，更为准确的对原有信号进行估计。
【专利说明】一种基于噪声识别的红外图像降噪方法
【技术领域】
[0001] 本发明属于红外图像处理【技术领域】，具体涉及一种基于噪声识别的红外图像降噪 方法。
【背景技术】
[0002] 红外成像系统抗干扰能力强，隐蔽性能好，大气穿透能力强，适应多种特殊场合， 在科研、军事、医学、工业、民用等许多方面有着越来越广泛的应用。但是由于红外探测器生 产工艺、灵敏度以及目标与环境辐射特性等因素影响，红外热图像相比可见光图像对比对 不高，呈现出高背景，低反差的特点，噪声比较明显，不利于后期使用。为了充分利用捕捉到 信息，抑制噪声，改善图像质量，便于更高层次的处理，必须对红外图像进行降噪处理。
[0003] 传统的图像降噪方法主要分为3类：时域降噪、空域降噪、频域降噪。时域降噪利 用信号采集过程中，信号具有较强的相关性，而噪声具有随机分布的特性，对帧间同一个像 素的信号进行平均来取到降噪的效果，但在高速运动的场景会引起图像模糊和拖影；空域 降噪是利用相邻像素在空间上具有的相关性来进行降噪，典型的方法均值滤波、中值滤波、 维纳滤波等，算法实现简单，运算速度快，缺点是在降噪的同时会使图像模糊，尤其在物体 边缘和细节处；频域降噪是通过图像变换把图像从空域变换到频域，用滤波的方法滤除代 表噪声的高频部分，但对一些频率成分与信号相近的噪声无法去除，滤波阈值选择不好对 降噪效果影响很大。此外，还有一些结合了以上降噪的原理，从多个方面对图像进行降噪， 如小波降噪就是结合了空域与频域降噪的原理，具有良好的局部化性质和多尺度分析的特 点，能比较有效的把信号和噪声分离开，但运算量大。
[0004] 随着红外成像系统的发展，系统成像分辨率越来越高，这就使得需要实时处理的 图像数据越来越多。由于系统资源有限，一些计算量大、占用存储资源多的降噪算法并不适 用。为了实现红外图像的实时处理，需要研宄一种计算量小，易于实时实现的红外图像降噪 算法。
【发明内容】
[0005] 为了解决上述的技术问题，本发明提供了一种基于噪声识别的红外图像降噪方 法。
[0006] 本发明所采用的技术方案是：一种基于噪声识别的红外图像降噪方法，其特征在 于，包括以下步骤：
[0007] 步骤1 :计算当前像素基于截尾均值的隶属度，包括基于截尾均值的噪声隶属度 yn(i，j)以及基于截尾均值的信号隶属度ys(i，j)，其中i和j为当前像素所在坐标；
[0008] 步骤2 :计算当前像素基于梯度的隶属度，包括基于梯度的噪声隶属度Sn(i，j)以 及基于梯度的信号隶属度S s (i，j);
[0009] 步骤3 :根据步骤1、步骤2计算得到的基于截尾均值的隶属度和基于梯度的隶属 度，判断当前像素是否为噪声像素；
[0010] 步骤4 :如果当前像素为噪声像素，则对该像素进行降噪处理，处理完后回到步骤 1直到遍历完整幅图像；如果当前像素为正常信号像素，则直接回到步骤1直到遍历完整幅 图像。
[0011] 作为优选，步骤1中所述的基于截尾均值的噪声隶属度yn(i，j)的计算公式为：
【权利要求】
1. 一种基于噪声识别的红外图像降噪方法，其特征在于，包括以下步骤： 步骤1 :计算当前像素基于截尾均值的隶属度，包括基于截尾均值的噪声隶属度yn(i，j)以及基于截尾均值的信号隶属度ys(i，j)，其中i和j为当前像素所在坐标； 步骤2 :计算当前像素基于梯度的隶属度，包括基于梯度的噪声隶属度sn(i，j)以及基 于梯度的信号隶属度Ss(i，j); 步骤3:根据步骤1、步骤2计算得到的基于截尾均值的隶属度和基于梯度的隶属度，判 断当前像素是否为噪声像素； 步骤4 :如果当前像素为噪声像素，则对该像素进行降噪处理，处理完后回到步骤1直 到遍历完整幅图像；如果当前像素为正常信号像素，则直接回到步骤1直到遍历完整幅图 像。
2. 根据权利要求1所述的基于噪声识别的红外图像降噪方法，其特征在于：步骤1中 所述的基于截尾均值的噪声隶属度yna，j)的计算公式为：
其中，f(i，j)为坐标（i，j)的像素灰度值，a、b为可变参数，根据实验取经验值，T(i，j) 为以当前像素为中心的3X3窗口的结尾均值，计算公式为：
其中，Au表示以当前像素为中心的3X3窗口内所有像素灰度的集合，pMax为集合Ai;」 中的最大灰度，pMin为集合Ai;j中的最小灰度； 步骤1中所述的基于截尾均值的信号隶属度Us (i，j)的计算公式为：ys(i，j)=卜yn(i，j)。
3. 根据权利要求1所述的基于噪声识别的红外图像降噪方法，其特征在于：步骤2中 所述的基于梯度的噪声隶属度sn(i，j)的计算公式为：
其中，d表示方向，共8个方向，分别是上U、左上LU、右上RU、左L、右R、左下LD、下D、 右下RD，〇，./)为坐标（i，j)的像素基于d方向上梯度的噪声隶属度，计算公式为：
其中： 当d=U、LU、RU、L、R、LD、D、RD时，Vjf 分别等于4(1-1，」）-以1，」）|、|以卜 l，j-l)-f(i，j)l、|f(i-l，j+l)-f(i，j)l、|f(i，j-l)-f(i，j)l、|f(i，j+l)-f(i，j)I、If(i+1，j-1) -f(i，j)I、If(i+1，j) -f(i，j)I、If(i+1，j+1) -f(i，j)I; 当d=U、LU、RU、L、R、LD、D、RD时，Vg分别等于 |f(i- 1，j-I) -f(i，j-I)I、 f(i,j-1) -f(i+l,j)U|f(i-l,j) -f(i,j-l)U|f(i+l,j-1) -f(i+l,j)U|f(i-1,j+1) -f(i-I,j)u|f(i+l,j) -f(i,j+1)U|f(i+l,j+1) -f(i,j+1)u|f(i,j+1)- f(i-I,j)I; 当（1 =山1^、冊、1^、1?、〇)、0、1?时，'^分别等于|以卜1，]_+1)-以1，]_+1)|、|以卜 l，j-l)-f(i，j)l、|f(i，j+l)-f(i+l，j)l、|f(i-l，j-l)-f(i-l，j)l、|f(i+l，j+l)_f(i+1,j)I,|f(i,j-1) -f(i-1,j)I,|f(i+1,j-1) -f(i,j-1)I,If(i+1,j)- f(i,j-I)I; 函数β(·)定义如下：
其中，c、d为可变参数，根据实验取经验值； 步骤2中所沭的基于梯度的信号隶属度S"(i,i)的计算公式为：
其中，d,./)为当前像素基于d方向上梯度的信号隶属度，计算公式为：
4. 根据权利要求1所述的基于噪声识别的红外图像降噪方法，其特征在于：步 骤3中所述的判断当前像素是否为噪声像素，其方法为：当yn(i，j) *Sn(i，j)大于 等于μs(i，j) ·Ss(i,j)时，判定当前像素为噪声像素；当μη(?，j) ·Sn(i,j)小于 ys(i，j) .Ss(i，j)时，判定当前像素为正常信号像素。
5. 根据权利要求3所述的基于噪声识别的红外图像降噪方法，其特征在于：步骤4中 所述的对该像素进行降噪处理，其具体实现方法为在U、LU、RU、L、R、LD、D、RD这8个方向 中寻找令最小的方向，记这个方向为dmin，则当前像素灰度用如下公式计 算的灰度替换：
【文档编号】G06T5/00GK104463813SQ201510004744
【公开日】2015年3月25日 申请日期:2015年1月7日 优先权日:2015年1月7日
【发明者】马泳, 黄珺, 樊凡 申请人:武汉大学