一种可见近红外宽波段图像噪声抑制方法与流程

本发明涉及光学图像处理技术，尤其涉及一种可见近红外宽波段图像噪声抑制方法。

背景技术：

可见光、红外线都属于电磁波，前者波长范围在0.4-0.8μm，后者波长范围则包括了0.9-1.7μm、3-5μm和8-14μm这几个主要波段，分别对应近红外、中波红外和长波红外这几个适应于大气传输的波长范围。0.4-1.7μm的波长范围主要为可见光与近红外波段，它们都主要以反射式辐射传输为主，因此无论在辐射模型与成像特性上具有一定的相似性。但另一方面，由于探测阵列与成像器件响应特性在可见光与近红外波段有所不同，因此二者成像获取的图像也具有一定的差别。因此，在针对不同波段的图像进行处理时，其处理方法往往也有所差别。

图像噪声抑制技术属于图像处理，是图像恢复中的经典问题，其目的在于是将观测退化图以最大保真度的形式恢复到噪声退化前的状态。然而去噪与保持图像特征是一对矛盾的关系：图像在去除噪声的过程中，不可避免的对边界产生模糊，而人类视觉对图像的高频成分(细节、边缘)敏感，而且图像的重要信息主要存在于边缘和轮廓部分．传统的去噪方法很难处理这类问题，因此，大量研究致力于既能去噪又能保持边缘和小尺度特征的算法。

总体来看，主流的方法主要通过对噪声退化进行建模，通过正则化约束的形式来优化估计原始图像。这种估计往往是近似的，通过某种最佳准则作为约束来寻找最优的原始估计。基于偏微分方程的变分模型是当前去噪研究中主流模型，其已成功地应用于图像处理中，它在平滑噪声的同时可以保持边缘。一类经典的去噪方法就是总变分方法，该方法计算简单，容易实现；此外，也有很多研究者将小波变换的模引入到变分去噪模型中，使新算法去噪效果更好，并较明显地改善了图像的视觉效果。但在具体的各种方法中，正则化约束项的设计、棱边细节的保持都是困难所在，希望能既抑制噪声又保持细节层次，使图像可视化效果更佳。

于是，针对可见近红外的宽波段，希望能新提出一种噪声抑制方法，一方面设计噪声去除与抑制手段，另一方面使用结构因子棱边约束实现细节保持，只要输入原始图像，即可输出噪声抑制结果。

技术实现要素：

本发明解决的问题是提供一种可见近红外宽波段图像噪声抑制方法，其利用局部区域约束优化的思路进行图像降噪的框架，提出噪声抑制方程，输入原始图像，自动实现图像噪声抑制。

为解决上述问题，本发明提出一种可见近红外宽波段图像噪声抑制方法，该方法包括：构建噪声抑制能量方程；设计空间因子与结构因子约束；综合噪声抑制与棱边约束方程，优化求解实现图像去噪，获取最终图像。

本发明采用的技术方案为：

1、构建噪声抑制能量方程

(a) 局部极值种子求取

若待去噪的观测图像为I ，所选的局部区域为R×R尺寸的窗口。

对于图像I ，在某一个像素p处(像素位置（i,j）)，取出I 中以p为中心的R×R尺寸的局部图像块。对于这个图像块，获得最小值及其位置，获得最大值及其位置，最小值与最大值，我们统称为极值。在该图像块内获取的极值及其对应在I 中的位置，统称为极值种子点s。在s处，灰度值记为I (s)，对于每个图像块，通常都有两处极值。

对于整幅观测图像I ，可以分成很多个这样的R×R尺寸大小的图像块（不重叠），各自可以获得极值种子点，最终构成了极值种子点大集合S（有诸多的s构成），这个集合包含了极值点的灰度值以及对应的像素位置。

(b)设计噪声抑制方程

噪声抑制后的图像为O ，

本发明设计能量方程：

，即在整个图像区域，若某像素p位置位于种子点，O 在该处值等于I 在该处的值。

上式中：Ω为任意的一个局部区域，其区域尺寸为2R×2R；s为Ω区域中的极值种子点像素，q为区域内其余像素点。表示O 在q处的灰度值，即s处的I 的像素灰度值。，，为权重因子，前者主要是空间因子，后者作为结构因子约束棱边像素。

2. 设计权重因子

，为权重因子，前者主要是空间因子，后者作为结构因子约束棱边。

(a) 的设计

空间因子，表示的q像素与s像素之间的空间位置关系以及像素灰度值关系，定义如下：

，q-s即q像素与s像素之间的空间间隔（以多少像素表示），即像素灰度值间隔，与分别表示观测图像I 在q像素邻域与s像素邻域的局部标准差。通过公式发现，q与s空间间隔越大，越小，q与s像素的灰度值间隔越大，越小。

(b) 的设计

结构因子旨在对图像不同内容进行约束，对图像棱边少进行噪声抑制，对图像平坦区域多进行抑制操作。因此，在棱边细节区域，这个系数要小，平坦区域，这个系数要大。

于是，定义为：

，

其中，值用来确定的范围，定义为：

，

为观测图像I 在以q为中心的一个N×N邻域内的方差值，

为观测图像(I *M)在以q为中心的一个N×N邻域内的方差值，

(I *M)其实是观测图像经M卷积平滑退化的结果，式中N为权重因子计算时邻域参数。

3. 综合方程，优化求解

根据2中，和的设计，代入到噪声抑制能量方程

，即在整个图像区域，若某像素p位置位于种子点，O 在该处值等于I 在该处的值。

最佳的去噪图像，是使得能量J 最小时，即

，

于是，可以求取获得最终的去噪估计图像O 。

本发明的优点是：利用构造局部区域约束优化的思路进行图像降噪的框架，设计了空间因子与结构因子进行约束，实现了快速获取去噪图像的目的。本发明只需输入宽波段待去噪图像，即可快速得到相应的去噪图。

附图说明

图1为本发明的具体操作流程图。

图2为输入的宽波段观测图像。

图3为计算获取的去噪图像。

具体实施方式

为了实现宽波段图像的去噪，本发明利用噪声抑制能量方程约束估计，快速实现噪声抑制的目的。

下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。

本发明提出一种可见近红外宽波段图像噪声抑制方法的操作框架，如图1所示。设待局部区域尺寸参数R=5，权重因子计算时邻域参数N=5，以图2为例，以下称图2为宽波段观测图像I ，其主要包含以下步骤：

(1)I 的局部极值种子集合S的获取

对于图像I ，在某一个像素p处(像素位置（i,j）)，取出I 中以p为中心的R×R尺寸的局部图像块。对于这个图像块，获取的极值及其对应在I 中的位置，统称为极值种子点s。在s处，灰度值记为I (s)，对于每个图像块，通常都有两处极值。

对于整幅图像I ，可以分成很多个这样的R×R尺寸大小的图像块（不重叠），各自可以获得极值种子点，最终构成了极值种子点大集合S。

(2) 设计权重因子

，为权重因子，前者主要是空间因子，后者作为结构因子约束棱边。

(a) 的设计

空间因子，表示的q像素与s像素之间的空间位置关系以及像素灰度值关系，定义如下：

，q-s即q像素与s像素之间的空间间隔（以多少像素表示），即像素灰度值间隔，与分别表示，观测图像I 在q像素N×N邻域与s像素的N×N邻域的局部标准差。通过公式发现，q与s空间间隔越大，越小，q与s像素的灰度值间隔越大，越小。

(b) 的设计

结构因子旨在对图像不同内容进行约束，对图像棱边少进行噪声抑制，对图像平坦区域多进行抑制操作。因此，在棱边细节区域，这个系数要小，平坦区域，这个系数要大。

于是，定义为：

，

其中，值用来确定的范围，定义为：

，

为观测图像I 在以q为中心的一个N×N邻域内的方差值，

为观测图像(I *M)在以q为中心的一个N×N邻域内的方差值，

，

(I *M)其实是观测图像经M卷积平滑退化的结果。

(3) 结合能量方程，优化求解

将(1)与(2)中的结果，结合噪声抑制能量方程

，即在整个图像区域，若某像素p位置位于种子点，O 在该处值等于I 在该处的值。

最佳的去噪图像，是使得能量J 最小时，即

，

上式中：Ω为任意的一个局部区域，其区域尺寸为2R×2R；s为Ω区域中的极值种子点像素，q为区域内其余像素点。表示O 在q处的灰度值，即s处的I的像素灰度值。，和为权重因子，前者主要是空间因子，后者作为结构因子约束棱边像素。

于是，可以求取获得最终的去噪估计图像O ，如图3所示。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。