红外视频的去竖条纹方法与流程

本发明涉及一种红外视频的去竖条纹方法，属于红外图像处理技术领域。

背景技术：

在红外焦平面探测器中，读出电路通常是同一列像元共享同一个输出电路，由于输出的偏置电压不完全一致，导致图像中包含以竖条纹为主要特征的非均匀噪声，被称为条纹噪声。它的主要特点是同一列中噪声的幅度和相位相同，不同列中噪声幅度和相位不同。

技术实现要素：

本发明要解决的技术问题是提供一种红外视频的去竖条纹方法，本方法依据块匹配原则，通过统计每列的噪声值以及相邻列噪声，结合单边滤波算法进行噪声的抑制，对红外基于列条纹的噪声图像有良好的滤波效果。

为了解决所述技术问题，本发明采用的技术方案是：红外视频的去竖条纹方法，包括以下步骤：

s01)、针对采集到的实时图像，首先进入两个模块，一个为竖条纹处理模块，另一个为主数据流成像模块，主数据流成像模块使用上一帧竖条纹处理模块计算得出的数据进行校正处理；

s02)、竖条纹处理模块使用改进的单边滤波算法滤掉图像的基础噪声，保留列噪声细节，单边滤波公式为：

其中k(i,j)代表归一化系数，计算公式为：

其中si,j代表实时图像上的像素点集合，(i,j)是实时图像上的某一像素点，(i',j')是(i,j)的相邻像素点，iin(i,j)是(i,j)的响应值，iin(i',j')是(i',j')的响应值，gs是距离域的高斯函数，gr是灰度域的高斯函数，经过以上计算，得到iulf为滤波后的图像；

s03)、扩展图像，在单边滤波后图像的左右两边各添加m列像元，填充值为上一帧原始图像响应值的均值；

s04)、通过公式p＝iin-iulf将原始图像与滤波后的图像进行分离，iin为步骤s01输入的实时图像，留下噪声图像p用作竖条纹算法阈值限定的基本图像；

s05)、对列噪声进行分块计算，以当前像素点为中心，其周围的n*n像素作为相似块，按高斯加权欧式距离和相似性为权重计算当前像素点的噪声权值，计算过程为：

其中，表示处理后的图像，w(p,q)表示要计算的当前像素点的噪声权值，np表示以p为中心点的搜索窗，p表示np的中心点，即当前的像素点，q表示作为p相似块的周围像素点，(δx,δy)表示p和q在搜索窗范围内的相关点，h是常数，b为搜索窗的边长；

s06)、噪声权限限定，遍历整副图像的噪声权值计算结果，对于超出阈值的像素点，考虑为图像边缘，对此位置上的噪声进行权值计算没有参考意义，舍掉当前权值，并相应减少一行像素点的归一化累计；

s07)、将限定后的噪声权值按列相加，统计每一列上的累加和，并将累加和放入列噪声统计器；

s08)、将本帧图像计算出的数据留作主数据流成像模块进行下一帧图像校正处理的基础。

进一步的，主数据流成像模块的校正处理是指用当前帧图像减掉上一帧图像竖条纹处理模块计算得出的噪声统计值，减法按列进行，校正处理后的图像就是去竖条纹图像。

进一步的，主数据流成像模块对去竖条纹的图像进行调光显示。

进一步的，步骤s01中，两个模块的操作并行进行。

进一步的，以像素点(i,j)周围k×1范围内的像素点作为其相邻像素点。

进一步的，步骤s08中，步骤s03中，m＝4。

进一步的，步骤s05中，n＝9。

进一步的，竖条纹处理模块和主数据流成像模块是集成在fpga上的功能模块。

本发明的有益效果：本发明依据块匹配原则，通过统计每列的噪声值以及相邻列噪声，结合单边滤波算法进行噪声的抑制，对红外基于列条纹的噪声图像有良好的滤波效果。

本方法在在同一幅图像中对具有相同性质的区域进行分类并加权平均得到的图像，应该降噪效果也会越好。意味着它使用的是图像中的所有像素(实际上为了节省计算量，是一个搜索窗口区间内的所有像素)，这些像素根据某种相似度进行加权平均。与双线性滤波、中值滤波等利用图像局部信息来滤波不同，它利用了整幅图像进行去噪。即以图像块(邻域)为单位在图像中寻找相似区域，再对这些区域取平均，较好地滤除图像中的高斯噪声。

本发明采用改进的单边滤波算法，同时考虑到了位置信息和采样点的灰度值，在考虑位置信息的时候，重点考虑相邻行的位置权重，而对于列相关像元给予一个较轻的权值。

附图说明

图1为实施例1所述方法的流程图；

图2为原始图像示意图；

图3为阈值限定的图像示意图；

图4为列条纹噪声权值波形图；

图5为处理后图像示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的说明。

实施例1

本实施例公开一种红外视频的去竖条纹方法，如图1所示，本方法包括以下步骤：

s01)、针对采集到的实时图像，首先进入两个模块，一个为竖条纹处理模块，另一个为主数据流成像模块，主数据流成像模块使用上一帧竖条纹处理模块计算得出的数据进行校正处理；

s02)、竖条纹处理模块使用改进的单边滤波算法滤掉图像的基础噪声，保留列噪声细节，单边滤波公式为：

其中k(i,j)代表归一化系数，计算公式为：

其中si,j代表实时图像上的像素点集合，(i,j)是实时图像上的某一像素点，(i',j')是(i,j)的相邻像素点，iin(i,j)是(i,j)的响应值，iin(i',j')是(i',j')的响应值，gs是距离域的高斯函数，gr是灰度域的高斯函数，经过以上计算，得到iulf为滤波后的图像；

s03)、扩展图像，在单边滤波后图像的左右两边各添加4列像元，填充值为上一帧原始图像响应值的均值；

s04)、通过公式p＝iin-iulf将原始图像与滤波后的图像进行分离，iin为步骤s01输入的实时图像，留下噪声图像p用作竖条纹算法阈值限定的基本图像；

s05)、对列噪声进行分块计算，以当前像素点为中心，其周围的9*9像素作为相似块，按高斯加权欧式距离和相似性为权重计算当前像素点的噪声权值，计算过程为：

其中，表示处理后的图像，w(p,q)表示要计算的当前像素点的噪声权值，np表示以p为中心点的搜索窗，p表示np的中心点，即当前的像素点，q表示作为p相似块的周围像素点，(δx,δy)表示p和q在搜索窗范围内的相关点，h是常数，b为搜索窗的边长；

s06)、噪声权限限定，遍历整副图像的噪声权值计算结果，对于超出阈值的像素点，考虑为图像边缘，对此位置上的噪声进行权值计算没有参考意义，舍掉当前权值，并相应减少一行像素点的归一化累计；

s07)、将限定后的噪声权值按列相加，统计每一列上的累加和，并将累加和放入列噪声统计器；

s08)、将本帧图像计算出的数据留作主数据流成像模块进行下一帧图像校正处理的基础。

本实施例中，主数据流成像模块的校正处理是指用当前帧图像减掉上一帧图像竖条纹处理模块计算得出的噪声统计值，减法按列进行，校正处理后的图像就是去竖条纹图像。为了提高成像质量，主数据流成像模块对去竖条纹的图像进行调光显示。

本实施例中，步骤s01中，两个模块的操作并行进行，从而实时输出处理后的图像。

本实施例中，以像素点(i,j)周围9×1范围内的像素点作为其相邻像素点，即(i',j')是(i,j)周围9×1范围内的像素点.

本实施例所述方法采用fpga作为mcu芯片实现实时性处理，即竖条纹处理模块和主数据流成像模块是集成在fpga芯片上的两个功能模块，算法速度快。

图2为原始不做处理的图像，图3为减掉基础噪声后的图像，图4为计算出的每列的噪声值，图5为处理后的图像，从图中可以看出，经过本实施例所述方法处理后，图像中的竖条纹有很大的改善，同时较好的保留了图像细节，本方法效率高，实时性好，能够有效解决红外视频中存在的竖条纹噪声。

以上描述的仅是本发明的基本原理和优选实施例，本领域技术人员根据本发明做出的改进和替换，属于本发明的保护范围。