一种红外视频图像条状噪声实时消除方法与流程

本发明属于视频图像去噪技术领域，具体涉及一种红外视频图像条状噪声实时消除方法。

背景技术：

红外成像系统能够捕获人眼无法看见的红外信息，在工业、医学、军事等领域具有重要的应用价值。红外焦平面阵列是当前红外成像系统使用的主流技术，它具有体积小、制造成本低、敏感度高等优点。红外焦平面阵列通常采用列输出方式，即一个读出电路读取焦平面阵列中位于相同列的传感器响应。由于各读出电路无法做到完全相同，这种差异会在红外图像中产生明显的条状固定模式噪声。为了消除条状固定模式噪声，主要有两类方法：基于标定的固定模式噪声消除方法和基于场景的固定模式噪声消除方法。基于标定的噪声消除方法需要在拍摄过程中使用黑体(各处温度相同的物体)校正参数，因此会中断拍摄过程。基于场景的噪声消除方法仅使用连续拍摄的场景图像序列估计校正参数，但容易导致“伪影”现象。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种红外视频图像条状噪声实时消除方法，针对每帧红外图像条状噪声的产生机理，通过最小化校正图像的能量估计校正参数，利用线性变换校正图像条状噪声，计算当前帧校正参数时，利用了前一帧图像的校正参数，因此对每一帧红外图像的处理所需计算量小，适合视频图像的实时去噪，在有效消除视频图像的条状噪声的同时不会造成图像细节模糊，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种红外视频图像条状噪声实时消除方法，其特征在于该方法包括以下步骤：

步骤一、输入首帧红外图像：输入首帧带有条状噪声的红外图像Y¹(i,j)，其中，首帧红外图像Y¹(i,j)的像素为M×N，i＝1,2，…，M且j＝1,2，…，N；

步骤二、校正参数初始化：初始化增益校正参数G₀(j)和偏置校正参数O₀(j)；

步骤三、当前帧红外图像校正及校正图像输出，过程如下：

步骤301、设置迭代次数K及迭代校正序号k：设定输入迭代次数为K，并给定初始迭代校正序号k＝0；

步骤302、根据公式计算第s帧红外图像Y^s(i,j)第k次校正后的红外图像其中，s为输入的红外图像的帧序号且s＝1,2，…，S，S≥1，k≤K且K≥1，G_(s-1)K+k(j)为第s帧红外图像Y^s(i,j)第k次迭代后计算得到的红外图像第j列的增益校正参数，O_(s-1)K+k(j)为第s帧红外图像Y^s(i,j)第k次迭代后计算得到的红外图像第j列的偏置校正参数；

步骤303、根据公式计算第s帧红外图像Y^s(i,j)第k次校正后红外图像梯度的模其中，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i，j)像素处的梯度的模值；

步骤304、根据公式更新校正参数G_(s-1)K+k(j)和O_(s-1)K+k(j)，其中，G_(s-1)K+k+1(j)为校正参数G_(s-1)K+k(j)更新一次后的增益校正参数，O_(s-1)K+k+1(j)为校正参数O_(s-1)K+k(j)更新一次后的偏置校正参数，为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数且λ为更新步长且为正常数；

步骤305、判断k＜K是否成立：当k＜K成立时，循环步骤302至步骤304；当k＜K不成立时，k取K，根据公式计算并输出当前帧红外图像校正后的图像并执行步骤四；

步骤四、输入下一帧红外图像；

步骤五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。

上述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤二中所述

上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述K取1～10。

上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述λ取0～1。

上述的一种红外视频图像条状噪声实时消除方法，其特征在于：步骤304中为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数对于其增益校正参数的偏导数且为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数对于其偏置校正参数的偏导数且其中，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i+1，j)像素处梯度的模值，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i，j+1)像素处梯度的模值。

上述的一种红外视频图像条状噪声实时消除方法，其特征在于：所述红外图像Y^s(i,j)的像素均为M×N。

本发明与现有技术相比具有以下优点：

1、在拍摄过程中，由于受外部环境影响，红外焦平面阵列读出电路的增益和偏置电压会随着时间而缓慢变化，本发明根据每一帧红外图像数据实时估计和更新增益校正参数与偏置校正参数，可获得更好的去噪效果。

2、本发明中新一帧红外图像的校正参数是基于前一帧红外图像的校正参数更新得到，每一帧红外图像只需要计算更新量，所需计算量小，节省视频图像校正时间，适用于视频图像的实时去噪。

3、本发明由于每一帧红外图像的校正参数只是在前一帧红外图像的校正参数的基础上进行了少量的更新，因此相邻两帧之间的校正参数变化不会很大，避免了由于校正参数的显著变化而导致的相邻帧差异。

综上所述，本发明针对每帧红外图像条状噪声的产生机理，通过最小化校正图像的能量估计校正参数，利用线性变换校正图像条状噪声，计算当前帧校正参数时，利用了前一帧图像的校正参数，因此对每一帧红外图像的处理所需计算量小，适合视频图像的实时去噪，在有效消除视频图像的条状噪声的同时不会造成图像细节模糊，便于推广使用。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明采用的红外视频图像条状噪声实时消除设备的电路原理框图。

图2为本发明的方法流程框图。

附图标记说明:

1—视频采集模块； 2—数据处理模块。

具体实施方式

如图1和图2所示，本发明包括一种红外视频图像条状噪声实时消除方法，包括以下步骤：

步骤一、输入首帧红外图像：输入首帧带有条状噪声的红外图像Y¹(i,j)，其中，首帧红外图像Y¹(i,j)的像素为M×N，i＝1,2，…，M且j＝1,2，…，N；

本实施例中，所述红外图像Y^s(i,j)的像素均为M×N。

需要说明的是，采用视频采集模块1连续输入红外视频数据，红外视频数据以帧为单位采集输出，每帧所述红外图像的像素均为M×N，像素M×N的红外图像表示图像包含M行，每行有N个像素，实际使用中，视频采集模块1包括红外焦平面探测器，数据处理模块2为计算机、高速微控制器或现场可编程门阵列，红外焦平面探测器中的红外焦平面阵列通常采用列输出方式，即一个读出电路读取红外焦平面阵列中位于相同列的传感器响应，本实施例中，采用视频采集模块1采集每帧像素为288×384的红外图像并传输至数据处理模块2中连续处理输出，采用视频采集模块1采集的每帧所述红外图像的像素均为288×384，每帧图像中均包含了条状非均匀性噪声。

步骤二、校正参数初始化：初始化增益校正参数G₀(j)和偏置校正参数O₀(j)；

本实施例中，步骤二中所述

初始化增益校正参数和偏置校正参数，给定

步骤三、当前帧红外图像校正及校正图像输出，过程如下：

步骤301、设置迭代次数K及迭代校正序号k：设定输入迭代次数为K，并给定初始迭代校正序号k＝0；

本实施例中，所述K取1～10。

步骤302、根据公式计算第s帧红外图像Y^s(i,j)第k次校正后的红外图像其中，s为视频采集模块1采集的红外图像的帧序号且s＝1,2，…，S，S≥1，k≤K且K≥1，G_(s-1)K+k(j)为第s帧红外图像Y^s(i,j)第k次迭代后计算得到的红外图像第j列的增益校正参数，O_(s-1)K+k(j)为第s帧红外图像Y^s(i,j)第k次迭代后计算得到的红外图像第j列的偏置校正参数；

步骤303、根据公式计算第s帧红外图像Y^s(i,j)第k次校正后红外图像梯度的模其中，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i，j)像素处的梯度的模值；

步骤304、根据公式更新校正参数G_(s-1)K+k(j)和O_(s-1)K+k(j)，其中，G_(s-1)K+k+1(j)为校正参数G_(s-1)K+k(j)更新一次后的增益校正参数，O_(s-1)K+k+1(j)为校正参数O_(s-1)K+k(j)更新一次后的偏置校正参数，为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数且λ为更新步长且为正常数；

步骤305、判断k＜K是否成立：当k＜K成立时，循环步骤302至步骤304；当k＜K不成立时，k取K，根据公式计算并输出当前帧红外图像校正后的图像并执行步骤四；

通过数据处理模块2存储校正参数G_sK(j)和O_sK(j)，输出当前帧红外图像校正后的图像

步骤四、输入下一帧红外图像；

步骤五、多次循环步骤三至步骤四，实时对连续输入的红外视频数据校正输出。

每输入一帧红外图像，更新校正参数一次，进而校正一帧红外图像并校正图像输出，以此类推。

本实施例中，所述λ取0～1。

本实施例中，由于视频采集模块1采集的视频图像带有明显的条状噪声，需要调节合适的增益校正参数和偏置校正参数来消除每帧图像条状噪声，为了将视频图像条状噪声消除，并使视频图像输出连续快速，每帧图像去噪时间要尽可能的短，因此，每帧图像只进行K次校正，K取1～10，输入一帧红外图像后，利用前一帧红外图像的增益校正参数和偏置校正参数和当前帧红外图像，采用梯度下降法找到使能量函数减小的新增益校正参数和偏置校正参数。

实际操作中，λ取值不易过大，若λ取值过大，会造成视频处理效果差，无法找到最优参数，λ取值过小，找到最优参数的速度会慢，需要更多帧图像处理找到最优参数，本实施例中，更新步长λ取0.0001，更新效果好。

本实施例中，步骤304中为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数对于其增益校正参数的偏导数且为第s帧红外图像Y^s(i,j)第k次校正后红外图像的能量函数对于其偏置校正参数的偏导数且其中，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i+1，j)像素处梯度的模值，为第s帧红外图像Y^s(i,j)第k次校正后红外图像在(i，j+1)像素处梯度的模值。

实际计算时，更新校正参数G_(s-1)K+k(j)和O_(s-1)K+k(j)分别计算，能量函数对增益校正参数G_(s-1)K+k(j)的偏导数忽略偏置校正参数O_(s-1)K+k(j)变化的影响，由于能量函数第s帧红外图像Y^s(i,j)第k次校正后红外图像梯度的模且可得的值与第s帧红外图像Y^s(i,j)第k次校正后红外图像的像素值和第s帧红外图像Y^s(i,j)的像素值均有关，能量函数对偏置校正参数O_(s-1)K+k(j)的偏导数忽略增益校正参数G_(s-1)K+k(j)变化的影响，可得的值仅与第s帧红外图像Y^s(i,j)第k次校正后红外图像的像素值有关，采用梯度下降法更新校正参数，处理速度快。

实际使用中，对视频图像的条状噪声去噪效果明显，在满足处理每一帧红外图像所需时间要求下，为使视频图像校正效果最优，本实施例中，每一帧红外图像在迭代次数K取3，更新步长λ取0.0001下，连续实时对视频采集模块1采集的红外图像进行去噪处理，持续输出条状噪声消除的清晰视频，使用效果好。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。