一种基于噪声识别的红外图像降噪方法技术

本发明专利技术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。本发明专利技术计算量小，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。

【技术实现步骤摘要】
一种基于噪声识别的红外图像降噪方法
本专利技术属于红外图像处理
，具体涉及一种基于噪声识别的红外图像降噪方法。
技术介绍
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。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。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，需要研究一种计算量小，易于实时实现的红外图像降噪算法。
技术实现思路
为了解决上述的技术问题，本专利技术提供了一种基于噪声识别的红外图像降噪方法。本专利技术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：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μn(i,j)以及基于截尾均值的信号隶属度μs(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。作为优选，步骤1中所述的基于截尾均值的噪声隶属度μn(i,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3×3窗口的截尾均值，计算公式为：其中，Ai,j表示以当前像素为中心的3×3窗口内所有像素灰度的集合，pMax为集合Ai,j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μs(i,j)的计算公式为：μs(i,j)＝1-μn(i,j)。作为优选，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，Fnd(i,j)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，分别等于|f(i–1,j)–f(i,j)|、|f(i–1,j–1)–f(i,j)|、|f(i–1,j+1)–f(i,j)|、|f(i,j–1)–f(i,j)|、|f(i,j+1)–f(i,j)|、|f(i+1,j–1)–f(i,j)|、|f(i+1,j)–f(i,j)|、|f(i+1,j+1)–f(i,j)|；当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j–1)–f(i,j–1)|、|f(i,j–1)–f(i+1,j)|、|f(i–1,j)–f(i,j–1)|、|f(i+1,j–1)–f(i+1,j)|、|f(i–1,j+1)–f(i–1,j)|、|f(i+1,j)–f(i,j+1)|、|f(i+1,j+1)–f(i,j+1)|、|f(i,j+1)–f(i–1,j)|；当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j+1)–f(i,j+1)|、|f(i–1,j–1)–f(i,j)|、|f(i,j+1)–f(i+1,j)|、|f(i–1,j–1)–f(i–1,j)|、|f(i+1,j+1)–f(i+1,j)|、|f(i,j–1)–f(i–1,j)|、|f(i+1,j–1)–f(i,j–1)|、|f(i+1,j)–f(i,j–1)|；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中所述的基于梯度的信号隶属度Ss(i,j)的计算公式为：其中，Fsd(i,j)为当前像素基于d方向上梯度的信号隶属度，计算公式为：作为优选，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μn(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μn(i,j)·Sn(i,j)小于μs(i,j)·Ss(i,j)时，判定当前像素为正常信号像素。作为优选，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：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。本专利技术具有以下优点：1、计算量小，易于实时实现。由于算法只对单个像素及其8邻域进行统计计算，算法复杂度低，不需要占用大量存储资源用于缓存频域数据，因此计算量小，易于实时实现；2、相对传统算法能更有效的保护图像边缘与细节。由于在降噪过程中首先考察了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，提高了噪声判断的科学性与准确性，避免了对非噪声点的多余降噪后引入的图像模糊；3、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。附图说明图1：是本专利技术的方法流程图。图2：是本专利技术实施例的一幅512×640分辨率的原始红外图像。图3：是本专利技术实施例的在512×640分辨率的原始红外图像上人为添加随机噪声后的红外图像。图4：是本专利技术实施例的3×3窗口及八方向示意图。图5：是本专利技术实施例的经过本方法处理后的图像。图6：是本专利技术实施例的经过经典中值滤波方法处理后的图像。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术主要由4个步骤组成：计算当前像素基于截尾均值的隶属度、计本文档来自技高网...

【技术保护点】
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μn(i,j)以及基于截尾均值的信号隶属度μs(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。

【技术特征摘要】
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μn(i,j)以及基于截尾均值的信号隶属度μs(i,j)，其中i和j为当前像素所在坐标；其中所述的基于截尾均值的噪声隶属度μn(i,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3×3窗口的截尾均值，计算公式为：其中，Ai,j表示以当前像素为中心的3×3窗口内所有像素灰度的集合，pMax为集合Ai,j中的最大灰度，pMin为集合Ai,j中的最小灰度；所述的基于截尾均值的信号隶属度μs(i,j)的计算公式为：μs(i,j)＝1-μn(i,j)；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)；其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，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，分别等于|f(i–1,j)–f(i,j)|、|f(i–1,j–1)–f(i,j)|、|f(i–1,j+1)–f(i,j)|、|f(i,j–1)–f(i,j)|、|f(i,j+1)–f(i,j)|、|f(i+1,j–1)–f(i,j)|、|f(i+1,j)–f(i,j)|、|f(i+1,j+1)–f(i,j)|；当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j–1)–f(i,j–1)|、|f(i,j–1)–f(i+1,j)|、|f(i–1,j)–f(i,j–1)|、|f(i+1,j–1)–f(i+1,...

【专利技术属性】
技术研发人员：马泳，黄珺，樊凡，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42