一种激光主动成像的图像噪声抑制方法技术

本发明专利技术涉及一种激光主动成像的图像噪声抑制方法，属于图像噪声抑制方法。采用不同尺度结构元素，分别对激光主动成像的图像进行形态开‑闭和形态闭‑开滤波运算，根据图像局部区域的匀质性，将多尺度形态学滤波结果融合；多尺度形态学的图像去噪是将各个尺度结构元素的形态滤波结果进行加权平均。本发明专利技术基于形态学的滤波方法易于硬件逻辑结构实现，具有能实时处理和较好地保持图像边缘，采用多个尺度的结构元素进行形态学滤波去噪，利用图像局部区域的匀质性，作为各尺度结构元素滤波图像的融合依据，可以获得更好的激光图像去噪效果。可以应用于激光主动成像系统、合成孔径雷达、红外医学成像等存在散斑噪声的图像去噪场合。

An image noise suppression method for laser active imaging

The invention relates to an image noise suppression method for laser active imaging, which belongs to an image noise suppression method. The structure of different scale elements, respectively, images of laser active imaging of morphological open close and close open morphological filtering operation, according to the homogeneity of image regions, the multi-scale morphological filtering results fusion; image denoising is a multi-scale morphological morphological filtering results of each scale structure element weighted average. The filtering method based on morphology hardware logic structure, which can real-time processing and better maintain the image edge, using multi-scale structural elements for morphological filtering, the homogeneity of image regions, as a fusion of different scale structure element of image filtering based denoising effect can obtain the laser image better. It can be applied to the scene of speckle noise, such as laser active imaging system, synthetic aperture radar and infrared medical imaging.

【技术实现步骤摘要】
一种激光主动成像的图像噪声抑制方法
本专利技术涉及一种图像噪声抑制方法，特别涉及一种利用图像区域匀质性对多尺度形态学滤波结果进行融合的激光图像去噪方法。
技术介绍
近年来，激光主动成像技术迅速发展起来，因为该技术能提供更加稳定、清晰的目标图像，能够为准确描述目标几何形状提供更丰富的信息,所以在雷达侦察、目标探测与跟踪、精确制导等军事领域具有广泛的应用前景。然而,激光照射下的目标图像会受到激光散斑的调制,散斑噪声的存在使图像的质量严重下降,这必然影响对目标的识别及跟踪精度,所以研究适用于激光图像中散斑噪声的噪声抑制方法具有重要的实用价值。散斑噪声为信号相关噪声,本质上是非线性的,比加性噪声难去除。国内外学者提出了各种各样的图像滤波算法。经典的算法有Lee、Kuan、SBF以及小波滤波等，这些方法在抑制散斑噪声的同时，很多边缘细节信息也受到了损失。非局部均值滤波(NLM)能够充分利用整幅图像中蕴含的信息，在有效抑制噪声的同时很好地保留图像的纹理结构，但其执行计算复杂度较大，算法运行速度较慢。基于形态学的滤波方法易于硬件逻辑结构实现，具有能实时处理和较好地保持图像边缘的优点，但传统的形态学滤波算法用于激光图像去噪时，其噪声压缩能力较差，所以如果能对传统形态学滤波算法进行改进，就可以在保持图像边缘的前提下，提高激光图像中的散斑噪声抑制能力。
技术实现思路
本专利技术提供一种激光主动成像的图像噪声抑制方法，结合激光图像特点，提出了一种多尺度形态学滤波方法，将激光图像在多个尺度下进行形态学滤波处理，然后充分利用大尺度结构元素滤波效果强和小尺度结构元素保持边缘细节清晰的优势,根据计算的图像区域匀质性系数，将不同尺度下的形态学滤波结果融合，达到既能抑制噪声又能保持图像边缘的目的。本专利技术采取的技术方案是，包括下列步骤：(一)、采用不同尺度结构元素，分别对激光主动成像的图像进行形态开-闭和形态闭-开滤波运算；选取不同尺度的“disk”结构元素，半径分别为d1、d2……dn，结构元素用Bd(i)表示，Bd(1)为半径为d1的“disk”结构元素，Bd(2)为半径为d2的“disk”结构元素，以此类推；设F(x,y)为输入信号，S(x,y)为输出信号，利用结构元素Bd(i)对输入信号作形态开-闭和形态闭-开运算，运算结果分别表示为OCd(i)(x,y)、COd(i)(x,y)；将形态开-闭和形态闭-开运算结果相结合：其中，代表形态学开运算，代表形态学闭运算，OCCOd(i)(x,y)代表利用半径为di的“disk”结构元素进行形态开-闭和形态闭-开运算相结合的滤波结果图像；(二)根据图像局部区域的匀质性，将多尺度形态学滤波结果融合；(1).判断图像中各像素是否属于匀质区域对于每个图像像素，选取周围M×M邻域，根据式(8)，分别计算每个尺度下滤波图像OCCOd(i)(x,y)的区域均匀度，结果记为Hd(i)(x,y)；其中，f(x,y)代表以像素(x,y)为中心的M×M邻域，Var(f(x,y))、E[f(x,y)]分别表示局部区域内像素灰度值的方差和均值；用来判断图像区域匀质性的阈值为Hthresh，当Hd(i)≤Hthresh，像素(x,y)属于匀质区域；当Hd(i)>Hthresh，像素(x,y)属于非匀质区域；(2).融合多尺度形态滤波结果的激光图像噪声抑制多尺度形态学的图像去噪是将各个尺度结构元素的形态滤波结果进行加权平均，设Y(x,y)为融合图像，则：其中，si为对应各尺度结构元素滤波图像的加权系数；对si的定义如下：si'＝|Hd(i)(x,y)-Hthresh|，本专利技术步骤(二)中的(1)中：判断图像区域匀质性阈值Hthresh的选取：计算最大尺度结构元素下滤波图像的区域均匀度Hd(max)(x,y)，利用最大类间方差法Otsu方法对其进行二值化，二值化过程中得到的阈值选取为Hthresh。本专利技术的有益效果是：(1)基于形态学的滤波方法易于硬件逻辑结构实现，具有能实时处理和较好地保持图像边缘的优点；(2)采用多个尺度的结构元素进行形态学滤波去噪，可以充分利用大尺度结构元素滤波效果强和小尺度结构元素保持边缘细节清晰的优势；(3)利用图像局部区域的匀质性，作为各尺度结构元素滤波图像的融合依据，可以获得更好的激光图像去噪效果。对于灰度均匀的图像区域，主要采用大尺度形态学滤波结果，以获得较强的抑制噪声能力；对于包含丰富细节的非均匀图像区域,主要采用小尺度形态学滤波结果，以发挥小尺度下的定位特性，得到丰富的边缘。本专利技术可以应用于激光主动成像系统、合成孔径雷达、红外医学成像等存在散斑噪声的图像去噪场合。附图说明图1是本专利技术方法的流程图；图2是拍摄的激光图像；图3是最大尺度滤波图像的区域均匀度图；图4是本专利技术方法的噪声抑制结果图像；图5是Lee滤波图像；图6是SBF滤波图像；图7是Kuan滤波图像。具体实施方式包括下列步骤：(一)、采用不同尺度结构元素，分别对激光图像进行形态开-闭和形态闭-开滤波运算；形态学的基本运算有膨胀、腐蚀、开启和闭合。基于这些基本运算可以推导和组合成各种形态学实用算法。假定结构元素为B，信号为F，灰度形态学定义的基本运算为:膨胀：腐蚀：(FΘB)(x,y)＝min{F(x+s,y+t)-B(s,t)|(x+s),(y+t)∈DF；(s,t)∈DB}(2)开启：闭合：一般情况下,图像中的噪声往往由信号上下凸起的尖峰组成。在对图像进行噪声抑制时，最常用的形态学滤波技术是开运算、闭运算以及它们的混合运算。本文算法首先通过不同顺序级联开、闭运算，构造形态开-闭和形态闭-开滤波器；选取不同尺度的“disk”结构元素，半径分别为d1、d2……dn，结构元素用Bd(i)表示，Bd(1)为半径d1的“disk”结构元素，Bd(2)为半径为d2的“disk”结构元素，以此类推；设F(x,y)为输入信号，S(x,y)为输出信号，利用结构元素Bd(i)对输入信号作形态开-闭和形态闭-开运算，运算结果分别表示为OCd(i)(x,y)、COd(i)(x,y)；将形态开-闭和形态闭-开运算结果相结合：其中，代表形态学开运算，代表形态学闭运算，OCCOd(i)(x,y)代表利用半径为di的“disk”结构元素进行形态开-闭和形态闭-开运算相结合的滤波结果图像；(二)根据图像局部区域的匀质性，将多尺度形态学滤波结果融合。对于灰度均匀的图像区域，主要采用大尺度形态学滤波结果，以获得较强的抑制噪声能力；对于包含丰富细节的非均匀图像区域,主要采用小尺度形态学滤波结果，以发挥小尺度下的定位特性，得到丰富的边缘。这一过程包括两个步骤：一是判断图像中各像素属于匀质区域还是非匀质区域；二是根据图像局部区域的匀质性，将多尺度形态学滤波结果进行融合，详细步骤如下：(1).判断图像中各像素是否属于匀质区域对于每个图像像素，选取周围M×M邻域，根据式(8)，计算该图像区域的均匀度H(x,y)。其中，f(x,y)代表以像素(x,y)为中心的M×M邻域，Var(f(x,y))、E[f(x,y)]分别表示局部区域内像素灰度值的方差和均值；用来判断图像区域匀质性的阈值为Hthresh，当Hd(i)≤Hthresh，像素(x,y)属于匀质区域；当Hd(i本文档来自技高网...

【技术保护点】
一种激光主动成像的图像噪声抑制方法，其特征在于包括下列步骤：(一)、采用不同尺度结构元素，分别对激光主动成像的图像进行形态开‑闭和形态闭‑开滤波运算；选取不同尺度的“disk”结构元素，半径分别为d

【技术特征摘要】
1.一种激光主动成像的图像噪声抑制方法，其特征在于包括下列步骤：(一)、采用不同尺度结构元素，分别对激光主动成像的图像进行形态开-闭和形态闭-开滤波运算；选取不同尺度的“disk”结构元素，半径分别为d1、d2……dn，结构元素用Bd(i)表示，Bd(1)为半径为d1的“disk”结构元素，Bd(2)为半径为d2的“disk”结构元素，以此类推；设F(x,y)为输入信号，S(x,y)为输出信号，利用结构元素Bd(i)对输入信号作形态开-闭和形态闭-开运算，运算结果分别表示为OCd(i)(x,y)、COd(i)(x,y)；OCd(i)(x,y)＝((FοBd(i))·Bd(i))(x,y)(5)COd(i)(x,y)＝((F·Bd(i))οBd(i))(x,y)(6)将形态开-闭和形态闭-开运算结果相结合：其中，“ο”代表形态学开运算，“·”代表形态学闭运算，OCCOd(i)(x,y)代表利用半径为di的“disk”结构元素进行形态开-闭和形态闭-开运算相结合的滤波结果图像；(二)根据图像局部区域的匀质性，将多尺度形态学滤波结果融合；(1).判断图像中各像素是否属于匀质区域对于每个图像像素，选取周围M×M邻域，根据式(8)，分别计算每个尺度下滤波图像OCCOd(i)(x,y)的区域均匀度，结果记...

【专利技术属性】
技术研发人员：王宇，朴燕，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林,22