The invention discloses an infrared image denoising method based on Butterworth filter. Firstly, the image is divided into high-frequency component and low-frequency component by Butterworth filter, the image of high-frequency component is denoised by partial differential equation, the low-frequency component is denoised by Fourier inverse transformation, and the denoising is achieved by image enhancement and fusion of median filtering results. The processed high-frequency component and low-frequency component are converted into frequency domain for fusion, and then the denoised image can be obtained by inverse Fourier transform to spatial domain. The invention can obviously improve the signal-to-noise ratio of the infrared image, thereby removing the noise in the image, distinguishing the image from the background clearly, and improving the quality of the infrared image.
【技术实现步骤摘要】
一种基于巴特沃斯滤波器的红外图像去噪方法
本专利技术涉及图像去噪
,具体涉及一种基于巴特沃斯滤波器的红外图像去噪方法。
技术介绍
红外图像已经被广泛的应用于光学测量、目标识别、国防军工等一系列关系国计民生的方面,然而,红外探测器在成像过程中不可避免的会受到噪声的影响。一般而言对于红外相机大致有四种噪声:背景噪声(backgroundnoise)、暗噪声(darknoise)、光子噪声(photonnoise)和读出噪声(readoutnoise),这些噪声按照统计分布来讲可以分为四类:高斯白噪声、泊松白噪声、混合白噪声以及1/f噪声。以上所述的噪声均会使得图像整体灰度值变大,即使得图像整体变白,这种噪声效果尤其会使得强光背景下的红外图像质量有较大的下降,图1为在强光背景下的红外图像。传统的图像去噪方法大约可以分为两大类:空域平滑和频域滤波。这些方法对噪声都有一定的抑制作用,但是对于红外图像尤其是高噪声强光背景下的红外图像的低对比度,处理后的图像较为模糊,对提高红外图像的质量的作用并不明显。
技术实现思路
本专利技术的目的在于提供一种基于巴特沃斯滤波器的红外图像去噪方法,能够提高强光背景下红外图像的信噪比,从而去除图像中的噪声。为实现上述目的,本专利技术采用如下技术方案:一种基于巴特沃斯滤波器的红外图像去噪方法,依次包括以下步骤:步骤1:读取添加高斯白噪声的原始图像im1,计算出原始图像的灰度均值、灰度方差、中位灰度值和四分灰度差,并计算该原始图像的巴特沃斯滤波器最佳参数;步骤2:获取原始图像im1;步骤3:对步骤2得到的图像im1进行傅里叶变换,并且将低 ...
【技术保护点】
1.一种基于巴特沃斯滤波器的红外图像去噪方法,其特征在于,依次包括以下步骤:步骤1:读取添加高斯白噪声的原始图像im1,计算出原始图像的灰度均值、灰度方差、中位灰度值和四分灰度差,并计算该原始图像的巴特沃斯滤波器最佳参数;步骤2:获取原始图像im1;步骤3:对步骤2得到的图像im1进行傅里叶变换,并且将低频分量转换至频谱图的中心位置;步骤4:利用步骤1中计算出的最佳参数,设计巴特沃斯低通滤波器,分别获得原始图像im1的低频分量im_L和高频分量im_H;步骤5:对步骤4得到的高频分量im_H做傅里叶反变换得到图像im2,获取图像im2的高频分量的梯度及其梯度模值,具体公式如下:
【技术特征摘要】
1.一种基于巴特沃斯滤波器的红外图像去噪方法,其特征在于,依次包括以下步骤:步骤1:读取添加高斯白噪声的原始图像im1,计算出原始图像的灰度均值、灰度方差、中位灰度值和四分灰度差,并计算该原始图像的巴特沃斯滤波器最佳参数;步骤2:获取原始图像im1;步骤3:对步骤2得到的图像im1进行傅里叶变换,并且将低频分量转换至频谱图的中心位置;步骤4:利用步骤1中计算出的最佳参数,设计巴特沃斯低通滤波器,分别获得原始图像im1的低频分量im_L和高频分量im_H;步骤5:对步骤4得到的高频分量im_H做傅里叶反变换得到图像im2,获取图像im2的高频分量的梯度及其梯度模值,具体公式如下:其中,表示图像im2的高频分量的梯度,表示图像im2的高频分量的梯度模值,im2x和im2y表示图像im2的梯度的水平方向分量和垂直方向分量;步骤6:根据步骤5中得到的高频分量的梯度及其模值构建偏微分方程对im2进行去噪:其中,是图像im2对时间的偏导数,为平坦区域的主扩散系数,ρ为边缘区域主扩散系数,当时,默认图像按照进行扩散,反之,图像按照进行扩散,div(·)代表求散度,g(·)为扩散方程;对上述偏微分方程进行迭代,得到高频滤波图像im3;步骤7:根据下式计算步骤6中的偏微分方程的平坦区域主扩散系数和边缘区域注扩散系数ρ:其中,h为经验取值,一般取h∈[0.5,0.8];步骤8:对步骤4中得到的图像的低频分量im_L做傅里叶反变换得到图像im4;步骤9:利用步骤5的方法,求图像im4的梯度按照下式重建梯度场函数,以增强图像微弱边缘:其中,N为细节阈值,小于N的梯度值被认为是噪声,被舍弃掉,x表示图像im4中某一点的梯度模值,函数输出的结果表示该点的梯度增强系数;然后将该梯度增强系数同该位置的像素点灰度值相乘,得到增强图像im_z;步骤10:对步骤9得到的增强图像im_z进行自适应canny边缘处理,并二值化,得到图像im5;步骤11:设定边缘像素个数阈值为M,对图像im5进行边缘统计,从某灰度点为1的图像开始计数,计算该点四周8邻域是否存在灰度为1的点,如果存在,则继续对下一个8邻域进行计数,如果不存在则退出计数,若最终的数值大于M则认为是边缘,使其灰度值为1,否则认为是伪边缘,使其灰度值为0,利用此方法得到低频分量边缘图像im6;步骤12:对步骤8得到的图像im4进...
【专利技术属性】
技术研发人员:于坤,焦青亮,刘子龙,刘玉芳,
申请(专利权)人:河南师范大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。