一种基于图像分块的自适应红外图像、视频竖纹去除方法技术

本发明专利技术涉及一种红外数字图像处理方法，特别涉及一种基于图像分块的自适应红外图像、视频竖纹去除方法。本发明专利技术的目的是解决现有红外竖纹去除方法存在计算量较大、不利于硬件实现或存在竖纹残留、图像边缘副作用的技术问题。通过获取预处理后的图像帧数据，对图像数据进行滤波，分别对滤波前后图像进行分块，利用各图像块在列方向上的一维噪声特征分布，进行自适应的图像边缘评价得到竖纹噪声叠加量，并修正以列为单位取中值作为该列最终竖纹噪声叠加量，而后利用最终竖纹噪声叠加量，以列为单位在原始图像上的进行竖纹消除。该方法可抑制传统算法带来的边缘副作用，算法复杂度较低，具备较高的实时性以及工程实现性。

【技术实现步骤摘要】
一种基于图像分块的自适应红外图像、视频竖纹去除方法
本专利技术涉及一种红外数字图像处理方法，特别涉及一种基于图像分块的自适应红外图像、视频竖纹去除方法。
技术介绍
红外成像系统中，红外探测器的读出电路中通常同一列像元分享同一个输出电路，由于列输出电路和行输出电路的偏置电压不完全一致，会导致图像产生以竖纹为主要特征的非均匀噪声，即竖纹噪声。因竖纹噪声属于红外非均匀性的表现之一，故传统的基于定标或场景的校正方法可对竖纹噪声产生一定的抑制作用，但残余的竖纹噪声仍对图像有较大的视觉影响。除传统的红外校正算法外，现有的去除红外竖纹噪声的方法主要有两类：第一类为基于变换的竖纹去除方法。该方法需要将原始图像数据进行域变换至傅里叶空间域或小波域，再进行竖纹噪声的标定，最后进行逆域变换以达到噪声去除目的，该方法可在不丢失原始图像信息的前提下较好地去除竖纹噪声，但致命缺点在于该算法计算量较大，不利于硬件实现。第二类为基于特征统计的竖纹去除方法。该方法对全局图像进行滤波，以高频信息差作为竖纹非均匀性特征数据，然后利用原始图像与竖纹特征数据做差本文档来自技高网...

【技术保护点】
1.一种基于图像分块的自适应红外图像竖纹去除方法，其特征在于：/n1)对采集到的红外图像进行预处理以初步消除非均匀噪声及盲元点，将预处理后的图像作为输入图像p；/n2)对输入图像p进行低通引导滤波处理以平滑噪声，得到滤波结果图像q；/n3)对输入图像p和滤波结果图像q进行相同的横向分块处理，分块个数均为n，n≥2；/n4)分别计算输入图像p和滤波结果图像q的每个横向块中每一列的平均灰度值；/n5)计算输入图像p每个横向块中每一列平均灰度值与滤波结果图像q相应横向块中相应列平均灰度值的差值，作为该横向块中该列的初步竖纹噪声叠加量DeltaNoise'；/n6)利用自适应的边缘评价函数，对初步竖纹...

【技术特征摘要】
1.一种基于图像分块的自适应红外图像竖纹去除方法，其特征在于：
1)对采集到的红外图像进行预处理以初步消除非均匀噪声及盲元点，将预处理后的图像作为输入图像p；
2)对输入图像p进行低通引导滤波处理以平滑噪声，得到滤波结果图像q；
3)对输入图像p和滤波结果图像q进行相同的横向分块处理，分块个数均为n，n≥2；
4)分别计算输入图像p和滤波结果图像q的每个横向块中每一列的平均灰度值；
5)计算输入图像p每个横向块中每一列平均灰度值与滤波结果图像q相应横向块中相应列平均灰度值的差值，作为该横向块中该列的初步竖纹噪声叠加量DeltaNoise'；
6)利用自适应的边缘评价函数，对初步竖纹噪声叠加量DeltaNoise'进行修正，得到修正后的竖纹噪声叠加量DeltaNoise，将修正后的竖纹噪声叠加量DeltaNoise以列为单位按照大小排序，选取中间值作为当前帧图像在该列的最终竖纹噪声叠加量；
7)以列为单位，计算输入图像p与当前帧图像的最终噪声叠加量的差值，得到消除竖纹噪声的目标红外图像。


2.根据权利要求1所述的基于图像分块的自适应红外图像竖纹去除方法，其特征在于：
步骤2)中，所述低通引导滤波所用公式如下：












其中，
E(ak,bk)为引导滤波误差值；
ak和bk均为常量参数；
ωk为图像中以r为半径的滤波窗口；
p为输入图像；
I为引导图像；
ε为正则化参数；
i为ωk滤波窗口內的每一个像素点；
k为滤波窗口索引；
σ2为引导图像I在滤波窗口ωk内的方差。


3.根据权利要求1或2所述的基于图像分块的自适应红外图像竖纹去除方法，其特征在于：
步骤6)中，所述利用自适应边缘评价函数，对初步竖纹噪声叠加量DeltaNoise'进行修正，得到修正后的竖纹噪声叠加量DeltaNoise，具体为：
6.1)对输入图像p的每个横向块以列为单位，连续提取M个列的平均灰度值，M≥3；
6.2)以为卷积核、步长为1，对提取到的M个竖纹噪声叠加量数据进行卷积运算，得到图像水平梯度Grad，卷积公式如下：



其中，
j＝0…col为列索引；
col为图像列数；
m＝0…1对应卷积核的元素索引；
6.3)利用图像水平梯度Grad，得到竖纹噪声变化趋势为NoiseTrend：
NoiseTrend(j+1)＝Grad(j)*Grad(j+1)
6.4)根据NoiseTrend数值，初步修正DeltaNoise’：



6.5)设定2个经验阈值分别作为限定竖纹噪声的经验上限阈值和经验下限阈值，以决定去除竖纹噪声的强度，利用经验上限阈值和经验下限阈值进一步修正，得到修正后的竖纹噪声叠加量DeltaNoise：



其中，
DeltaThr1为经验上限阈值；
DeltaThr2为经验下限阈值。


4.根据权利要求3所述的基于图像分块的自适应红外图像竖纹去除方法，其特征在于：
步骤1)中，所述预处理的方式为非均匀校正和盲元补偿。


5.一种基于图像分块的自适应红外视频竖纹去除方法，其特征在于：
1)对采集到的红外视频的第N-1帧图像进行预处理以初步消除非均匀噪声及盲元点，将预处理后的图像作为输...

【专利技术属性】
技术研发人员：宋洁，王鹏，刘伟，段程鹏，张帆，杨遥，
申请(专利权)人：西安中科立德红外科技有限公司，
类型：发明
国别省市：陕西;61