【技术实现步骤摘要】
一种结合特征提取与非线性拟合的图像去条纹方法
[0001]本专利技术属于图像去噪领域,涉及图像卷积滤波理论以及统计滤波基础上的特征提取以及矩阵恢复的问题。通过对噪声特征的提取以及统计,求解非线性模型,以达到最终去噪的目的。
技术介绍
[0002]条纹噪声是影响可见光监控、红外等图像质量的最主要的噪声之一。这种噪声一般是由于读出电路工艺上的不完善导致的,随着时间推移以及环境的改变,如红外传感器周边温度的变化、图像传感器不同位置的响应变化等,条纹噪声会逐渐变化,持续的影响图像质量,以及后续的检测和识别等算法的实现效果。虽然在数模信号转换之前会对模拟电信号做一定硬件预处理,但由于校准以及参数准确性的不足,这类预处理并不总是有效的。因此,基于图像的条纹噪声去除逐渐变得越来越重要,特别是当前视频监控、智能识别等领域的快速发展的前提下。
[0003]当前研究的算法主要分为三类,第一类是基于场景统计的方法,这类方法的原理是先拍摄温度场恒定的黑体作为参考来校正图像,使各个传感器输出保持一致。再通过对现实场景中的条纹估计实时更新校正信息。典型的算法有Hayat等提出的最小均方误差有限脉冲响应滤波算法,这类方法运算简单,也有一定的效果。但在遇到图像中的条纹产生突变时难以自适应调节,同时在有死像素的情况下场景估计算法失效。第二类是基于滤波的方法,这类方法普遍采用傅里叶变换、小波变换等方式,利用空间以及频域特征提取条纹并去除,因此也被称为基于特征的方法,主要典型有Roshan等人提出的基于小波分析和自适应傅立叶零频幅度归一化算法,这 ...
【技术保护点】
【技术特征摘要】
1.一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于步骤如下:步骤1、采集待处理图像,通过列平均变换得到一维向量集;步骤2、求解向量的平滑特征,得到非线性拟合处理结果;步骤3、利用特征向量C
S
(1,N),对待处理图像进行按行相减操作,得到初步重构图像I
rou
(M,N);步骤4、对初步重构图像I
rou
(M,N)进行精细处理,消除在步骤3中遗漏的噪声;步骤5、利用特征向量,对I
rou
(M,N)进行按行相减操作,得到最终的重构图像。2.根据权利要求1所述的一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于:所述步骤1具体包括:通过相机采集到待处理图像I
ref
(M,N),其中(M,N)代表待处理图像像素的高度和宽度;接着对图像进行按列求平均得到列平均值,进而得到长度为N的一维向量集C
N
(1,N)。3.根据权利要求2所述的一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于:对图像进行按列求平均得到列平均值的公式为:C(1,t)=mean(I
ref
(M,t)),t=1,...,N;其中,mean代表对括号内容进行求平均处理,t表示当前图像的列数,数值大小从1到图像宽度N,待处理图像I
ref
(M,N)的变形I
ref
(M,t),表示为图像某一列所有像素构成的向量,得到列平均值结果C(1,t)。4.根据权利要求3所述的一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于:所述步骤2具体包括:初始的一维向量集经过多项式平滑算法处理,得到新的平滑向量集;再将原始向量集与处理后的向量集相减,获得最终输出的非线性条纹特征向量C
S
(1,N)。5.根据权利要求4所述的一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于:所述步骤2的具体过程为:步骤2.1、使用窗函数长度为k=11的多项式平滑滤波,对C
N
(1,N)中存在的部分数据突变进行平滑操作,以及对数据趋势的错位进行纠正处理,得到非线性拟合向量C
SG
(1,N);步骤2.2、C
N
(1,N)与C
SG
(1,N)相减,得到最终输出的非线性条纹特征向量C
S
(1,N)。6.根据权利要求3所述的一种结合特征提取与非线性拟合的图像去条纹方法,其特征在于:所述步骤3具体包括:利用特征向量C
S
(1,N),对待处理图像进行按行相减操作I
rou
(m,N)=I
ref
(m,N)
‑
C
S
(1,N),m=1,...,M;其中,m表示当前处理图像...
【专利技术属性】
技术研发人员:黄斯翀,陆铁军,陆振林,陈雷,杨若凌,李冠辰,薛钰,
申请(专利权)人:北京微电子技术研究所,
类型:发明
国别省市:
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。