一种基于融合重构制导滤波的可见光图像噪声去除方法技术

本发明专利技术一种基于融合重构制导滤波的可见光图像噪声去除方法，首先获取同一场景的近红外和可见光拍摄的两种图像，在可见光图像带有噪声的情况下，将可见光图像切分成RGB三部分，然后将每个RGB分量首先通过维纳滤波模糊后与近红外图像进行分别融合，在规定融合图像整体灰度范围的条件下补充融合图像细节形成制导图像，最后利用该制导图像对原始带噪声的可见光图像进行整体制导滤波去除噪声并保留清晰的细节。本发明专利技术提出的方法不会因为平滑细节而破坏图像观感，因此在强噪声条件下表现优秀。因此在强噪声条件下表现优秀。因此在强噪声条件下表现优秀。

【技术实现步骤摘要】
一种基于融合重构制导滤波的可见光图像噪声去除方法


[0001]本专利技术涉及图像处理领域，具体是涉及一种基于融合重构制导滤波的可见光 图像噪声去除方法。

技术介绍

[0002]图像去噪在图像处理中具有重要意义。噪声去除的难点是如何在保 持边缘的同时有效地去除噪声。噪声和细节都属于高频成分，因此在单 个图像中很难区分噪声和细节。在过去的几十年里，人们提出了不同的 图像去噪方法，有一些著名而有效的方法，如TV正则化，基于SVD的 方法，块匹配和3D滤波(BM3D)和深度学习方法，每一种方法都有其优 点和局限性。
[0003]TV正则化模型通常由正则化项和保真项组成，正则化项描述图像的 先验性，保真项使得恢复后的图像区别于噪声图像；同时，基于TV模 型的方法需要迭代求解，且耗时较长。
[0004]基于SVD的方法利用清晰图像的低阶特征去噪，对噪声图像进行奇 异值分解后，选取对角矩阵的部分特征值进行恢复；然而，图像噪声通 常是加性噪声，去噪问题可识别为逆问题，很难估计清晰图像的秩；同 时，基于SVD的方法也非常昂贵。
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合重构制导滤波的可见光图像噪声去除方法，其特征在于，所述方法的步骤为：步骤1、获取同一场景拍摄的近红外图像I
nir
和可见光噪声图像I
rgb
；步骤2、对可见光图像进行预处理，将可见光图像切分成RGB三部分，将每个RGB分量构成的灰度图像分别通过维纳滤波，去除灰度图像中的噪声梯度，分别得到去梯度图像I
winne
；步骤3、对去梯度图像I
winne
进行TV图像平滑，去除被错误识别的纹理；步骤4、对近红外图像I
nir
进行纹理和细节的提取，融合步骤3中经过处理得到的图像的颜色信息和近红外图像的纹理信息，得到新的制导图像；步骤5、利用新的制导图像对步骤1中的可见噪声光图像进行噪声去除及边缘增强，得到最终制导图像。2.根据权利要求1所述的一种基于融合重构制导滤波的可见光图像噪声去除方法，其特征在于，步骤2中，通过维纳滤波去除灰度图像中的噪声梯度：其中和分别为以(x，y)为中心的像素的均值和方差，g(x，y)为可见光噪声图像通道分量的像素值，为噪声图像中所有像素的方差，和分别表示可见光噪声图像的方差和均值，和定义如下：定义如下：M和N是窗口Ω以点(x，y)为中心的高度和宽度。3.根据权利要求1所述的一种基于融合重构制导滤波的可见光图像噪声去除方法，其特征在于，步骤3中，对去梯度图像进行TV图像平滑，将去梯度图像I
winne
作为输入图像，P为输出图像，P通过求解：其中，为保真度项，k为P中的像素阶数，λ表示为正则化项权重因子，C(P)是正则化项，表示为：通过求解上述公式，对P进行平滑，去除噪声引起的纹理。4.根据权利要求2所述的一种基于融合重构制导滤波的可见光图像噪声去除方法，其特征在于，步骤4中，将近红外图像I
nir
和输出图像P通过小波变换分解，再通过逆变换融合在一起，得到新的制导图像；其中图像的小波分解表示为：
其中x和τ分别是缩放和平移参数ψ表示为小波分解中的子小波的个数，τ表示时间单位，s表示频率单位，d表示积分项，图像f(x)可以通过恢复来恢复：其中W
ψ
(s，τ)是f(x)的分解，c
ψ
是分解出来的小包的数量。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：杨昕泽，蔡闻超，齐露，郭思婕，吴杨康，张菁芮，刘宁，许吉，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：