基于FPGA的红外图像降噪方法及系统技术方案

本发明专利技术提供了一种基于FPGA的红外图像降噪方法及系统，包括如下步骤：步骤S1：确定搜索窗口和匹配窗口，根据搜索窗口和匹配窗口确定匹配块和中心块；步骤S2：计算各个匹配块和中心块的相似度；步骤S3：根据相似度计算各个匹配块的权重；步骤S4：根据各个匹配块的值和各个匹配块的权重，计算出图像点的降噪结果，根据图像点的降噪结果得到降噪后的图像。本发明专利技术不影响算法效果，能在FPGA上实现，将原始nlmeans的过程进行改进，从而更加适应FPGA上的实现，并且对效果不造成很大影响。并且对效果不造成很大影响。并且对效果不造成很大影响。

【技术实现步骤摘要】
w表示权重。
[0017]优选的，在所述步骤S3中，w(S
i
)的范围为1～0，将权重w和相似度S
i
的关系曲线进行离散化处理，将原始扩大倍数即乘以2的n次方，变成扩大倍数即乘以2的n次方，变成n根据输入图像的灰度范围以及精度确定；对进行定点化。
[0018]优选的，在所述步骤S4中，中心块Q的中心像素降噪后的结果Q
C
：
[0019][0020]其中，Pi
c
为第i个匹配块的中心像素。
[0021]根据本专利技术提供的一种基于FPGA的红外图像降噪系统，包括如下模块：
[0022]模块M1：根据图像噪声确定搜索窗口和匹配窗口，根据搜索窗口和匹配窗口确定匹配块和中心块；
[0023]模块M2：计算各个匹配块和中心块的相似度；
[0024]模块M3：根据相似度计算各个匹配块的权重；
[0025]模块M4：根据各个匹配块的值和各个匹配块的权重，计算出图像点的降噪结果，根据图像点的降噪结果得到降噪后的图像。
[0026]优选的，在所述模块M2中，计算匹配块Pi和中心块Q的相似度S
i
：
[0027]S
i
＝∑|Pi(x，y)
‑
Q(x，y)|
[0028]其中Pi(x，y)表示第i个匹配块(x，y)位置的像素值；Q(x，y)表示中心块(x，y)位置的像素值；x表示匹配块或中心块相同的横向位置；y表示匹配块或中心块相同的纵向位置；i表示匹配块的索引号，i＝1，2，
……
，K，K表示匹配块总数量。
[0029]优选的，在所述模块M3中，各个匹配块的权重的函数为
[0030][0031]其中，σ为图像噪声程度；e表示自然对数的底数；w(S
i
)表示第i个匹配块的权重； w表示权重。
[0032]优选的，在所述模块M3中，w(S
i
)的范围为1～0，将权重w和相似度S
i
的关系曲线进行离散化处理，将原始扩大倍数即乘以2的n次方，变成扩大倍数即乘以2的n次方，变成n根据输入图像的灰度范围以及精度确定；对进行定点化。
[0033]优选的，在所述模块M4中，中心块Q的中心像素降噪后的结果Q
C
：
[0034][0035]其中，Pi
c
为第i个匹配块的中心像素。
[0036]与现有技术相比，本专利技术具有如下的有益效果：
[0037]1、本专利技术不影响算法效果，能在FPGA上实现，将原始nlmeans的过程进行改进，从而更加适应FPGA上的实现，并且对效果不造成很大影响；
[0038]2、本专利技术计算速度更快，有利于提高红外图像的降噪效率；
[0039]3、本专利技术节约硬件资源。
附图说明
[0040]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0041]图1为本专利技术nlmeans算法原理示意图；
[0042]图2为本专利技术图像相似度计算公式图；
[0043]图3为本专利技术算法对比图。
具体实施方式
[0044]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0045]本专利技术实施例公开了一种基于FPGA的红外图像降噪方法，如图1和图2所示，包括包括如下步骤：
[0046]步骤S1：根据图像噪声确定搜索窗口和匹配窗口，根据搜索窗口和匹配窗口确定匹配块和中心块。根据图像噪声情况确定搜索窗口尺寸和匹配窗口尺寸。假设N＝11和 d＝3，那么匹配块共有81块；搜索窗口为N*N，匹配窗口为d*d。其中N表示搜索窗口的尺寸，d表示匹配窗口的尺寸。本专利技术对权重公式进行改进，从而适合FPGA实现】
[0047]步骤S2：计算各个匹配块和中心块的相似度。计算匹配块Pi和中心块Q的相似度S
i
：
[0048]S
i
＝∑|Pi(x，y)
‑
Q(x，y)|
[0049]其中Pi(x，y)表示第i个匹配块(x，y)位置的像素值；Q(x，y)表示中心块(x，y)位置的像素值；x表示匹配块或中心块相同的横向位置，即行号；y表示匹配块或中心块相同的纵向位置，即列号；i表示匹配块的索引号，i＝1，2，
……
，K。i＝1
……
81，K可以为 81。S
i
表示第i个匹配块和中心块Q的相似度，K表示匹配块总数量。
[0050]例如通用的计算方法如图2所示，为了方便FPGA计算采用对应像素点差的绝对值。两个图像块之间的相似度Similarity＝∑|az
‑
bz|，其中az和bz均表示图像块像素值，z是表示两图像块图像中相同位置，z＝1，2，
···
，9。
[0051]步骤S3：根据相似度计算各个匹配块的权重。根据相似度计算权重w。各个匹配块的权重的函数为
[0052][0053]其中，σ为图像噪声程度；e表示自然对数的底数；w(S
i
)表示第i个匹配块的权重； w表示权重。权重根据相似度S
i
计算得到，但是幂次计算在FPGA上实现比较麻烦，因此需要对此函数进行定点化。w(S
i
)的范围为1～0，将权重w和相似度S
i
的关系曲线进行离散化处
理，将原始扩大倍数即乘以2的n次方，变成 n根据输入图像的灰度范围以及精度确定；对进行定点化。
[0054]定点化过程具体为：一、将曲线离散化，因为范围为1～0，所以为了方便将连续曲线离散化(该曲线指的是w和S
i
的公式关系)，将原始扩大一定的倍数即乘以2的n次方，变成这样w就能从小数变为整数，n可以根据输入图像的灰度范围以及精度确定，例如n取12，因此w(S
i
)扩大4096倍；扩大倍数与原始图像像素范围有关系，如果是8位原始图像，即n＝8则乘以256，；如果是12位原始图像，即n＝12则乘以4096。二、对参数进行定点化：对(其中，S
i
已知为非负整数)进行定点化：两边取2为底的对数变成化简下变成这里取σ＝10为例子，上式变为log2w＝
‑
0.0072S
i2
+12。
[0055]因为原始数据扩大4096倍，就是为了保证w为正整数，所以这里可以默认w为正整数，即所以推算出：
‑
0.0072S
i2
+12＞＝0，即S
i
取值为0～40，所以
‑
0.0072S
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FPGA的红外图像降噪方法，其特征在于，包括如下步骤：步骤S1：根据图像噪声确定搜索窗口和匹配窗口，根据搜索窗口和匹配窗口确定匹配块和中心块；步骤S2：计算各个匹配块和中心块的相似度；步骤S3：根据相似度计算各个匹配块的权重；步骤S4：根据各个匹配块的值和各个匹配块的权重，计算出图像点的降噪结果，根据图像点的降噪结果得到降噪后的图像。2.根据权利要求1所述的基于FPGA的红外图像降噪方法，其特征在于，在所述步骤S2中，计算匹配块Pi和中心块Q的相似度S
i
：S
i
＝∑|Pi(x，y)
‑
Q(x，y)|其中Pi(x，y)表示第i个匹配块(x，y)位置的像素值；Q(x，y)表示中心块(x，y)位置的像素值；x表示匹配块或中心块相同的横向位置；y表示匹配块或中心块相同的纵向位置；i表示匹配块的索引号，i＝1，2，
……
，K，K表示匹配块总数量。3.根据权利要求1所述的基于FPGA的红外图像降噪方法，其特征在于，在所述步骤S3中，各个匹配块的权重的函数为其中，σ为图像噪声程度；e表示自然对数的底数；w(S
i
)表示第i个匹配块的权重；w表示权重。4.根据权利要求3所述的基于FPGA的红外图像降噪方法，其特征在于，在所述步骤S3中，w(S
i
)的范围为1～0，将权重w和相似度S
i
的关系曲线进行离散化处理，将原始扩大倍数即乘以2的n次方，变成n根据输入图像的灰度范围以及精度确定；对进行定点化。5.根据权利要求1所述的基于FPGA的红外图像降噪方法，其特征在于，在所述步骤S4中，中心块Q的中心像素降噪后的结果Q
C
：其中，Pi
c
为第i个匹配块的中心像素。6.一种基于F...

【专利技术属性】
技术研发人员：张磊，陈诚知，
申请(专利权)人：上海热芯视觉科技有限公司，
类型：发明
国别省市：