一种红外图像多维降噪方法、存储介质及装置制造方法及图纸

本发明专利技术公开了一种红外图像多维降噪方法、装置及存储介质，涉及红外图像处理技术领域。其中方法包括：对红外探测器获取的红外图像进行预处理，得到原始图像；对于原始图像，通过引导滤波将其划分为背景层与细节层；对于背景层，使用动态压缩方法将其压缩；对于细节层，基于粗糙集理论中的等价关系概念进一步多维度分层，得到低噪声子图、不确定噪声子图与高噪声子图，分别确定其增强系数、自适应降噪系数、降噪系数后，将系数与子图相乘得到新子图，并合并得到新细节层；最后，合并背景层与新细节层，输出处理还原后的图像。本发明专利技术公开的这种红外图像降噪方法，具有降噪效果好、细节信息保持能力强，以及实时性高等优点。以及实时性高等优点。以及实时性高等优点。

【技术实现步骤摘要】
一种红外图像多维降噪方法、存储介质及装置


[0001]本专利技术涉及红外图像降噪领域，具体涉及一种红外图像多维降噪方法、存储介质及装置。

技术介绍

[0002]红外成像技术具备抗干扰、抗遮挡、成像不受时间地点限制等优势，已广泛应用于军事探测、民用搜救、商业监控等领域。受设备限制和外界环境因素的影响，红外图像中存在各种噪声，这些噪声会导致图像对比度降低、边缘模糊不清等，从而加大有效信息获取难度。成像过程中引入的动态噪声是红外图像的主要噪声来源之一，为满足不同领域特别是军用领域的应用需求，高性能、高效率的红外图像降噪处理方法已经成为研究趋势。
[0003]传统的红外图像降噪算法大体上可分为空间域降噪算法与变换域降噪算法。空间域降噪算法主要包括高斯滤波、中值滤波和均值滤波等方法，这些方法虽然处理速度快、资源消耗少，但是降噪与细节保留能力不足；变换域降噪算法主要包括小波变换、Contourlet变换等，对细节信息的保留效果较好，但是算法复杂度偏高，难以满足实时性应用要求。近年来，基于图像分层的降噪算法更受关注，这类算法相比变换域算法有更高的执行效率，相比空间域降噪算法可以保留更多图像细节，但是由于细节层降噪处理中不区分噪声和细节，这些方法的细节保持能力仍有待提高。
[0004]红外图像噪声类型有很多种，其生成随机且复杂，包含很多不精确的信息。粗糙集理论是一种处理不确定信息的理论，能够将不确定、不精确的信息进行分类，在信息分类基础上采用不同的方法对信息进行处理，可以提高信息处理的准确性。将粗糙集理论应用于红外图像降噪处理，其降噪效果强于同为空间域的降噪算法。虽然其属于空间域降噪的范畴，但是在算法复杂度、实时性和移植到硬件平台的难度方面，具有变换域降噪算法和结合降噪算法无法比拟的优势，其边缘保持度也优于经典的空间域降噪算法，适用性更为广泛。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种红外图像多维降噪方法、存储介质及装置，在对红外图像降噪的同时，尽可能兼顾图像细节保留和图像处理的实时性。
[0006]本专利技术的目的是基于以下技术方案实现的：首先基于红外图像分层处理的思想，通过引导滤波对红外图像进行分层得到背景层和细节层，再引入粗糙集理论对细节层进行进一步噪声抑制与细节增强，最后与背景层合并，输出处理后的图像。本专利技术中的红外图像多维降噪方法，具体步骤如下：
[0007]步骤1、对红外探测器获取的红外图像进行预处理，得到原始图像；
[0008]步骤2、对于原始图像，通过引导滤波分层，将其划分为背景层与细节层；
[0009]步骤3、对于背景层，使用动态压缩方法将其压缩；
[0010]步骤4、对于细节层，基于粗糙集理论中的等价关系概念进一步多维度分层，得到低噪声子图、不确定噪声子图与高噪声子图；
[0011]步骤5、对于低噪声子图、不确定噪声子图、高噪声子图，分别确定其增强系数、自适应降噪系数、降噪系数，将系数与子图分别相乘得到新子图，再将子图合并得到新细节层；
[0012]步骤6、合并背景层与新细节层，输出处理还原后的图像。
[0013]优选地，在步骤1中，对于红外探测器获取到的图像，通过非均匀性校正以及盲元替换得到原始图像。
[0014]优选地，在步骤2中，通过引导滤波器对原始图像进行平滑处理得到背景层，再将输入图像与背景层图像做差得到细节层，引导滤波通过下述方式实现：
[0015][0016][0017][0018][0019][0020]式中：Q
i
为输出图像，I
i
为引导图像，P
i
表示输入图像，i表示位置像素点，w
k
表示确定的窗口，和建立了每个像素点从输入到输出的关系，a
k
和b
k
是唯一确定的常量系数，/w/表示窗口内像素点的个数，μ
k
和分别表示窗口w
k
内的平均值和方差，是输入图像在窗口w
k
中的平均值。ε为正则化参数，用于避免a
k
过大。
[0021]优选地，在步骤3中，通过直方图动态方法对背景层进行压缩。
[0022]优选地，在步骤4中，通过计算模板中心像素与周围模板像素灰度均值差的统计特征来定义子模板中的等价关系，具体定义以下两个等价关系：
[0023](1)等价关系中心像素与其相邻模板间灰度均值大于阈值The_Mean，则表示与周围模板灰度差异均值较大的像素；
[0024](2)等价关系中心像素与其相邻模板灰度方差小于等于阈值The_Var，则表示表示与周围模板灰度差异方差较小的像素。
[0025]优选地，在步骤4中，通过以下方式计算模板中心像素与周围模板灰度差异均值和方差：
[0026]以2
×
2滑动窗口为例，窗口定义如下：
[0027]F(i
‑
1,j
‑
1)F(i
‑
1,j)F(i,j
‑
1)F(i,j)
[0028]设F(i,j)为窗口中心像素的灰度值，第k(k＝1,2,3,4)个模板去掉中心像素外的其它像素灰度值为F
k
，则中心像素与第k个模板的灰度差异为D(k)，通过下述方式得到：
[0029][0030]则模板中心像素与周围模板灰度差异均值为：
[0031][0032]模板中心像素与周围模板灰度差异方差为：
[0033][0034]优选地，步骤4中，The_Mean和The_Var分别取Mean和Var最大值的一半作为阈值，即：
[0035]The_Mean＝Δ
×
max(Mean)
[0036]The_Var＝Δ
×
max(Var)
[0037]其中Δ即为阈值系数，这里取Δ＝0.5。
[0038]用X表示噪声像素集合，则X的上下近似如下：
[0039]Eq
_
(X)＝Eq1IEq2[0040]Eq
_
(X)＝Eq1YEq2[0041]P1＝Eq
_
(X)
[0042]P2＝Eq
_
(X)
‑
Eq
_
(X)
[0043]P3＝I
‑
P2
‑
P1
[0044]其中，E
q_
(X)表示所有确定含噪声像素的集合，E
q_
(X)表示所有可能含噪声像素的集合，P1、P2、P3分别为高噪声子图、不确定噪声子图及低噪声子图，P1、P2即为需要噪声抑制的子图,PP3为需对细节进行增强的子图。
[0045]优选地，在步骤5中，通常取低噪声子图的增强系数a>1，通过仿真实验，a取1.5。
[0046]优选地，在步骤5中，对于不确定噪声子图，设置自适应降噪系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红外图像多维降噪方法，其特征在于，包括以下步骤：步骤1，对红外探测器获取的红外图像进行预处理，得到原始图像；步骤2，对于原始图像，通过引导滤波分层，将其划分为背景层与细节层；步骤3，对于背景层，使用动态压缩方法进行压缩；步骤4，对于细节层，基于粗糙集理论中的等价关系概念进一步多维度分层，得到低噪声子图、不确定噪声子图与高噪声子图；步骤5，对于低噪声子图、不确定噪声子图、高噪声子图，分别确定增强系数a、不确定噪声增强系数b和降噪系数c，将所述增强系数a、不确定噪声增强系数b和降噪系数c与所述低噪声子图、不确定噪声子图、高噪声子图相乘得到新子图，再将低噪声子图、不确定噪声子图、高噪声子图合并得到新细节层：S＝a
×
I1+b
×
I2+c
×
I3式中，S为新细节层，I1，I2，I3分别为经过粗糙集多维分层处理的低噪声子图、不确定含噪声子图与高噪声子图；步骤6，合并背景层与新细节层得到还原后的图像：P＝S+Back式中，P为最终输出的还原后的图像，S为新细节层，Back为动态压缩后的背景图像。2.根据权利要求1所述的红外图像多维降噪方法，其特征在于，在所述步骤1中，对于红外探测器获取到的图像，通过非均匀性校正以及盲元替换以后，获得原始图像。3.根据权利要求1所述的红外图像多维降噪方法，其特征在于，在所述步骤2中，通过引导滤波器对原始图像进行平滑处理得到背景层，再将输入图像与背景层图像求差得到细节层，引导滤波通过下述方式实现：层，引导滤波通过下述方式实现：层，引导滤波通过下述方式实现：层，引导滤波通过下述方式实现：层，引导滤波通过下述方式实现：式中：Q
i
为输出图像，I
i
为引导图像，P
i
表示输入图像，i表示位置像素点，w
k
表示确定的窗口，和建立了每个像素点从输入到输出的关系，a
k
和b
k
是唯一确定的常量系数，/w/表示窗口内像素点的个数，μ
k
和分别表示窗口w
k
内的平均值和方差，是输入图像在窗口w
k
中的平均值；ε为正则化参数，用于避免a
k
过大。4.根据权利要求1所述的的红外图像多维降噪方法，其特征在于，在所述步骤4中，通过计算模板中心像素与周围模板像素灰度均值差的统计特征来定义子模板中的等价关系，具体定义以下两个等价关系：
(1)等价关系中心像素与其相邻模板间灰度均值大于阈值The_Mean，则表示与周围模板灰度差异均值较大的像素；(2)等价关系中心像素与其相邻模板灰度方差小于等于阈值The_Var，则表示与周围模板灰度差异方差较小的像素。5.根据权利要求4所述的红外图像多维降噪方法，其特征在于，在所述步骤4中，通过以下方式计算模板中心像素与周围模板灰度差异均值和方差：以2
×
2滑动窗口为例，窗口定义如下：F(i
‑
1,j
‑
1)F(i
‑
1,j)F(i,j
‑
1)F(i,j)设F(i,j)为窗口中心像素的灰度值，第k个模板去掉中心像素外的其它像素灰度值为F
k
，则中心像素与第k个模板的灰度差异为D(k)，通过下述方式得到：则模板中心像...

【专利技术属性】
技术研发人员：王加，唐兴芬，周永康，周俊洁，陶志刚，何禹洪，李广，苏丹，朱尤攀，傅志宇，曾邦泽，赵德利，
申请(专利权)人：云南北方光电仪器有限公司，
类型：发明
国别省市：