自适应的级联滤波红外图像降噪方法、设备及存储设备技术

本发明专利技术公开了一种自适应的级联滤波红外图像降噪方法、设备及存储设备，方法包括以下步骤：读取初始14bit红外场景图像和本底图像；对14bit红外图像进行nuc校正，得到校正后的图像；对校正后的图像进行初始自适应滤波降噪，得到初始降噪图像denoise_img1；对初始降噪图像进行级联滤波降噪，得到最终降噪图像denoise_img；设备及存储设备用以实现方法。本发明专利技术有益效果是：在降噪的同时仍能保留图像细节，自适应衰减系数控制滤波程度，实现降噪参数随着场景自适应调整，不需要人工手动调整，在不同的条件下都能达到比较好的降噪性能。在不同的条件下都能达到比较好的降噪性能。在不同的条件下都能达到比较好的降噪性能。

【技术实现步骤摘要】
自适应的级联滤波红外图像降噪方法、设备及存储设备


[0001]本专利技术涉及红外图像降噪领域，尤其涉及一种自适应的级联滤波红外图像降噪方法、设备及存储设备。

技术介绍

[0002]图像去噪是研究人员几十年来试图解决的一个经典问题。在早期，研究人员使用滤波器器来减少图像中的噪声。它们曾经在噪音水平合理的图像中工作得相当好。然而，应用这些滤镜会使图像模糊。如果图像太过嘈杂，那么合成的图像会非常模糊，图像中的大部分关键细节都会丢失。就要求更多的研究者来投入时间和精力研究新的降噪技术，以达到降噪并同时仍能保留足够细节信息的目的。本方法提出一种自适应级联滤波红外图像降噪方法，采用级联的方式对图像进行降噪，并在降噪的过程采用自适应衰减系数控制滤波程度，在降噪的同时保留图像细节信息，可以多种场景切换，无需手动调整参数。

技术实现思路

[0003]为了解决现有图像降噪方法适应性不强，降噪效果不佳的技术问题，本专利技术提出一种自适应的级联滤波红外图像降噪方法、设备及存储设备，其中方法具体包括以下步骤：
[0004]S101：读取初始14bit红外场景图像和本底图像；
[0005]S102：对14bit红外图像进行nuc校正，得到校正后的图像；
[0006]S103：对校正后的图像进行初始自适应滤波降噪，得到初始降噪图像denoise_img1；
[0007]S104：对初始降噪图像进行级联滤波降噪，得到最终降噪图像denoise_img。
[0008]一种存储设备，所述存储设备存储指令及数据用于实现一种自适应的级联滤波红外图像降噪方法。
[0009]一种自适应的级联滤波红外图像降噪设备，包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种自适应的级联滤波红外图像降噪方法。
[0010]本专利技术提供的有益效果是：实现降噪参数随着场景自适应调整，不需要人工手动调整，在不同的条件下都能达到比较好的降噪性能。
附图说明
[0011]图1是本专利技术方法流程示意图；
[0012]图2是本专利技术实施例的硬件设备工作示意图。
具体实施方式
[0013]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。
[0014]请参考图1，图1是本专利技术方法流程示意图。
[0015]本专利技术提供了一种自适应的级联滤波红外图像降噪方法、设备及存储设备，方法包括以下步骤：
[0016]S101：读取初始14bit红外场景图像和本底图像；
[0017]S102：对14bit红外图像进行nuc校正，得到校正后的图像；
[0018]需要说明的是，在步骤S102中，所述nuc校正是指两点校正，具体如公式1所示：
[0019]nuc_img＝(img
‑
base).*K
ꢀꢀ
(1)
[0020]其中，img是对准场景采集的初始14bit红外图像，base表示对准恒温均匀面采集14bit红外图像，K是校正系数，nuc_img是nuc校正后的图像。其中K系数具体计算如公式2所示：
[0021][0022]其中，imgh表示对准70℃黑体采集的高温均匀面本底图像，imgl表示对准10℃黑体采集的低温均匀面本底图像，mean(imgh)和mean(imgl)表示计算高温本底图像和低温本底图像均值。
[0023]S103：对校正后的图像进行初始自适应滤波降噪，得到初始降噪图像denoise_img1；
[0024]需要说明的是，在步骤S103中，对nuc后的图像nuc_img进行初始降噪处理得到denoise_img1，具体步骤为：
[0025]其中denoise_img1可以表示为：
[0026][0027]其中，w1(i,j)为赋予nuc_img的权重系数，Ω
i
为以像素i为中心，大小为m
×
m的方形区域，表示归一化因子，归一化因子保证权值的和为1，具体计算如公式4所示：
[0028][0029]其中，dist(i,j)表示的两个图像块的加权欧式距离，具体计算如公式5所示：
[0030][0031]其中，P(i)和P(j)分别表示以像素i和j为中心、大小为m
×
m的图像块，分别表示图像块P(i)和P(j)的加权2
‑
范数的平方，P(i)*P(j)表示两个图像块的加权内积，其中采用高斯函数完成加权操作。
[0032]其中，h1表示衰减系数，控制着滤波的平滑程度。一般情况下，衰减系数h是根据实际场景手动设置，无法自适应调整。本方法中，衰减系数不需要手动设置，可以根据场景自适应调整。
[0033]通常情况下，衰减系数h1是根据实际场景手动设置，无法自适应调整，在本方法
中，衰减系数h1计算具体步骤如下：
[0034]首先对含噪图像采用3*3的卷积核进行卷积操作，计算方法如公式(6)所示：
[0035][0036]其中，Conv2是对图像进行二维卷积操作。
[0037]对conv_img采用阈值限制的累积统计直方图在直方图中获取图像高低灰度值范围[Y
min
,Y
max
]，在本方法中截断阈值比例设置为0.01。将含噪图像的灰度值小于等于Y
min
和大于等于Y
max
的像素点置为0，此操作主要目的是为了剔除图像亮度过高的点和过暗的点进行剔除，截止一些极端像素，避免了在亮部和暗部的统计以及误估。
[0038]对剔除像素点后的图像以步长为P进行不重叠图像块划分，图像块大小为P*P，如果每个图像块的灰度值为0超过一半，该图像块需要被裁剪掉。统计剩余图像块数并计算剩余图像块局部方差σ1，衰减系数h1计算如公式(7)所示：
[0039][0040]其中，patch
n
(i,j)表示处于(i,j)处的灰度值，N为剩余图像块总块数，表示均值。本文方法中P＝6。
[0041]S104：对初始降噪图像进行级联滤波降噪，得到最终降噪图像denoise_img。
[0042]需要说明的是，在步骤S104中，对初始降噪的图像进行级联滤波，得到最终降噪图像denoise_img，具体步骤如下：
[0043]最终获得降噪图像denoise_img计算如公式(8)所示：
[0044][0045]其中，
[0046]其中，
[0047]与S103步骤不同的是在S103中是图像所有像素点共用一个衰减系数h，在级联滤波当中衰减系数h则是利用初次滤波计算得到的权重系数来进行逐点计算，每个像素点使用不同的衰减系数，计算方法如公
[0048]式11所示：
[0049][0050]其中，σ2的计算方法与步骤s103中σ1的计算方法一致，唯一不同的是在经过初级
降噪后的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应的级联滤波红外图像降噪方法，其特征在于：包括以下步骤：S101：读取初始14bit红外场景图像和本底图像；S102：对14bit红外图像进行nuc校正，得到校正后的图像；S103：对校正后的图像进行初始自适应滤波降噪，得到初始降噪图像denoise_img1；S104：对初始降噪图像进行级联滤波降噪，得到最终降噪图像denoise_img。2.如权利要求1所述的一种自适应的级联滤波红外图像降噪方法，其特征在于：步骤S102中，所述nuc校正，具体公式如(1)所示：nuc_img＝(img
‑
base)*K
ꢀꢀꢀꢀ
(1)其中，img是对准场景采集的初始14bit红外图像，base是表示对准恒温均匀面采集14bit红外图像，K是校正系数，nuc_img是nuc校正后的图像。3.如权利要求2所述的一种自适应的级联滤波红外图像降噪方法，其特征在于：所述校正系数K的计算式如(2)：其中，imgh表示对准70℃黑体采集的高温均匀面本底图像，imgl表示对准10℃黑体采集的低温均匀面本底图像，mean(imgh)和mean(imgl)表示计算高温均匀面本底图像和低温均匀面本底图像均值。4.如权利要求3所述的一种自适应的级联滤波红外图像降噪方法，其特征在于：步骤S103中进行初始降噪处理的过程具体如式(3)所示：其中，w1(i,j)为赋予nuc_img的权重系数，Ω
i
为以像素i为中心，大小为m
×
m的方形区域，表示归一化因子，归一化因子权值的和为1。5.如权利要求4所述的一种自适应的级联滤波红外图像降噪方法，其特征在于：所述w1(i,j)的计算公式如(4)所示：其中，dist(i,j)表示的两个图像块的加权欧式距离，具体计算如公式(5)所示：其中，P(i)和P(j)分别表示以像素...

【专利技术属性】
技术研发人员：潘兰兰，杨建强，高欣飞，邬昌明，李鹏，高伟奇，张国兵，
申请(专利权)人：武汉博宇光电系统有限责任公司，
类型：发明
国别省市：