基于显著性的红外图像强固定模式噪声抑制方法技术

一种基于显著性的红外图像强固定模式噪声抑制方法，其步骤为：(1)输入具有强固定模式噪声的红外图像；(2)计算图像的显著度图，进行显著区域检测并将图像划分为显著区域和非显著区域；(3)对于显著区域，采用双平台直方图均衡化算法处理；对于非显著区域，采用显著度加权的非线性灰度级映射算法抑制固定模式噪声；(4)消除局部区域之间的假边缘，通过显著区域与非显著区域位于边界附近的像素点值的加权求和求取边界上像素点的值，令边界处平滑过渡，消除假边缘；(5)输出处理结果。本发明专利技术具有操作简便、使用成本低、通用性好、精度高、能够大大提高图像质量等优点。

【技术实现步骤摘要】

本专利技术主要涉及到数字图像处理、视频处理、计算机视觉等领域，特指一种利用人类视觉系统的视觉注意机制实时改善红外图像或视频质量和视觉效果的方法。
技术介绍
由于制作工艺等原因，不同的探测单元对于同样的红外入射辐射量将会表现出不同的输出响应，在空间产生不均匀性，进而导致固定模式噪声；尤其是在观测小目标时，为了提高对小目标的发现能力，通常会提高探测单元的响应增益，从而导致更为明显的固定模式噪声，这将严重影响到红外视频的质量。图Ia与图Ib中给出了两幅强固定模式噪声红外图像的实例，从中可以看出图像中大面积的强固定模式噪声严重影响了对图像中目标信号的观测，使得图像视觉质量下降。 现有技术中，对于固定模式噪声抑制的算法主要分为两类基于参考辐射源的抑制技术和基于场景的抑制技术。基于参考辐射源的抑制技术需要预先对探测器阵列单元进行标定，获取非均匀性校正因子，在实际应用过程中运用校正因子完成对固定模式噪声的抑制。由于固定模式噪声随时间和环境的变化而缓慢变化，所以，此类方法需要定期地将设备停下来，对探测单元进行重新标定，因此其不适合需要长时间连续工作的场合；或者是需要在目标场景内设置高精度参考源，对系统热图像进行实时定标，其造价十分昂贵。基于场景的抑制技术是直接从实际场景中提取用于非均匀校正的信息，用统计方法估计红外焦平面阵列的校正参数或直接估计其校正结果，通过真实图像间的相关信息将真实图像从固有模式噪声中恢复出来。场景法要求场景变化(如物体运动)，算法复杂度较高，校正精度不高，易产生“鬼影”。尤其对于“小目标、大背景”的红外图像，由于目标较为微弱且在图像场中位置相对固定，极易被处理为背景噪声成分，致使有效目标信息损失，不能很好地抑制固定模式噪声。“人类视觉系统”具有选择性注意特性。利用人眼视觉特性有针对性地突出人眼关注的局部区域细节，抑制非关注区域噪声，能有效提升数字视频整体视觉效果。从业者Gianluigi Ciocca等提出了一种由图像内容驱动的图像增强方法。该算法首先对输入图像进行分类，然后根据图像内容决定最合适的图像增强算法。算法流程图如图2所示，其主要过程为(I)使用R. Schettini等提出的方法，根据颜色、纹理、边缘等低层特征将图像分类为室外、室内和特写镜头图像。其中，图像分类器的构造大约需要4500张手工标注正确类别的图像作为训练样本集。(2)对室外图像用C. Cusano等提出的方法，运用支持向量机方法对图像区域进行分类，进而检测出具有语义意义的区域。对室内和特写镜头图像用皮肤检测和人脸检测来决定具有语义意义的区域。(3)用Itti和Koch模型检测显著区域。(4)使用A. Capra等提出的方法完成局部对比度增强。(5)用拉普拉斯算子计算高频分量。基于第3步得到的显著度区域，计算显著高频，在原图像中减去非显著高频，加上显著高频，实现有选择地增强边缘。从以上过程可以看出，Gianluigi Ciocca方法存在的问题I)需要手工标注正确类别的图像作为训练样本集。2)Gianluigi Ciocca方法第2步说明该方法没考虑红外图像处理问题，不适用于红外非线性校正。3)算法只能有选择地增强边缘，不能有效抑制强固定模式噪声。另有从业者提出了一种基于局部区域显著度加权统计灰度级直方图的图像增强 算法。该算法利用Itti视觉注意计算模型获得图像全局显著图；然后，将全局显著图划分为若干等大的子区域，求取各子区域的平均显著值，并做归一化处理，得到子区域的加权统计系数；再将各子区域的灰度级加权统计值相加，得到灰度级信息量直方图；最后，依据直方图均衡化的映射函数，调整灰度级的动态范围。但是，当显著区域对象含有与非显著区域背景相同的灰度值时，上述方法不能真正突出感兴趣目标的信息。
技术实现思路
本专利技术要解决的技术问题就在于针对现有技术存在的技术问题，本专利技术提供一种操作简便、使用成本低、通用性好、精度高、能够大大提高图像质量的。为解决上述技术问题，本专利技术采用以下技术方案一种，其步骤为(I)输入具有强固定模式噪声的红外图像；(2)针对步骤(I)输入的图像，计算图像的显著度图，并且据此进行显著区域检测，将图像划分为显著区域和非显著区域；(3)针对步骤(2)中所得到的不同区域采取不同的处理算法对于步骤(2)所得到的显著区域，采用双平台直方图均衡化算法以提升显著区域对比度、增强目标有效信息；对于步骤(2)所得到的非显著区域，采用显著度加权的非线性灰度级映射算法抑制固定模式噪声；(4)消除局部区域之间的假边缘；通过显著区域与非显著区域位于边界附近的像素点值的加权求和求取边界上像素点的值，令边界处平滑过渡，消除假边缘；(5)输出处理结果。作为本专利技术的进一步改进所述步骤(2)中，在计算图像的显著度时，分别采用多尺度频域分析算法和基于局部对比度分析算法来计算输入图像的全局显著度图，并通过加权得到的最终显著度图S，最终显著度图S表示为S = W1Sss^w2Sec (I)其中，Ssss为通过多尺度频域分析算法得到的显著度图，SkS通过基于局部对比度分析算法得到的显著度图，W1为Ssss在最终显著度图S中所占的权重，W2为Sk在最终显著度图S中所占的权重。所述步骤(3)中，对于非显著区域，使用显著度加权的非线性灰度级映射算法抑制强固定模式噪声，所述显著度加权的非线性灰度级映射算法的表达式为 其中i为对应像素点上的灰度值，s, sss为通过多尺度频域分析算法计算所得显著度图经过归一化后此点对应的显著度值，L为图像灰 度级数，i'为映射后像素灰度值。与现有技术相比，本专利技术的优点在于(I)本专利技术，仅基于单帧图像显著度信息解决红外图像强固定模式噪声抑制问题，相比于传统基于辐射源或基于场景的抑制技术，本专利技术不需进行复杂的非均匀参数估计及修正，算法复杂度低，易于应用。(2)本专利技术，从人类视觉系统选择性注意特性出发，提取目标对应的显著区域，准确地反映大多数使用者的观测意图，相比于其他基于内容的图像处理方法，本专利技术无需按图像内容分类，泛化程度高，通用性好，且不需要事先训练基于图像内容语义分类器，使用者不需要掌握本
的专门知识，自动化程度高。(3)本专利技术，通过将两种显著区域检测方法SSS及RC的加权融合，得到最终的显著、非显著区域的划分，有效解决了 SSS方法的目标区域漏检或RC方法的目标区域误检的问题。(4)本专利技术，采用低成本的方式，改善了红外图像或视频质量，尤其是“小目标、大背景”的图像。本方法不需要借助于黑体对焦平面阵列进行周期性的标定，也不需要采购高级红外成像系统，即可改善、提高“小目标、大背景”红外图像或视频质量，获取高质量的红外图像或视频数据，同时对信道噪声也能起到很好地抑制效果。(5)本专利技术与一般的非线性灰度级变换算法相比，能够保持目标有效信息的同时，有效地抑制亮度与目标区域亮度相近、大片固定模式噪声。附图说明图Ia和图Ib是现有技术中强固定模式噪声红外图像示例的示意图。图2是现有技术中Gianluigi Ciocca方法的流程示意图。图3是本专利技术的处理流程图。图4a 图4i是本专利技术在一个具体应用实例中处理过程的示意图，其中图4a为原始图像，图4b为RC方法处理后的图像；图4c为SSS方法处理后的图像；图4d为显著和非显本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：刘肖琳，孙晓亮，江凌云，唐煌，朱遵尚，谭斌，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：