针对非制冷红外视频图像竖条纹噪声的滤除方法与流程

[0001]
本发明涉及针对非制冷红外视频图像竖条纹噪声的滤除方法，属于高灵敏度红外成像处理的技术领域。


背景技术：

[0002]
随着计算机技术和视频图形图像技术的飞速发展，红外视频处理技术在军事领域的视频监测系统中得到广泛的应用，其中非制冷红外探测器由于不需要额外的环境温度控制设备，使得其应用成本大大降低，相对制冷型探测器，应用环境将会更加广泛。
[0003]
由于非制冷探测器的硬件设计和探测器本身的缺陷，需要对探测器输出的像元信号进行非均匀性校正和两点校正。在高低温状态下，由于探测器焦平面阵列中各探测元响应特性不完全一致，不同的探测光敏元件对相同的红外辐射会产生不同的输出信号，使得红外图像内会出现一种竖条纹状的非均匀性噪声，严重影响了红外探测器的成像效果。常规的非均匀性校正算法无法去除该噪声。常规去噪算法比如中值滤波，均值滤波，以及直方图匹配，这些算法都是基于二维图像空间域进行处理的，这些传统的红外图像去噪声处理方法，并不关注噪声产生的机制，而是单纯的对噪声进行考量和计算，这样会导致去除噪声的同时，也去除了大量的图像细节信息。


技术实现要素：

[0004]
本发明的目的是解决上述现有技术的不足，针对传统去噪声不足会使得图像细节丢失等问题，提出针对非制冷红外视频图像竖条纹噪声的滤除方法。
[0005]
为了达到上述目的，本发明提出了针对非制冷红外视频图像竖条纹噪声的滤除方法。
[0006]
具体地，将红外视频图像通过二维傅里叶变换成频域图和相位图，对图像竖条纹的特征进行分析，在频域图中进行噪声的定位和滤除得到新的频域图；将新的频域图和相位图进行二维傅里叶逆变换，从而得到新的图像；最后对新的图像进行横向一维的中值滤波，即可滤除图像中绝大部分的竖条纹噪声。
[0007]
本发明提出的红外图像竖条纹噪声滤除方法，该方法分为两步，一个是竖条纹噪声的判断，另一个是竖条纹噪声的滤除，详细介绍如下：
[0008]
图像中周期性竖条纹噪声的判断，主要是通过计算图像数据的平均相对误差进行判断，具体的判断步骤如下：
[0009]
在原始视频图像中横向随机提取n行数据，n应该小于图像总的行数；
[0010]
对每行数据分别进行多项式曲线拟合；
[0011]
以多项式拟合数据为基准，分别计算n行数据中每一行数据的相对误差δ；
[0012]
计算n行数据整体的平均相对误差
[0013]
当平均相对误差的时候，说明图像中无周期性的竖条纹，及跳出竖条纹噪
声的处理过程；
[0014]
当平均相对误差时，说明图像中存在周期性的竖条纹噪声，需要进行下一步的处理。
[0015]
图像竖条纹噪声的滤除，主要是通过对图像进行傅里叶频域转换，
[0016]
通过分析处理频域数据来达到滤除竖条纹噪声的效果，具体的步骤如下：
[0017]
对原始图像进行二维快速傅里叶变换(fft2)，分别提取出图像的相位谱和幅度谱，幅度谱反映图像的纹理信息，所以后续主要针对幅度谱进行处理；
[0018]
通过图像周期性竖条纹噪声判断模块中的平均相对误差值δ，对竖条纹噪声对应的幅度谱值进行带阻滤波处理，得到新的幅度谱；
[0019]
使用新的幅度谱与相位谱进行二维傅里叶的逆变换，得到新的图像；
[0020]
对新的图像进行横向一维的自适应中值滤波处理；
[0021]
对中值滤波后的图像进行均值滤波和直方图均衡化处理，即可得到去除竖条纹噪声的图像，并且还很好的保留了图像本身的细节信息。
[0022]
本发明的有益效果主要体现在：
[0023]
1.能消除传统探测器中存在竖条纹噪声缺陷，无需进行电路优化和探测器更换，降低探测器和硬件成本及设计难度。
[0024]
2.通过图像处理方法可以精确高效去除图像竖条纹噪声，提高红外视频的成像质量。
附图说明
[0025]
图1是本发明针对非制冷红外视频图像竖条纹噪声的滤除方法的流程示意图。
[0026]
图2是本发明实施例中原始图像横向的数组图。
[0027]
图3是本发明实施例中原始图像横向的数组离散点与多项式拟合曲线图。
[0028]
图4是本发明实施例中原始图像的幅度谱图。
[0029]
图5是本发明实施例中原始图像的相位谱图。
[0030]
图6是本发明实施例中噪声去除后横向数组离散点与多项式拟合曲线图。
[0031]
图7是本发明实施例中原始图像(a)与去噪声处理后图像(b)的对比图片。
具体实施方式
[0032]
本发明提供针对非制冷红外视频图像竖条纹噪声的滤除方法。以下结合附图对本发明技术方案进行详细描述，以使其更易于理解和掌握。
[0033]
针对非制冷红外视频图像竖条纹噪声的滤除方法，将红外视频图像通过二维傅里叶变换成频域图和相位图，对图像竖条纹的特征进行分析，在频域图中进行噪声的定位和滤除得到新频域图；将新频域图和相位图进行二维傅里叶逆变换得到新图像；再对新图像进行横向一维的中值滤波。
[0034]
具体包括竖条纹噪声判断步骤和竖条纹噪声滤除步骤，
[0035]
竖条纹噪声判断步骤包括：
[0036]
在红外视频图像中横向随机提取n行数据，n应该小于图像总的行数，对每行数据分别进行多项式曲线拟合，以多项式拟合数据为基准分别计算n行数据中每一行数据的相
对误差，计算n行数据整体的平均相对误差当平均相对误差判断图像中无周期性的竖条纹噪声，当平均相对误差时，判断图像中存在周期性的竖条纹噪声。
[0037]
竖条纹噪声滤除步骤包括：。
[0038]
对红外视频图像进行二维快速傅里叶变换，分别提取出图像的相位谱和幅度谱，通过竖条纹噪声判断步骤中的平均相对误差对竖条纹噪声对应的幅度谱值进行带阻滤波处理得到新幅度谱；使用新幅度谱与相位谱进行二维傅里叶的逆变换得到新图像，对新图像进行横向一维的自适应中值滤波处理，对中值滤波后的图像进行均值滤波和直方图均衡化处理。
[0039]
具体实施例中，如图1所示，整个算法的流程可以分成前后两个部分，首先是图像竖条纹噪声检测部分，然后再是竖条纹噪声滤除部分。
[0040]
下面根据处理流程的顺序，依次对着两部分的做进一步详细的描述。
[0041]
图像竖条纹噪声的检测
[0042]
在原始图像img(m
×
n，m行，n列)中随机横向提取n行数据(n<m)，分别放入n个一维数组中(1
×
n)中。
[0043]
对一维数组(1
×
n)中的n个离散数据进行多项式拟合，得到对应的如图2和图3所示的拟合曲线，n个数组分别进行类似的计算。
[0044]
在一维数组中，以拟合出来的数据作为参考基准，计算数组中的相对误差值δ，n个数组分别进行类似的计算，得到对应的相对误差值：δ1+δ2+
…
+δn。
[0045]
计算n个数组的平均相对误差值计算n个数组的平均相对误差值
[0046]
如果平均相对误差表示图像中无明显的竖条纹噪声，无需进行竖条纹噪声的滤除处理；
[0047]
如果平均相对误差表示图像中有较明显的竖条纹噪声出现，需要进行第二部分的去条纹噪声处理。
[0048]
图像竖条纹噪声的滤除
[0049]
如图4至图6所示，对原始图像img进行二维离散快速傅里叶变换(fft2)：
[0050]
f_img＝dft(img)。
[0051]
利用频谱的周期性特点，将输出的频谱图像f_img的一半平移到另一端，上下与左右各操作一次，从而使零频被移动到图像的中间。
[0052]
通过频谱图像f_img分别计算图像的幅度谱(fabs)和相位谱(fangle)。
[0053]
通过第一步部分计算的平均相对误差值，可设定出幅度谱进行带阻滤波处理的半径值：
[0054]
以幅度谱fabs左右两端的中心点位原点，以r为半径，对幅度谱进行带阻滤波处理，得到新的幅度谱fabs_new。
[0055]
通过相位谱fangle与新的幅度谱fabs_new进行二维离散的傅里叶逆变换，得到合成后的图像img_out。
[0056]
对图像img_out进行横向的自适应中值滤波处理，然后进行3x3的均值滤波，最后
进行直方图均衡化处理，即可得到去噪处理后的图像。
[0057]
通过上述两部分的处理，红外视频图像的竖条纹噪声基本可以消除，并且尽可能的减少了图像细节信息的丢失。如图7所示，其中(a)为带有严重竖条纹噪声的红外视频图像，(b)为经过处理后的视频图像。由此可见，本发明提出的竖条纹噪声滤除方法可有效的消除图像中的竖条纹噪声，提高红外视频的成像质量。
[0058]
以上对本发明的技术方案进行了充分描述，需要说明的是，本发明的具体实施方式并不受上述描述的限制，本领域的普通技术人员依据本发明的精神实质在结构、方法或功能等方面采用等同变换或者等效变换而形成的所有技术方案，均落在本发明的保护范围之内。