基于统计相对条纹去除法的红外图像条纹滤波方法

摘要

本发明公开了一种基于统计相对条纹去除法的红外图像条纹滤波方法，横向条纹去除步骤和纵向条纹去除步骤，横向条纹去除：横向条纹以第一行做为基准，则第一行相对条纹噪声量ref_snf(1)=0；计算当前行与前一行的差值delta；计算局部均方差var；统计局部均方差行直方图，计算均方差行概率密度；计算delta中均方差行概率密度小于30%对应的像素点的均值作为行条纹噪声，求得每一行的相对噪声ref_snf；计算每一行的绝对噪声；同理能够去除竖向条纹。本发明的有益效果是：针对于条纹噪声的特点，由于根据图像相邻像素具有一定相关性，以及统计局部方差取方差小于阈值的像素计算噪声，对于场景温差大、细节丰富的图像也有很好的去条纹效果。

说明书

技术领域

本发明涉及红外图像处理领域，特别是涉及一种基于统计相对条纹去除法的红外图像条纹滤波方法。

背景技术

红外传感器能够将红外光转换为电信号，是红外成像设备的核心器件。基于红外焦平面阵列（infrared focal plane array, IRFPA）的红外传感器因为具有体积小、成本低、灵敏度高等特点，是红外传感器的主流发展方向。但是，由于当前的工艺水平还无法做到使IRFPA上的各传感器具有相同的响应特性，因此不同传感器对相同的红外辐射会产生不同的响应，导致红外图像中包含大量噪声，称为固定模式噪声。非均匀校正方法可以消除传感器间的差异，但是由于传感器的响应特性会随时间缓慢变化，因此必须在使用过程中不断地校正。

一种常用的非均匀校正方法是采用温度场均匀的参考场景校正传感器的响应参数，使各传感器的输出相同。这种方法虽然可以获得较好的效果，但是校正过程需要中断摄像机的正常拍摄。为了避免这一问题，Harris等和Hayat等提出了利用摄像机正常工作时捕获的图像序列和信号处理手段，进行实时校正的方法。他们假设输入的红外辐射为独立同分布的随机变量，通过参数估计的方法计算传感器的增益和偏置电压。基于相似的思想，Torres等认为各传感器输入的红外辐射应该具有相同的取值范围，并提出了一种称为Constant Range的校正方法。Ratliff等提出了一种基于代数运算的非均匀校正方法，其主要优点是并不依赖于场景的多样性假设。Torres和Hayat将非均匀校正问题看作是参数估计问题，利用Kalman滤波估计传感器的增益和偏置电压。Pezoa采用一组Kalman滤波器依据各自的动态模型估计增益和偏置，最后将各滤波器的估计值加权，求得最终的估计结果。

实际上，在红外图像中除了由于传感器的差异造成的固定模式噪声，还存在另外一种条纹噪声，它是由于IRFPA中读出电路的不同而造成的。因为IRFPA上位于不同列的传感器采用不同的读出电路，读出电路偏置电压的差异会在红外图像上产生明暗相间的条纹，即条纹噪声。虽然条纹噪声与固定模式都属于非均匀噪声，但是其产生机理并不相同，利用上述非均匀校正方法并不能消除条纹噪声。基于标定的校正方法不能实时更新参数，需要假设在连续2次标定之间的很长一段时间内参数不变，而列偏置电压则变化较快。基于场景的校正方法虽然可以实时更新参数，但是也带来了两个问题：1）这类算法需要很长时间的图像序列算法才能收敛。2）使用长时间的图像序列可能导致“伪影”现象，即将前面的图像显示在后面的图像上。

另外传统条纹滤波方法主要包括：1）采用频域滤波，这种方差针对周期性条纹有效果，但无法滤除随机条纹，而且不易于硬件实现。2）由相邻行均值方差来估计当前行均值，再用估计行均值来替换当前行原始均值，该方法只对场景温度变化范围不大的图像有效果，而对于温差很大的图像，由相邻行均值方差估计行均值的误差大，反而会引入额外的条纹。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于统计相对条纹去除法的红外图像条纹滤波方法，针对于条纹噪声的特点，由于根据图像相邻像素具有一定相关性，以及统计局部方差取方差小于阈值的像素计算噪声，对于场景温差大、细节丰富的图像也有很好的去条纹效果。

本发明的目的是通过以下技术方案来实现的：基于统计相对条纹去除法的红外图像条纹滤波方法，包括一个以N列M行图像横向条纹去除步骤和一个以N列M行图像纵向条纹去除步骤：

所述以N列M行图像横向条纹去除步骤包括以下子步骤：

S1：横向条纹以第一行做为基准，则第一行相对条纹噪声量ref_snf(1)=0；

S2：计算当前行与前一行的差值：delta(x,y)=I(x,y)-I(x,y-1)，其中x是列坐标，x=1,2,3,4,5,6,7…N-1,N；y是行坐标，y=2,3…M-1,M；

S3：计算局部均方差var；

S4：统计局部均方差行直方图，计算均方差行概率密度；

S5：计算delta中均方差行概率密度小于30%对应的该行所有像素点的均值作为行条纹噪声，求得每一行的相对条纹噪声ref_snf；

S6：计算每一行的绝对噪声：

Snf(1)= ref_snf(1);

Snf(2)= ref_snf(1)+ ref_snf(2);

Snf(3)= ref_snf(1)+ ref_snf(2) + ref_snf(3);

Snf(4)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4);

……

……

Snf(M)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4)+….+ ref_snf(M);

S7：去除条纹噪声：

image_dout(x,y)=I(x,y)-snf(y), 其中x是列坐标，x=1,2,3,4,5,6,7…N-1,N；y是行坐标，y=1,2,3…M-1,M；

同理能够去除竖向条纹。

所述的步骤S3基于3X3或5X5的窗口求均方差var。

本发明的有益效果是：针对于条纹噪声的特点，由于根据图像相邻像素具有一定相关性，以及统计局部方差取方差小于阈值的像素计算噪声，对于场景温差大、细节丰富的图像也有很好的去条纹效果。

附图说明

图1为原始条纹噪声图像；

图2为传统行均值效果图；

图3为本发明去条纹效果图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

基于统计相对条纹去除法的红外图像条纹滤波方法，包括一个以N列M行图像横向条纹去除步骤和一个以N列M行图像纵向条纹去除步骤：

所述以N列M行图像横向条纹去除步骤包括以下子步骤：

S1：横向条纹以第一行做为基准，则第一行相对条纹噪声量ref_snf(1)=0；

S2：计算当前行与前一行的差值：delta(x,y)=I(x,y)-I(x,y-1)，其中x是列坐标，x=1,2,3,4,5,6,7…N-1,N；y是行坐标，y=2,3…M-1,M；

S3：计算局部均方差，基于3X3或5X5的窗口求均方差var；

S4：统计每一行均方差直方图，p1(y,(var(x,y))=p1(y,var(x,y))+1，其中x是列坐标，x=1,2,3,4,5,6,7…N-1,N；y是行坐标，y=1,2,3…M-1,M；

计算其累积概率密度，计算y行累积概率密度：

pt(y,1)= p1(y, 1);

pt(y,2)= p1(y, 1)+ p1(x, 2);

pt(y,3)= p1(y, 1)+ p1(x, 2)+ p1(x, 3);

……

pt(y,k)= p1(y, 1)+ p1(x, 2)+…+p1(x, k)；

S5：计算delta中均方差行概率密度小于30%对应的该行所有像素点的均值作为条纹噪声，求得每一行的相对噪声ref_snf；

计算每行pt(x,k) = 0.3*N的对应K值为var_thd；

标记每行概率密度小于30%的像素点：

Flag (x,y)= 1 (var(x,y) <= var_thd(x))；

Flag (x,y)= 0 (var(x,y) > var_thd(x))；

计算每行概率密度小于30%的所有像素点的和：

Snf_sum(y)= Flag (y,1)* delta(y,1)+ Flag (y,1)* delta(y,1)+..+ Flag (y,1)* delta(y,N)；

计算每行概率密度小于30%的像素点个数：

Snf_num(y)= Flag (y,1)+ Flag (y,2)+…+ Flag (y,N)；

计算相对条纹噪声：

Snf(y) = Snf_sum(y)/ Snf_num(y)；

S6：计算每一行的绝对噪声：

Snf(1)= ref_snf(1);

Snf(2)= ref_snf(1)+ ref_snf(2);

Snf(3)= ref_snf(1)+ ref_snf(2) + ref_snf(3);

Snf(4)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4);

……

……

Snf(M)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4)+….+ ref_snf(M);

S7：去除条纹噪声：

image_dout(x,y)=I(x,y)-snf(y),x=1,2,3,4,…,N；y=1,2,3,4,5,…,M；

同理能够去除竖向条纹。

图1为原始条纹噪声图像，图2为传统行均值效果图，图3为本发明去条纹效果图。由图1和图2对比可知，传统行均值方差估计行均值的方法误差大，会引入额外的条纹，条纹去除的效果比较一般。由图1和图3对比可知，本发明针对于条纹噪声的特点，统计局部方差取方差小于阈值的像素计算噪声，对于场景温差大、细节丰富的图像有很好的去条纹效果。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。