[發明專利]一種基于Hankel矩陣算法的紅外圖像去噪方法

在審

• 申請號: 201811402703.1
• 申請日: 2018-11-22
• 公開（公告）號: CN109523487A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 崔少華
• 申請（專利權）人: 淮北師范大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京華識知識產權代理有限公司 11530
• 代理人: 李浩

一種基于Hankel矩陣算法的紅外圖像去噪方法。本發明公開了一種基于Hankel矩陣的紅外圖像去噪方法，將含噪的紅外圖像分塊，以一維數組的形式排列為一系列Hankel矩陣，再將所述的Hankel矩陣進行奇異值分解，通過將分解所得的奇異值按降序排列，選取較大的前p個奇異值對矩陣進行重構，最后將重構后矩陣的第一行和最后一列取出，即可得到無噪聲紅外圖像塊，再將各圖像塊還原為去噪后紅外圖像。本發明依賴各塊圖像數據之間的相關性，相關性越強，去噪效果越好，使得奇異值分解后的拐點更明顯，無噪紅外圖像的維數p更容易選取，將紅外圖像分塊去噪，在進行去噪時不會混合進其它分塊的噪聲，整體去噪效果良好。

技術領域

本發明涉及一種基于Hankel矩陣算法的紅外圖像去噪方法，屬于紅外圖像技術領域。

背景技術

紅外成像系統由于其信噪比低，成像距離遠、分辨率較差、視覺效果模糊等問題，使得采集到的紅外圖像極易受到噪聲的污染，在低分辨率的情況下，含噪的紅外圖像無法直接應用，必須對采集到的遠紅外圖像進行去噪處理。

目前，紅外圖像的去噪方法主要包含小波變換和奇異值分解，其中小波變換去噪法適應于紅外圖像和噪聲的特征差異在時頻域內較大的情況，對于低分辨率采集到的紅外圖像而言，噪聲和圖像的特征差異不明顯，采用小波變換去噪效果不佳。

奇異值分解去噪法是將含噪紅外圖像進行奇異值分解，通過選取合適的圖像維數進行重構，從而達到去噪的目的，但這種方法忽略了紅外圖像各數據之間的相關性，重構的紅外圖像中仍然含有較多噪聲，整體去噪效果不佳。

發明內容

本發明的目的在于克服現有技術存在的缺陷，提供一種基于Hankel矩陣的紅外圖像去噪方法。

為達到上述目的，本發明所采用的技術方案是：一種基于Hankel矩陣的紅外圖像去噪方法，將含噪的紅外圖像分塊，以一維數組的形式排列為一系列Hankel矩陣，再將所述的Hankel矩陣進行奇異值分解，通過將分解所得的奇異值按降序排列，選取較大的前p個奇異值對矩陣進行重構，最后將重構后矩陣的第一行和最后一列取出，即可得到無噪聲紅外圖像塊，再將各圖像塊還原為去噪后紅外圖像。

進一步的，所述將含噪紅外圖像分塊，以一維數組的形式排列為一系列Hankel矩陣，是指：將含噪紅外圖像以一定大小分塊取出，作為一維數組c_i，將其排列為Hankel矩陣，公式如下：

其中一維數組c_i＝s_i+n_i(i＝1,2,…,m)，s_i為紅外圖像數據，n_i為隨機噪聲，H矩陣重寫為：

將矩陣H表示為紅外圖像信號和噪聲信號之和。

更進一步的，對所述H矩陣進行奇異值分解，奇異值分解公式如下：

確定無噪聲紅外圖像維數p，對H進行p階重構，得到去噪后的數據，再將矩陣的第一行和最后一列元素取出，得到無噪聲紅外圖像塊，最后將各圖像塊還原為去噪后紅外圖像。

更進一步的，具體步驟如下：

步驟1、以5*5大小對含噪紅外圖像進行分塊，取出第1塊含噪圖像數據作為一維數組c₁＝[c_1,1,c_2,1,…,c_m,1]，將其排列為Hankel矩陣，公式如下：

其中H是一個Hankel矩陣，該矩陣每條反對角線上的元素是相同的，并且第一行和最后一列元素連接起來就是原始數據c₁；