[發(fā)明專利]一種小波分解和引導(dǎo)濾波的紅外圖像非均勻校正方法

在審

• 申請?zhí)枺?/td>: 201910432674.1
• 申請日: 2019-05-23
• 公開（公告）號: CN112070680A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 王恩德;侯緒奎;姜平;朱亞龍;彭良玉
• 申請（專利權(quán)）人: 中國科學(xué)院沈陽自動化研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/40
• 代理公司: 沈陽科苑專利商標(biāo)代理有限公司 21002
• 代理人: 李巨智

本發(fā)明涉及一種小波分解和引導(dǎo)濾波的紅外圖像非均勻校正方法，將原始圖像進(jìn)行小波分解，得到該圖像的近似分量、垂直分量、水平分量和對角分量；將垂直分量作為引導(dǎo)濾波器的輸入圖像，將近似分量作為引導(dǎo)濾波器的引導(dǎo)圖像，進(jìn)行條紋噪聲去除，輸出條紋噪聲去除后的圖像；將原始圖像的近似分量、水平分量、對角分量和條紋噪聲去除后的圖像進(jìn)行小波重構(gòu)，得到校正后的圖像。本發(fā)明利用引導(dǎo)濾波直接對垂直分量進(jìn)行去噪，避免圖像的邊緣細(xì)節(jié)信息丟失；總體方法計算復(fù)雜度小，算法基于單幀圖像，收斂速度快，可從從第一幀實現(xiàn)圖像的條紋非均勻性校正。

技術(shù)領(lǐng)域

本發(fā)明涉及紅外焦平面陣列成像技術(shù)中的圖像處理技術(shù)領(lǐng)域，具體地說是一種小波分解和引導(dǎo)濾波的紅外圖像非均勻校正方法。

背景技術(shù)

紅外成像技術(shù)為軍事、農(nóng)業(yè)、醫(yī)療應(yīng)用提供了一個重要的工具，包括熱成像，夜視，視頻監(jiān)控，天文學(xué)，火災(zāi)探測和機(jī)器人技術(shù)。在非制冷長波紅外成像系統(tǒng)中，大多數(shù)紅外焦平面陣列的讀出電路設(shè)計基于CMOS結(jié)構(gòu)。不同于所有探測器共用一個放大器的CCD結(jié)構(gòu)，紅外CMOS陣列的不同列使用不同的放大器。由于放大器的非均勻性，使采集到的紅外圖像存在明顯的條帶噪聲。人類觀察者對由此產(chǎn)生的高頻圖像偽影特別敏感。這種復(fù)雜的固定加性噪聲常使紅外圖像的目標(biāo)檢測無法識別，因此有效地條紋非均勻校正算法具有重要的推廣價值。

目前國內(nèi)外主流的紅外圖像非均勻校正算法主要有定標(biāo)校正法和場景校正法兩種，基于定標(biāo)的方法是目前已經(jīng)成熟的技術(shù)，且具有模型簡單、計算方便的優(yōu)點。但是該方法需要周期性中斷系統(tǒng)的工作以消除溫度漂移的影響，無法在實際場景中實現(xiàn)實時的校正。基于場景的校正算法不需要黑體標(biāo)定，根據(jù)場景的信息而提取參數(shù)，克服了定標(biāo)法的周期性定標(biāo)問題，具有自適應(yīng)校正的優(yōu)點。因此，國內(nèi)外的大量研究工作集中在基于場景的校正技術(shù)上，并提出了很多新的研究成果。

場景法中，包含多幀和單幀兩種方法。多幀場景信息的非均勻校正算法局限性在于需要多幀圖像得到穩(wěn)定的校正因子，需要占據(jù)大量的系統(tǒng)資源，實現(xiàn)算法的硬件化比較困難。且基于場景的非均勻校正算法算法需要圖像具有足夠的場景運動，否則會導(dǎo)致圖像出現(xiàn)“鬼影”問題。單幀法收斂速度較快，可從第一幀就實現(xiàn)條紋非均勻性校正。目前去除條紋噪聲效果較好的單幀算法有：基于統(tǒng)計的灰度校正算法,假設(shè)相鄰列的直方圖相同，通過相鄰直方圖關(guān)系來修改列的直方圖信息。基于約束優(yōu)化方法,假設(shè)條紋噪聲影響水平方向梯度，而對豎直方向梯度幾乎沒有影響，因此將其轉(zhuǎn)換為能量函數(shù)最小化的問題。基于雙邊濾波的紅外圖像非均勻校正算法等。但這些方法在實際使用中大多存會丟失圖像的細(xì)節(jié)信息。且算法復(fù)雜，校正速率慢。因此，缺少一種有針對性、快速的紅外圖像條紋校正算法。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種小波分解和引導(dǎo)濾波的紅外圖像非均勻校正方法，解決現(xiàn)有紅外圖像非均勻校正過程會導(dǎo)致丟失圖像細(xì)節(jié)信息的問題。

本發(fā)明為實現(xiàn)上述目的所采用的技術(shù)方案是：

一種小波分解和引導(dǎo)濾波的紅外圖像非均勻校正方法，包括以下步驟：

步驟1：將原始圖像進(jìn)行小波分解，得到該圖像的近似分量、垂直分量、水平分量和對角分量；

步驟2：將垂直分量作為引導(dǎo)濾波器的輸入圖像，將近似分量作為引導(dǎo)濾波器的引導(dǎo)圖像，進(jìn)行條紋噪聲去除，輸出條紋噪聲去除后的圖像；

步驟3：將原始圖像的近似分量、水平分量、對角分量和條紋噪聲去除后的圖像進(jìn)行小波重構(gòu)，得到校正后的圖像。

所述將原始圖像進(jìn)行小波分解，包括：

從原始圖像Y(i)中提取出高頻分量U(i)，即

Y(i)＝X(i)+U(i)＝X(i)+N(i)+V(i)

U(i)＝{H_i,V_i,D_i}