[發明專利]基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法

有效

• 申請號: 201910605110.3
• 申請日: 2019-07-05
• 公開（公告）號: CN110298808B
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 廖一鵬;陳詩媛;張進
• 申請（專利權）人: 福州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06N3/12
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

本發明涉及基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法，首先對帶噪聲的紅外圖像進行NSCT分解，得到低頻子帶圖像和多尺度高頻子帶；接著將量子編碼和量子門更新引入差分進化算法的優化，防止陷入局部最優解；然后對于多尺度高頻子帶，采用量子差分進化算法自適應獲取最優閾值，通過閾值處理函數對高頻子帶系數進行去噪處理；最后對處理后的各個子帶系數進行逆變換，得到去噪后的紅外圖像。本發明減輕了幾何特征丟失，保留了邊緣、紋理等特征信息，圖像表現的更為平滑，為后續紅外圖像的識別、跟蹤及特征提取等處理提供基礎。

技術領域

本發明涉及紅外圖像去噪技術領域，特別是一種基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法。

背景技術

紅外技術具有抗干擾能力強、環境適應能力強、隱蔽性好及識別能力強等優點，廣泛應用于軍事偵查、醫學診斷、工業檢測及資源勘探等領域。由于復雜的成像環境和探測器自身固有特性的限制，導致設備采集到的紅外圖像普遍存在對比度低、邊緣模糊、信噪比低等缺陷，造成部分圖像細節難以被人眼察覺。而圖像去噪是圖像處理的重要技術，可以提高紅外圖像的視覺效果，為后續紅外圖像的識別、跟蹤及特征提取等奠定基礎。

目前圖像去噪的方法主要有兩種：一種是非局部均值(Non-Local Means，NLM)去噪方法，該方法首先在圖像全局區域比較各像素點的灰度值，然后根據圖像鄰域結構及自身存在冗余信息的特點，利用圖像的非局部自相似性，由圖像的相似性對每一個像素點分配權重，以抑制圖像噪聲，對高斯噪聲的抑制表現出了良好的性能，并有效地保留圖像細節和邊緣，但是計算量龐大，且難免引入不相似點，從而產生累積偏差，導致了去噪效果下降；另一種是在頻域中先對含噪圖像進行小波多尺度變換，得到各尺度下的的小波系數,然后選取閾值和閾值處理函數，用閾值作為門限對小波系數進行處理，大于這個閾值的小波系數保留，小于這個閾值的小波系數置零，是傳統、有效的去噪方法，該方法中的閾值處理函數，主要分為硬閾值函數和軟閾值函數，硬閾值函數能在去噪的同時保留圖像的大致細節信息，但其不具備連續性，造成處理后的圖像出現細節變化過于尖銳及平滑域效果不理想等現象，軟閾值函數處理后的圖像表現的更為平滑，但會造成圖像邊緣模糊化，使得紋理、細節等幾何信息不清晰，且小波變換方向性有限的缺點，不能有效的捕捉圖像的邊緣細節、容易導致微弱細節丟失。

現有的紅外圖像非局部均值去噪方法，能有效地保留圖像細節和邊緣，但計算量龐大，且難免引入不相似點，從而產生累積偏差，導致去噪效果下降。而在頻域上采用硬閾值函數處理去噪方法，能在去噪的同時保留圖像的大致細節信息，但圖像細節變化過于尖銳及平滑域效果不理想。采用軟閾值函數處理去噪方法，圖像表現的更為平滑，但會造成圖像邊緣模糊化，使得紋理、細節等幾何信息不清晰。

發明內容

有鑒于此，本發明的目的是提出一種基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法，不僅保留了紅外圖像的大致細節信息、圖像表現的更為平滑、減輕了幾何特征丟失，而且圖像的峰值信噪比有明顯的提升，去噪效果較其它方法有了很大的改善。

本發明采用以下方案實現：一種基于量子差分進化算法的NSCT域紅外圖像自適應去噪方法，具體包括以下步驟：

步驟S1：對帶噪聲的紅外圖像進行NSCT分解，得到低頻子帶圖像和多尺度高頻子帶；

步驟S2：將量子編碼和量子門更新引入量子差分進化算法的優化，防止陷入局部最優解；

步驟S3：對于多尺度高頻子帶，采用量子差分進化算法自適應獲取最優閾值，通過閾值處理函數對高頻子帶系數進行去噪處理；

步驟S4：對處理后的各個子帶系數進行逆變換，得到去噪后的紅外圖像。

進一步地，步驟S2包括：對量子差分進化算法中的量子旋轉門更新進行以下改進：