[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105931203B - 基于统计相对条纹去除法的红外图像条纹滤波方法 - Google Patents

基于统计相对条纹去除法的红外图像条纹滤波方法 Download PDF

Info

Publication number
CN105931203B
CN105931203B CN201610264938.3A CN201610264938A CN105931203B CN 105931203 B CN105931203 B CN 105931203B CN 201610264938 A CN201610264938 A CN 201610264938A CN 105931203 B CN105931203 B CN 105931203B
Authority
CN
China
Prior art keywords
snf
ref
row
image
striped
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610264938.3A
Other languages
English (en)
Other versions
CN105931203A (zh
Inventor
谢雪平
曾衡东
章睿
董涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Jinglin Science and Technology Co Ltd
Original Assignee
Chengdu Jinglin Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Jinglin Science and Technology Co Ltd filed Critical Chengdu Jinglin Science and Technology Co Ltd
Priority to CN201610264938.3A priority Critical patent/CN105931203B/zh
Priority to PCT/CN2016/083215 priority patent/WO2017185441A1/zh
Publication of CN105931203A publication Critical patent/CN105931203A/zh
Application granted granted Critical
Publication of CN105931203B publication Critical patent/CN105931203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

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。

Description

基于统计相对条纹去除法的红外图像条纹滤波方法
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I(x,y)为红外图像，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（x，y）；
S4：统计局部均方差行直方图p1(y,(var(x,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；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(y, 2);
pt(y,3)= p1(y, 1)+ p1(y, 2)+ p1(y, 3);
……
pt(y,k)= p1(y, 1)+ p1(y, 2)+…+p1(y, k)；
S5：计算每一行的相对条纹噪声ref_snf；
计算每行pt(y,k) = 0.3*N的对应k值为var_thd(y)；
标记每行概率密度小于30%的像素点：
Flag (x,y)= 1 (var(x,y) <= var_thd(y))；
Flag (x,y)= 0 (var(x,y) > var_thd(y))；
计算每行概率密度小于30%的所有像素点的和：
Snf_sum(y)= Flag (1,y)* delta(1,y)+ Flag (2,y)* delta(2,y)+...+ Flag(N,y)* delta(N,y)；
计算每行概率密度小于30%的像素点个数：
Snf_num(y)= Flag (1,y)+ Flag (2,y)+…+ Flag (N,y)；
计算相对条纹噪声：
ref_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), 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，其中image_dout(x,y)为去除条纹噪声后的图像；
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I（x，y）为红外图像，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3×3或5×5的窗口求均方差var（x，y）；
S4：统计每一行均方差直方图p1(y,(var(x,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；
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(y, 2);
pt(y,3)= p1(y, 1)+ p1(y, 2)+ p1(y, 3);
……
pt(y,k)= p1(y, 1)+ p1(y, 2)+…+p1(y, k)；
S5：计算每一行的相对噪声ref_snf；
计算每行pt(y,k) = 0.3*N的对应k值为var_thd(y)；
标记每行概率密度小于30%的像素点：
Flag (x,y)= 1 (var(x,y) <= var_thd(y))；
Flag (x,y)= 0 (var(x,y) > var_thd(y))；
计算每行概率密度小于30%的所有像素点的和：
Snf_sum(y)= Flag (1,y)* delta(1,y)+ Flag (2,y)* delta(2,y)+...+ Flag(N,y)* delta(N,y)；
计算每行概率密度小于30%的像素点个数：
Snf_num(y)= Flag (1,y)+ Flag (2,y)+…+ Flag (N,y)；
计算相对条纹噪声：
ref_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，其中image_dout(x,y)为去除条纹噪声后的图像；
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。

Claims (2)

1.基于统计相对条纹去除法的红外图像条纹滤波方法，其特征在于，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I(x,y)为红外图像，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（x，y）；
S4：统计局部均方差行直方图p1(y,(var(x,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；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(y, 2);
pt(y,3)= p1(y, 1)+ p1(y, 2)+ p1(y, 3);
……
pt(y,k)= p1(y, 1)+ p1(y, 2)+…+p1(y, k)；
S5：计算每一行的相对条纹噪声ref_snf；
计算每行pt(y,k) = 0.3*N的对应k值为var_thd(y)；
标记每行概率密度小于30%的像素点：
Flag (x,y)= 1 (var(x,y) <= var_thd(y))；
Flag (x,y)= 0 (var(x,y) > var_thd(y))；
计算每行概率密度小于30%的所有像素点的和：
Snf_sum(y)= Flag (1,y)* delta(1,y)+ Flag (2,y)* delta(2,y)+...+ Flag (N,y)* delta(N,y)；
计算每行概率密度小于30%的像素点个数：
Snf_num(y)= Flag (1,y)+ Flag (2,y)+…+ Flag (N,y)；
计算相对条纹噪声：
ref_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), 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，其中image_dout(x,y)为去除条纹噪声后的图像；
同理能够去除竖向条纹。
2.根据权利要求1所述的基于统计相对条纹去除法的红外图像条纹滤波方法，其特征在于：所述的步骤S3基于3×3或5×5的窗口求均方差var（x，y）。
CN201610264938.3A 2016-04-26 2016-04-26 基于统计相对条纹去除法的红外图像条纹滤波方法 Active CN105931203B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610264938.3A CN105931203B (zh) 2016-04-26 2016-04-26 基于统计相对条纹去除法的红外图像条纹滤波方法
PCT/CN2016/083215 WO2017185441A1 (zh) 2016-04-26 2016-05-25 基于统计相对条纹去除法的红外图像条纹滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610264938.3A CN105931203B (zh) 2016-04-26 2016-04-26 基于统计相对条纹去除法的红外图像条纹滤波方法

Publications (2)

Publication Number Publication Date
CN105931203A CN105931203A (zh) 2016-09-07
CN105931203B true CN105931203B (zh) 2019-07-16

Family

ID=56836220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610264938.3A Active CN105931203B (zh) 2016-04-26 2016-04-26 基于统计相对条纹去除法的红外图像条纹滤波方法

Country Status (2)

Country Link
CN (1) CN105931203B (zh)
WO (1) WO2017185441A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897980B (zh) * 2017-04-12 2020-01-24 湖南国科微电子股份有限公司 基于局部方差的自适应空域降噪方法
CN109360168B (zh) * 2018-10-16 2021-02-12 烟台艾睿光电科技有限公司 红外图像去条纹的方法、装置、红外探测器及存储介质
CN109903235A (zh) * 2019-01-21 2019-06-18 天津大学 一种红外图像条纹噪声的消除方法
CN110400271B (zh) * 2019-07-09 2021-06-15 浙江大华技术股份有限公司 一种条纹非均匀性校正方法、装置、电子设备及存储介质
CN112465707B (zh) * 2019-09-06 2024-03-26 浙江宇视科技有限公司 红外图像条纹噪声的处理方法、装置、介质及电子设备
CN110992244B (zh) * 2019-10-31 2023-10-13 上海扩博智能技术有限公司 带有摩尔纹的图片生成方法、系统、设备和存储介质
CN111161172B (zh) * 2019-12-18 2020-11-06 北京波谱华光科技有限公司 一种红外图像列向条纹消除方法、系统及计算机存储介质
CN112700382B (zh) * 2020-12-23 2024-03-26 杭州海康微影传感科技有限公司 一种图像接缝消除方法、装置及电子设备
CN114627026A (zh) * 2022-03-25 2022-06-14 武汉高德智感科技有限公司 红外图像去除横竖纹的方法、系统、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2432418B (en) * 1982-07-02 2008-01-09 Secr Defence Optical sensing systems
CN102289788A (zh) * 2011-06-17 2011-12-21 中国电子科技集团公司第二十八研究所 多通道红外探测器中条纹非均匀性实时校正方法
CN102855610A (zh) * 2012-08-03 2013-01-02 南京理工大学 采用参数正确性因子的红外图像非均匀性校正方法
CN104008532A (zh) * 2014-06-17 2014-08-27 中国电子科技集团公司第二十八研究所 一种基于先验概率模型的红外图像去条纹方法
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN105184753A (zh) * 2015-09-23 2015-12-23 武汉大学 一维信号处理引导下的遥感影像条带噪声快速滤除方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2432418B (en) * 1982-07-02 2008-01-09 Secr Defence Optical sensing systems
CN102289788A (zh) * 2011-06-17 2011-12-21 中国电子科技集团公司第二十八研究所 多通道红外探测器中条纹非均匀性实时校正方法
CN102855610A (zh) * 2012-08-03 2013-01-02 南京理工大学 采用参数正确性因子的红外图像非均匀性校正方法
CN104008532A (zh) * 2014-06-17 2014-08-27 中国电子科技集团公司第二十八研究所 一种基于先验概率模型的红外图像去条纹方法
CN104657958A (zh) * 2015-03-18 2015-05-27 西安科技大学 一种红外图像条纹噪声消除方法
CN105184753A (zh) * 2015-09-23 2015-12-23 武汉大学 一维信号处理引导下的遥感影像条带噪声快速滤除方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Algorithm for eliminating stripe noise in infrared image;SUI Xiu-Bao 等;《红外与毫米波学报》;20120430;第31卷(第2期);全文
基于双边滤波器的红外图像条纹噪声消除算法;王书朋 等;《红外技术》;20140930;第36卷(第9期);全文

Also Published As

Publication number Publication date
CN105931203A (zh) 2016-09-07
WO2017185441A1 (zh) 2017-11-02

Similar Documents

Publication Publication Date Title
CN105931203B (zh) 基于统计相对条纹去除法的红外图像条纹滤波方法
KR102391619B1 (ko) 비-균일성 정정을 위한 적외선 이미지 처리 방법
CN104702861B (zh) 具有光子计数器的低功率成像系统及操作像素阵列的方法
CN1984242B (zh) 图像数据处理电路和图像数据处理方法
CN104272723B (zh) 特别用于将时变图像数据的取样亮度感测和异步检测相结合的光电阵列
US9819890B2 (en) Readout circuitry to mitigate column fixed pattern noise of an image sensor
US8902336B2 (en) Dynamic, local edge preserving defect pixel correction for image sensors with spatially arranged exposures
JP2019110406A5 (zh)
US9894300B2 (en) Image sensing device for measuring temperature without temperature sensor and method for driving the same
JP6758925B2 (ja) 撮像装置及びその制御方法
US20140192236A1 (en) Dynamic, local edge preserving defect pixel correction for image sensors
Feng et al. Learnability enhancement for low-light raw image denoising: A data perspective
Wach et al. Noise modeling for design and simulation of computational imaging systems
Kumar Sensor non uniformity correction algorithms and its real time implementation for infrared focal plane array-based thermal imaging system
Jara Chavez et al. Acceleration algorithm for constant-statistics method applied to the nonuniformity correction of infrared sequences
US10165208B2 (en) Method for reducing blooming in image sensor during idle period
RU2688616C1 (ru) Способ компенсации геометрического шума инфракрасных изображений
Bekhtin et al. Algorithmic supply of IR sensors with FPN using texture homogeneity levels
Ren et al. Efficient single image stripe nonuniformity correction method for infrared focal plane arrays
Chen et al. Two-dimensional calibration for fixed-pattern noise reduction of thermal images
Geng et al. Scene-based nonuniformity correction algorithm based on temporal median filter
Liu et al. Gradient sky scene based nonuniformity correction and local weighted filter based denoising
TW201618537A (zh) 校正由宇宙微粒所造成的影像缺陷之時間延遲積分影像擷取方法
Liu et al. A self-adaptive nonuniformity correction algorithm for infrared images combined with two-point correction along the rim
Ren et al. Scene-based nonuniformity correction with multiframe registration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant