[发明专利]一种红外图像条纹噪声去除方法及装置

说明书

本发明涉及红外图像处理领域，具体涉及一种红外图像条纹噪声去除方法及装置。该方法及装置首先根据条纹噪声分量和信息分量在方向性和结构性上的特点建立红外图像相应的正则项；再根据红外图像相应的正则项建立条纹噪声优化模型；最后用最小交替方向乘子法ADMM对条纹噪声优化模型进行求解，充分利用条纹噪声分类与实际信息分量的先验信息，以得到较好的噪声分离结果，保证在优化的过程中边缘不会被过度平滑导致失真。

技术领域

本发明涉及红外图像处理领域，具体而言，涉及一种红外图像条纹噪声去除方法及装置。

背景技术

由于红外探测器读出电路的不一致性，探测器的非均匀性往往以条纹噪声的形式在图像上表现出来，直接影响成像的质量，甚至影响后续的图像处理应用。因此，为了增强图像质量，在保留图像细节信息的同时研究对条纹噪声的去除方法是至关重要的。

近些年，众多学者致力于去除图像条纹噪声的研究并提出了大量的方法。如：频域滤波法、小波变换法、统计匹配法、全变分法等。但是这些红外图像条纹噪声去除方法大多是在重点关注图像的去噪程度，而很少考虑条纹噪声的结构特性，更少的考量图像边缘与条纹噪声的区分，这就导致当前的许多红外图像条纹噪声去除算法要么去噪能力不足，去噪后得到的图像尚有残余噪声；要么去噪能力过度，去噪后得到的图像丢失信息。

发明内容

本发明实施例提供了一种红外图像条纹噪声去除方法及装置，以至少解决现有红外图像条纹噪声去除效果差的技术问题。

根据本发明的一实施例，提供了一种红外图像条纹噪声去除方法，包括以下步骤：

根据条纹噪声分量和信息分量在方向性和结构性上的特点建立红外图像相应的正则项；

根据红外图像相应的正则项建立条纹噪声优化模型；

用最小交替方向乘子法ADMM对条纹噪声优化模型进行求解。

进一步地，根据条纹噪声分量和信息分量在方向性和结构性上的特点建立红外图像相应的正则项包括：

利用条纹噪声分量与实际信息分量间的差异，分别以沿条纹方向的梯度稀疏性、条纹噪声的全局稀疏性作为正则项，以信息分量跨条纹方向的稀疏性作为保真项。

进一步地，利用条纹噪声分量与实际信息分量间的差异，分别以沿条纹方向的梯度稀疏性、条纹噪声的全局稀疏性作为正则项包括：

在垂直方向梯度域上对条纹噪声分量稀疏性作约束，采用L1范数建立正则项公式:

P₁(n)＝||d_yN||₁   (1)

其中，N为条纹噪声分量N(i,j)的离散向量表示，d_y为沿垂直方向上的卷积梯度算子。

进一步地，以信息分量跨条纹方向的稀疏性作为保真项包括：

信息分量中的水平方向梯度域为平滑型，用信息分量的水平方向梯度表示保真项:

P₂(N)＝Ω_edge‖d_xI-d_xN‖₁   (2)

其中，I为红外探测器像元(i,j)位置输出的原始图像I(i,j)的离散向量表示，d_x为沿水平方向上的卷积梯度算子。

进一步地，对边缘像素赋予权重算子，定义一个归一化的边缘对比度计算公式：

C_edge(i,j)＝(|I(i,j)-E(NBH(i,j))|/2ⁿ)*100％   (3)