一种基于噪声识别的红外图像降噪方法

摘要

本发明公开了一种基于噪声识别的红外图像降噪方法，本方法引入了噪声识别的基本思想，分别计算了当前像素基于截尾均值的和基于梯度的隶属度，考察当前像素受噪声干扰的程度，采用联合判据判断当前像素是否为噪声像素，最后根据判断结果进行降噪，实现对红外图像的降噪。本发明计算量小，易于实时实现；相对传统算法能更有效的保护图像边缘与细节；在对噪声点进行降噪的过程中也考虑了图像的纹理梯度信息，更为准确的对原有信号进行估计。

主权项

一种基于噪声识别的红外图像降噪方法，其特征在于，包括以下步骤：步骤1：计算当前像素基于截尾均值的隶属度，包括基于截尾均值的噪声隶属度μ_n(i,j)以及基于截尾均值的信号隶属度μ_s(i,j)，其中i和j为当前像素所在坐标；其中所述的基于截尾均值的噪声隶属度μ_n(i,j)的计算公式为：其中，f(i,j)为坐标(i,j)的像素灰度值，a、b为可变参数，根据实验取经验值，T(i,j)为以当前像素为中心的3×3窗口的截尾均值，计算公式为：其中，A_i,j表示以当前像素为中心的3×3窗口内所有像素灰度的集合，pMax为集合A_i,j中的最大灰度，pMin为集合A_i,j中的最小灰度；所述的基于截尾均值的信号隶属度μ_s(i,j)的计算公式为：μ_s(i,j)＝1‑μ_n(i,j)；步骤2：计算当前像素基于梯度的隶属度，包括基于梯度的噪声隶属度S_n(i,j)以及基于梯度的信号隶属度S_s(i,j)；其中所述的基于梯度的噪声隶属度S_n(i,j)的计算公式为：其中，d表示方向，共8个方向，分别是上U、左上LU、右上RU、左L、右R、左下LD、下D、右下RD，为坐标(i,j)的像素基于d方向上梯度的噪声隶属度，计算公式为：其中：当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j)–f(i,j)|、|f(i–1,j–1)–f(i,j)|、|f(i–1,j+1)–f(i,j)|、|f(i,j–1)–f(i,j)|、|f(i,j+1)–f(i,j)|、|f(i+1,j–1)–f(i,j)|、|f(i+1,j)–f(i,j)|、|f(i+1,j+1)–f(i,j)|；当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j–1)–f(i,j–1)|、|f(i,j–1)–f(i+1,j)|、|f(i–1,j)–f(i,j–1)|、|f(i+1,j–1)–f(i+1,j)|、|f(i–1,j+1)–f(i–1,j)|、|f(i+1,j)–f(i,j+1)|、|f(i+1,j+1)–f(i,j+1)|、|f(i,j+1)–f(i–1,j)|；当d＝U、LU、RU、L、R、LD、D、RD时，分别等于|f(i–1,j+1)–f(i,j+1)|、|f(i–1,j–1)–f(i,j)|、|f(i,j+1)–f(i+1,j)|、|f(i–1,j–1)–f(i–1,j)|、|f(i+1,j+1)–f(i+1,j)|、|f(i,j–1)–f(i–1,j)|、|f(i+1,j–1)–f(i,j–1)|、|f(i+1,j)–f(i,j–1)|；函数β(·)定义如下：其中，c、d为可变参数，根据实验取经验值；所述的基于梯度的信号隶属度S_s(i,j)的计算公式为：其中，F_s^d(i,j)为当前像素基于d方向上梯度的信号隶属度，计算公式为：步骤3：根据步骤1、步骤2计算得到的基于截尾均值的隶属度和基于梯度的隶属度，判断当前像素是否为噪声像素；步骤4：如果当前像素为噪声像素，则对该像素进行降噪处理，处理完后回到步骤1直到遍历完整幅图像；如果当前像素为正常信号像素，则直接回到步骤1直到遍历完整幅图像。