CN112150385A - 红外图像滤波方法及装置 - Google Patents
红外图像滤波方法及装置 Download PDFInfo
- Publication number
- CN112150385A CN112150385A CN202011052330.7A CN202011052330A CN112150385A CN 112150385 A CN112150385 A CN 112150385A CN 202011052330 A CN202011052330 A CN 202011052330A CN 112150385 A CN112150385 A CN 112150385A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- current pixel
- infrared image
- value
- mean value
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000002184 metal Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了红外图像滤波方法及装置,方法包括:确定目标红外图像每个像素点的灰度值;确定目标红外图像的全局均值;针对目标红外图像的每个像素点均执行:判断当前像素点的灰度值是否小于全局均值;当前像素点的灰度值小于全局均值时,确定当前像素点的局部均值,其中,局部均值为以当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;判断当前像素点的灰度值是否小于局部均值;当前像素点的灰度值小于局部均值时,确定当前像素点的邻域中值;根据当前像素点的邻域中值修改当前像素点的灰度值。本发明的方案能够在信噪比极低的条件下提高红外图像的信噪比。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及红外图像滤波方法及装置。
背景技术
由于红外图像能够被用于分析夜间目标及环境,因此被广泛应用于军事、视频监控、智能家电等多领域中,然而,由于红外图像信噪比较低,在复杂背景环境下,目标很容易被噪声淹没。因此要想准确提取低信噪比红外图像中的目标,需要对红外图像进行滤波处理来提高信噪比。
通常的滤波算法有均值滤波、中值滤波、高斯滤波,但是这些滤波在信噪比极低的条件下对噪声的抑制效果并不十分明显,因此,需要一种在信噪比极低的条件下对红外图像进行滤波以提高红外图像信噪比的方法。
申请号201911056772.6的发明提供了图像滤波方法、装置及电子设备,该方法包括:确定待滤波图像中的目标滤波区域;对于引导图像中的每一个参考像素点,基于参考像素点的空间向量与参考像素点的邻域像素点的空间向量,计算出参考像素点对应的滤波权重集合;基于每一个参考像素点各自对应的滤波权重集合,以引导滤波方式对目标滤波区域进行滤波,得到目标图像。降低计算参考像素点与邻域像素点的权重关系的复杂度,减小在以引导滤波方式对待滤波图像中的目标滤波区域进行滤波的开销,同时,提升以引导滤波方式对待滤波图像中的目标滤波区域进行滤波的可迭代程度。然而,该发明提供的方案在滤波过程中需要使用到参考图像,而通常情况下,无法获取参考图像,因此无法在信噪比极低的条件下提高红外图像的信噪比。
发明内容
本发明实施例提供了红外图像滤波方法及装置,能够在信噪比极低的条件下提高红外图像的信噪比。
第一方面,本发明实施例提供了红外图像滤波方法,包括:
确定目标红外图像每个像素点的灰度值;
根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值;
针对所述目标红外图像的每个像素点,均执行:
判断当前像素点的灰度值是否小于所述全局均值;
当所述当前像素点的灰度值小于所述全局均值时,确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
判断所述当前像素点的灰度值是否小于所述局部均值;
当所述当前像素点的灰度值小于所述局部均值时,确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
根据所述当前像素点的邻域中值修改所述当前像素点的灰度值。
优选地,
所述确定所述目标红外图像的全局均值,包括:
通过如下第一公式,计算出所述全局均值;所述第一公式包括:
其中,μg为所述全局均值,M为所述目标红外图像横向像素点的个数,N为所述目标红外图像纵向像素点的个数,f(i,j)为在所述目标红外图像中的位置为第i行第j列的像素点的灰度值。
优选地,
所述确定所述当前像素点的局部均值,包括:
通过如下第二公式,计算所述局部均值,所述第二公式包括:
其中,μ(x,y)为以位置在第x行第y列的所述当前像素点为中心的预设范围内的各个像素点的所述局部均值,t为邻域半径,(x+tx,y+ty)为第x+tx行第y+ty列的像素点,f(x+tx,y+ty)为第x+tx行第y+ty列的像素点的灰度值。
优选地,
所述确定所述当前像素点的邻域中值,包括:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
优选地,
所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值,包括:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
第二方面,本发明实施例提供了红外图像滤波装置,包括:
第一确定单元,第二确定单元和处理单元;
所述第一确定单元,用于确定目标红外图像每个像素点的灰度值;
所述第二确定单元,用于根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值。
所述处理单元,用于针对所述目标红外图像的每个像素点,均执行:
判断当前像素点的灰度值是否小于所述全局均值;
当所述当前像素点的灰度值小于所述全局均值时,确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
判断所述当前像素点的灰度值是否小于所述局部均值;
当所述当前像素点的灰度值小于所述局部均值时,确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
根据所述当前像素点的邻域中值修改所述当前像素点的灰度值。
优选地,
所述第二确定单元,在执行所述确定所述目标红外图像的全局均值时,具体执行:
通过如下第一公式,计算出所述全局均值;所述第一公式包括:
其中,μg为所述全局均值,M为所述目标红外图像横向像素点的个数,N为所述目标红外图像纵向像素点的个数,f(i,j)为在所述目标红外图像中的位置为第i行第j列的像素点的灰度值。
优选地,
所述处理单元,在执行所述确定所述当前像素点的局部均值时,具体执行:
通过如下第二公式,计算所述局部均值,所述第二公式包括:
其中,μ(x,y)为以位置在第x行第y列的所述当前像素点为中心的预设范围内的各个像素点的所述局部均值,t为邻域半径,(x+tx,y+ty)为第x+tx行第y+ty列的像素点,f(x+tx,y+ty)为第x+tx行第y+ty列的像素点的灰度值。
优选地,
所述处理单元,在执行所述确定所述当前像素点的邻域中值时,具体执行:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
优选地,
所述处理单元,在执行所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值时,具体执行:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
本发明实施例提供了红外图像滤波方法及装置,由上述技术方案可知,首先确定要滤波的目标红外图像每个像素点的灰度值,根据每个像素点的灰度值,确定表示目标红外图像各个像素点的灰度值的平均值的全局均值。针对目标红外图像的每个像素点,均执行:判断当前像素点的灰度值是否小于全局均值,若是,确定表示以当前像素点为中心的预设范围内的各个像素点的灰度值的平均值的局部均值,并判断当前像素点的灰度值是否小于局部均值,若小于局部均值,则确定该像素点为噪点,此时,确定表示以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值的邻域中值,并根据邻域中值修改当前像素点的灰度值。由此可见,本发明提供的方案通过逐像素点比较局部均值和全局均值判断该像素点是否为噪声,修改该像素点灰度,从而得到降噪后的图像,能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,在信噪比极低的条件下保证红外图像滤波的效果,从而能够在信噪比极低的条件下提高红外图像的信噪比。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种红外图像滤波方法的流程图;
图2是本发明一实施例提供的邻域范围的示意图;
图3是本发明一实施例提供的一种红外图像滤波装置的示意图;
图4是本发明一实施例提供的另一种红外图像滤波方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
由前所述,由于红外图像能够被用于分析夜间目标及环境,因此被广泛应用于军事、视频监控、智能家电等多领域中,然而,由于红外图像信噪比较低,在复杂背景环境下,目标很容易被噪声淹没。因此要想准确提取低信噪比红外图像中的目标,需要对红外图像进行滤波处理来提高信噪比。
通常的滤波算法有均值滤波、中值滤波、高斯滤波,但是这些滤波在信噪比极低的条件下对噪声的抑制效果并不十分明显,因此,需要一种在信噪比极低的条件下提高红外图像信噪比的方法。
如图1所示,本发明一实施例提供了一种红外图像滤波方法,该方法包括以下步骤:
步骤101:确定目标红外图像每个像素点的灰度值;
步骤102:根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值;
步骤103:针对所述目标红外图像的每个像素点,均执行:判断当前像素点的灰度值是否小于所述全局均值;若是,执行步骤104,若否,执行步骤108;
步骤104:确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
步骤105:判断所述当前像素点的灰度值是否小于所述局部均值,若是,执行步骤106;若否,执行步骤108;
步骤106:确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
步骤107:根据所述当前像素点的邻域中值修改所述当前像素点的灰度值;
步骤108:结束当前流程。
在本发明实施例中,首先确定要滤波的目标红外图像每个像素点的灰度值,根据每个像素点的灰度值,确定表示目标红外图像各个像素点的灰度值的平均值的全局均值。针对目标红外图像的每个像素点,均执行:判断当前像素点的灰度值是否小于全局均值,若是,确定表示以当前像素点为中心的预设范围内的各个像素点的灰度值的平均值的局部均值,并判断当前像素点的灰度值是否小于局部均值,若小于局部均值,则确定该像素点为噪点,此时,确定表示以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值的邻域中值,并根据邻域中值修改当前像素点的灰度值。由此可见,本发明提供的方案通过逐像素点比较局部均值和全局均值判断该像素点是否为噪声,修改该像素点灰度,从而得到降噪后的图像,能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,在信噪比极低的条件下保证红外图像滤波的效果,从而能够在信噪比极低的条件下提高红外图像的信噪比。
在本发明一实施例中,所述确定所述目标红外图像的全局均值,包括:
通过如下第一公式,计算出所述全局均值;所述第一公式包括:
其中,μg为所述全局均值,M为所述目标红外图像横向像素点的个数,N为所述目标红外图像纵向像素点的个数,f(i,j)为在所述目标红外图像中的位置为第i行第j列的像素点的灰度值。
具体来说,f(i,j)为目标红外图像中第i行第j列的像素点的灰度值,由于M为目标红外图像横向像素点的个数,N为目标红外图像纵向像素点的个数,因此i的最大取值为M,通过累加的方式,确定目标红外图像所有像素点的灰度值,并除以目标红外图像所有像素点的个数M×N,即得到表示目标红外图像各个像素点的灰度值的灰度值的平均值的全局均值。
在本发明一实施例中,所述确定所述当前像素点的局部均值,包括:
通过如下第二公式,计算所述局部均值,所述第二公式包括:
其中,μ(x,y)为以位置在第x行第y列的所述当前像素点为中心的预设范围内的各个像素点的所述局部均值,t为邻域半径,(x+tx,y+ty)为第x+tx行第y+ty列的像素点,f(x+tx,y+ty)为第x+tx行第y+ty列的像素点的灰度值。
具体来说,在确定了在目标红外图像中的位置为第x行第y列当前像素点的灰度值小于上述第一公式计算出的全局均值时,进一步计算当前像素点为中心的预设范围内的各个像素点的局部均值。对于每一个像素点都有一个邻域均值。假设预设范围为3×3的范围,则邻域半径t为1,在通过累加计算预设范围内的各个像素点的灰度值之和时,tx和ty的取值范围为-t到t,这样,就能够将当前像素点周围各个像素点的灰度值都代入到第二公式中,并基于第二公式计算出各个像素点的灰度值之和。在算出各个像素点的灰度值之和后,再除以像素点个数之和就能够得到局部均值。比如,目标红外图像为一幅32×32大小的红外图像,邻域范围的示意图如图2所示,由图2可见,当前像素点的位置为(6,7),邻域半径t为1,即预设范围为3×3的邻域范围,将上述数值带入第二公式,当前像素的3×3邻域的局部均值的计算结果如下:
如果当前像素点的灰度值大于全局均值,则不需要进行局部均值的计算,这样就能够节省大量的计算时间。
在本发明一实施例中,所述确定所述当前像素点的邻域中值,包括:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
具体来说,当确定当前像素点的灰度值即小于全局均值又小于邻域均值时,确定当前像素点为噪声点,需要对当前像素点进行滤波,此时,通过上述的第三公示当前像素点的邻域中值,通过集合中值函数,确定邻域内其他像素点的灰度值的中间值,即邻域中值,根据邻域中值对当前像素点的灰度值进行修改。
在本发明一实施例中,所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值,包括:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
具体来说,本发明提供的是一种基于统计排序的红外图像滤波方法,根据该像素点灰度与全局均值和该点局部均值综合比较判断是否需要对该像素点进行滤波,若该像素点需要进行滤波,则将该点的邻域中值作为该点滤波后的灰度,这样能够保证滤波的同时尽量不破坏目标的边缘,对信噪比极低的红外图像滤波效果较好。
综上所述,判断一个像素点是否为噪声点综合了图像全局均值和局部均值。首先计算图像的全局和局部均值,根据该像素点灰度与全局均值和该点局部均值综合比较判断是否需要对该像素点进行滤波,首先计算红外图像全局均值,然后提取像素点灰度,如果像素点灰度小于全局均值则计算该像素点局部均值,否则提取下一个像素点灰度。若该像素点需要进行滤波,则将该点的邻域中值最为该点滤波后的灰度。该方法能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,尤其对信噪比极低的红外图像滤波效果较好。不同于普通的中值滤波方法,对图像中所有像素点进行中值滤波,而是通过先判断哪些是噪声点,然后只对噪声点进行中值滤波,而且对噪声判断的过程也综合的考虑了全局灰度均值和局部灰度均值。一种基于统计排序的红外图像滤波方法对噪声抑制效果较好,同时保护目标边缘,提高图像细节及峰值信噪比。
如图3所示,本发明一实施例提供了一种红外图像滤波装置,该装置包括:第一确定单元301,第二确定单元302和处理单元303;
所述第一确定单元301,用于确定目标红外图像每个像素点的灰度值;
所述第二确定单元302,用于根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值。
所述处理单元303,用于针对所述目标红外图像的每个像素点,均执行:
判断当前像素点的灰度值是否小于所述全局均值;
当所述当前像素点的灰度值小于所述全局均值时,确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
判断所述当前像素点的灰度值是否小于所述局部均值;
当所述当前像素点的灰度值小于所述局部均值时,确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
根据所述当前像素点的邻域中值修改所述当前像素点的灰度值。
在本发明一实施例中,所述第二确定单元302,在执行所述确定所述目标红外图像的全局均值时,具体执行:
通过如下第一公式,计算出所述全局均值;所述第一公式包括:
其中,μg为所述全局均值,M为所述目标红外图像横向像素点的个数,N为所述目标红外图像纵向像素点的个数,f(i,j)为在所述目标红外图像中的位置为第i行第j列的像素点的灰度值。
在本发明一实施例中,所述处理单元303,在执行所述确定所述当前像素点的局部均值时,具体执行:
通过如下第二公式,计算所述局部均值,所述第二公式包括:
其中,μ(x,y)为以位置在第x行第y列的所述当前像素点为中心的预设范围内的各个像素点的所述局部均值,t为邻域半径,(x+tx,y+ty)为第x+tx行第y+ty列的像素点,f(x+tx,y+ty)为第x+tx行第y+ty列的像素点的灰度值。
在本发明一实施例中,所述处理单元303,在执行所述确定所述当前像素点的邻域中值时,具体执行:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
在本发明一实施例中,所述处理单元303,在执行所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值时,具体执行:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
可以理解的是,本发明实施例示意的结构并不构成对红外图像滤波装置的具体限定。在本发明的另一些实施例中,红外图像滤波装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
下面通过本发明的一个较佳实施例对本发明的方案做进一步详细解释说明。
如图4所示,本发明一实施例提供了一种红外图像滤波方法,该方法包括以下步骤:
步骤401:确定目标红外图像每个像素点的灰度值,根据每个像素点的灰度值,确定目标红外图像的全局均值。
具体来说,目标红外图像为32×32的原始红外图像,使用灰度值测试确定所有像素点的灰度值。之后通过第一公式计算出目标红外图像的全局均值为3000.461。
步骤402:判断当前像素点的灰度值是否小于全局均值,若否,结束当前流程,若是,计算以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值局部均值。
具体来说,全局均值为计算整幅图像的灰度均值,局部均值为计算该像素点邻域的灰度均值,对于每一个像素点都有一个邻域均值,如果该像素点灰度小于全局均值,才计算局部均值,如果某一像素点大于全局均值,则不需进行局部均值的计算,能够节省大量的计算时间。举例来说,当前像素点为目标红外图像中第6行第7列的像素点,坐标为(6,7),若当前像素点的灰度值f(6,7)大于全局均值3000.461,结束当前流程,不进行局部均值的计算。若当前像素点的灰度值f(6,7)小于全局均值3000.431,通过第二公式计算局部均值。当邻域半径t=1时,邻域范围为3×3,将3×3范围内每个像素点的灰度值代入第二公式,比如如下的一种情况,局部均值。
具体来说,通过每一个像素点与全局均值和局部均值比较判断该像素点是否为噪声点,当当前像素点(6,7)的灰度值既小于全局均值和局部均值时,确定当前像素点(6,7)为噪声点,此时,计算当前像素点(6,7)的邻域中值。将邻域内其余8个像素点的灰度值代入集合中值函数med{},得到邻域中值fmed(6,7)=2998.5。
步骤404:若当前像素点的灰度值小于局部均值,将当前像素点的灰度值替换为邻域中值,若当前像素点的灰度值不小于局部均值,结束当前流程。
具体来说,通过每一个像素点与全局均值和局部均值比较判断该像素点是否为噪声点,如果为噪声点则将其用邻域中值替换,从而实现居于统计排序的红外图像滤波方法,该方法能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,尤其对信噪比极低的红外图像滤波效果较好。若当前像素点的灰度值f(6,7)不小于fmed(6,7)=2998.5,则结束当前流程。若f(6,7)小于fmed(6,7)=2998.5,则当前像素点为噪声,则用邻域中值替换。
本发明各个实施例至少具有以下优点:
1、在本发明实施例中,通过逐像素点比较局部均值和全局均值判断该像素点是否为噪声,修改该像素点灰度,从而得到降噪后的图像,能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,在信噪比极低的条件下保证红外图像滤波的效果,从而能够实现在信噪比极低的情况下对红外图像进行滤波以提高信噪比。
2、在本发明实施例中,如果某一像素点大于全局均值,则不需进行局部均值的计算,能够节省大量的计算时间。
3、在本发明实施例中,使用的是基于统计排序的红外图像滤波方法,综合了全局均值和局部均值对图像进行中值滤波,通过每一个像素点与全局均值和局部均值比较判断该像素点是否为噪声点,如果为噪声点则将其用邻域中值替换,从而实现基于统计排序的红外图像滤波方法,该方法能够在滤除红外图像噪声的同时能够保护图像的边缘不被模糊,尤其对信噪比极低的红外图像滤波效果较好。
需要说明的是,上述各流程和各***结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的***结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元可以通过机械方式或电气方式实现。例如,一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基于上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (10)
1.红外图像滤波方法,其特征在于,包括:
确定目标红外图像每个像素点的灰度值;
根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值;
针对所述目标红外图像的每个像素点,均执行:
判断当前像素点的灰度值是否小于所述全局均值;
当所述当前像素点的灰度值小于所述全局均值时,确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
判断所述当前像素点的灰度值是否小于所述局部均值;
当所述当前像素点的灰度值小于所述局部均值时,确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
根据所述当前像素点的邻域中值修改所述当前像素点的灰度值。
4.根据权利要求3所述的方法,其特征在于,
所述确定所述当前像素点的邻域中值,包括:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
5.根据权利要求4所述的方法,其特征在于,
所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值,包括:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
6.红外图像滤波装置,其特征在于,包括:
第一确定单元,第二确定单元和处理单元;
所述第一确定单元,用于确定目标红外图像每个像素点的灰度值;
所述第二确定单元,用于根据所述目标红外图像每个像素点的灰度值,确定所述目标红外图像的全局均值,其中,所述全局均值为所述目标红外图像各个像素点的灰度值的灰度值的平均值。
所述处理单元,用于针对所述目标红外图像的每个像素点,均执行:
判断当前像素点的灰度值是否小于所述全局均值;
当所述当前像素点的灰度值小于所述全局均值时,确定所述当前像素点的局部均值,其中,所述局部均值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的平均值;
判断所述当前像素点的灰度值是否小于所述局部均值;
当所述当前像素点的灰度值小于所述局部均值时,确定所述当前像素点的邻域中值,其中,所述邻域中值为以所述当前像素点为中心的预设范围内的各个像素点的灰度值的中值;
根据所述当前像素点的邻域中值修改所述当前像素点的灰度值。
9.根据权利要求8所述的装置,其特征在于,
所述处理单元,在执行所述确定所述当前像素点的邻域中值时,具体执行:
根据如下第三公式,计算出所述当前像素点的所述邻域中值,所述第三公式包括:
fmed(x,y)=med{f(x-m,y-m)|m,n∈W};
其中,fmed(x,y)为所述邻域中值,(x-m,y-m)为第x-m行第y-m列的像素点,f(x-m,y-m)为第x-m行第y-m列的像素点的灰度值,med{}为集合中值函数。
10.根据权利要求9所述的装置,其特征在于,
所述处理单元,在执行所述根据所述当前像素点的邻域中值修改所述当前像素点的灰度值时,具体执行:
将所述当前像素点的邻域中值fmed(x,y)作为滤波后的所述目标红外图像中所述当前像素点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011052330.7A CN112150385B (zh) | 2020-09-29 | 2020-09-29 | 红外图像滤波方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011052330.7A CN112150385B (zh) | 2020-09-29 | 2020-09-29 | 红外图像滤波方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150385A true CN112150385A (zh) | 2020-12-29 |
CN112150385B CN112150385B (zh) | 2023-05-12 |
Family
ID=73895836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011052330.7A Active CN112150385B (zh) | 2020-09-29 | 2020-09-29 | 红外图像滤波方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150385B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255185A (zh) * | 2021-12-16 | 2022-03-29 | 武汉高德智感科技有限公司 | 一种图像处理的方法、装置、终端及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5327240A (en) * | 1991-12-24 | 1994-07-05 | Texas Instruments Incorporated | Methods, systems and apparatus for providing improved definition video |
US5963669A (en) * | 1997-01-02 | 1999-10-05 | Ncr Corporation | Method of extracting relevant character information from gray scale image data for character recognition |
JP2009049753A (ja) * | 2007-08-21 | 2009-03-05 | Nikon Corp | 画像処理装置、カメラ、画像処理プログラムおよび画像処理方法 |
CN102509077A (zh) * | 2011-10-28 | 2012-06-20 | 江苏物联网研究发展中心 | 基于光照自动评估的目标识别方法 |
CN102890780A (zh) * | 2011-07-19 | 2013-01-23 | 富士通株式会社 | 图像处理装置和方法 |
CN103093433A (zh) * | 2013-01-25 | 2013-05-08 | 西安电子科技大学 | 基于区域划分和字典学习的自然图像去噪方法 |
CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
US20140133774A1 (en) * | 2012-11-09 | 2014-05-15 | Industrial Technology Research Institute | Image processor and image dead pixel detection method thereof |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
CN107895365A (zh) * | 2017-11-01 | 2018-04-10 | 国网山东省电力公司电力科学研究院 | 一种输电通道外破防护的图像匹配方法及监测*** |
US20180182070A1 (en) * | 2016-12-27 | 2018-06-28 | Hanwha Techwin Co., Ltd. | Image processing device and image enhancing method |
CN109495731A (zh) * | 2017-09-13 | 2019-03-19 | 三星电子株式会社 | 由图像信号处理器执行的用于自动白平衡方法 |
CN111476723A (zh) * | 2020-03-17 | 2020-07-31 | 哈尔滨师范大学 | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 |
CN112601068A (zh) * | 2020-12-15 | 2021-04-02 | 济南浪潮高新科技投资发展有限公司 | 视频数据增广方法、装置及计算机可读介质 |
-
2020
- 2020-09-29 CN CN202011052330.7A patent/CN112150385B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5327240A (en) * | 1991-12-24 | 1994-07-05 | Texas Instruments Incorporated | Methods, systems and apparatus for providing improved definition video |
US5963669A (en) * | 1997-01-02 | 1999-10-05 | Ncr Corporation | Method of extracting relevant character information from gray scale image data for character recognition |
JP2009049753A (ja) * | 2007-08-21 | 2009-03-05 | Nikon Corp | 画像処理装置、カメラ、画像処理プログラムおよび画像処理方法 |
CN102890780A (zh) * | 2011-07-19 | 2013-01-23 | 富士通株式会社 | 图像处理装置和方法 |
CN102509077A (zh) * | 2011-10-28 | 2012-06-20 | 江苏物联网研究发展中心 | 基于光照自动评估的目标识别方法 |
US20140133774A1 (en) * | 2012-11-09 | 2014-05-15 | Industrial Technology Research Institute | Image processor and image dead pixel detection method thereof |
CN103093433A (zh) * | 2013-01-25 | 2013-05-08 | 西安电子科技大学 | 基于区域划分和字典学习的自然图像去噪方法 |
CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
US20180182070A1 (en) * | 2016-12-27 | 2018-06-28 | Hanwha Techwin Co., Ltd. | Image processing device and image enhancing method |
CN109495731A (zh) * | 2017-09-13 | 2019-03-19 | 三星电子株式会社 | 由图像信号处理器执行的用于自动白平衡方法 |
CN107895365A (zh) * | 2017-11-01 | 2018-04-10 | 国网山东省电力公司电力科学研究院 | 一种输电通道外破防护的图像匹配方法及监测*** |
CN111476723A (zh) * | 2020-03-17 | 2020-07-31 | 哈尔滨师范大学 | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 |
CN112601068A (zh) * | 2020-12-15 | 2021-04-02 | 济南浪潮高新科技投资发展有限公司 | 视频数据增广方法、装置及计算机可读介质 |
Non-Patent Citations (7)
Title |
---|
ARCHANA SINGH,ET: "Contrast enhancement and brightness preservation using global-local image enhancement techniques" * |
E. NIHARIKA,ET: "K-means based noisy SAR image segmentation using median filtering and otsu method" * |
HONG LI ET AL: "A New Framework for Infrared Image Enhancement", 《2015 11TH INTERNATIONAL CONFERENCE ON SIGNAL-IMAGE TECHNOLOGY & INTERNET-BASED SYSTEMS (SITIS)》 * |
向成毅: "低对比度目标探测跟踪技术研究" * |
孙刚: "大视场红外搜索***目标检测关键技术研究", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
张耀;雍杨;张启衡;徐智勇;严棚;魏宇星;: "低对比度小目标检测" * |
高晓妮: "基于全局与局部特性的图像降噪算法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255185A (zh) * | 2021-12-16 | 2022-03-29 | 武汉高德智感科技有限公司 | 一种图像处理的方法、装置、终端及存储介质 |
CN114255185B (zh) * | 2021-12-16 | 2022-11-25 | 武汉高德智感科技有限公司 | 一种图像处理的方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112150385B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272509B (zh) | 一种连续图像的目标检测方法、装置、设备及存储介质 | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其***、设备、介质 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
EP2641390B1 (en) | Component filtering for low-light noise reduction | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN111696064A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111179186A (zh) | 一种保护图像细节的图像去噪*** | |
CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控*** | |
CN112465707B (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
CN112150385A (zh) | 红外图像滤波方法及装置 | |
CN113052019A (zh) | 目标跟踪方法及装置、智能设备和计算机存储介质 | |
US9996906B2 (en) | Artefact detection and correction | |
EP2302582B1 (en) | Correcting defects in an image | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN110782425A (zh) | 图像处理方法、图像处理装置和电子设备 | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
CN112967321A (zh) | 运动目标的检测方法、装置、终端设备及存储介质 | |
Ishida et al. | Shadow detection by three shadow models with features robust to illumination changes | |
Smith | Edge thinning used in the SUSAN edge detector | |
CN113470028A (zh) | 染色体核型图像质量评估方法、染色体分析仪和存储介质 | |
KR20060064056A (ko) | 이미지 개선 | |
Abang et al. | Application of blind deconvolution and Lucy-Richardson Deconvolution for image deblurring | |
CN112492293A (zh) | 图像模糊诊断方法、装置及安防中控设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |