CN117078550A - 一种红外图像多尺度去条纹噪声方法、***及存储介质 - Google Patents
一种红外图像多尺度去条纹噪声方法、***及存储介质 Download PDFInfo
- Publication number
- CN117078550A CN117078550A CN202311066253.4A CN202311066253A CN117078550A CN 117078550 A CN117078550 A CN 117078550A CN 202311066253 A CN202311066253 A CN 202311066253A CN 117078550 A CN117078550 A CN 117078550A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- amplitude
- frequency
- low
- scale
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,更具体涉及一种红外图像多尺度去条纹噪声方法、***及存储介质。包括对第一红外图像进行N倍下采样,得到第一红外图像;对第一红外图像在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像,通过过滤掉低频的第一红外图像,获取高频的第一红外图像在第二方向上的条纹幅值;对高频的第一红外图像第二方向上的条纹幅值进行上采样,获取第一红外图像原始宽度的条纹幅值;第一红外图像第一方向上的像素点减去第一红外图像对应位置的原始宽度的条纹幅值,获得去竖条纹后的第一红外图像。通过本发明有效改善了红外图像的质量。
Description
技术领域
本发明涉及图像处理技术领域,更具体涉及一种红外图像多尺度去条纹噪声方法、***及存储介质。
背景技术
红外成像电子学组件是热成像***的重要组成部分,其肩负着充分发挥红外焦平面探测器性能、将红外焦平面探测器输出的电信号经过处理转化为视频信号或者其它***规定格式信号的功能。红外成像电子学组件则包括硬件***和图像处理算法两大部分,由于当前硬件***平台已经十分完善,因此红外图像处理技术成为成像电子学组件的重要研究内容。在红外焦平面探测器中,输出电路通常是同一列像元或者同一行像元共享同一个放大电路,而不同放大电路输出的偏置电压不完全一致,导致红外图像在列或者行方向存在条纹噪声。
现有技术中,非均匀噪声的消除方法主要有两种:一是基于陷波滤波器滤除横条纹,该方法对周期性的条纹噪声有很好的效果,可以去除单列的细条纹噪声,但是无法去除宽条纹噪声;二是利用图像相邻行的相关性,根据相邻行的行均值与当前行的行均值之差来估计噪声,该方法在图像本身行均值变化不大的情况下有很好的效果,若图像本身行均值变化非常大反而会引入条纹噪声。
为解决以上问题,本发明提出一种红外图像多尺度去条纹噪声方法、***及存储介质,以提高红外图像质量。
发明内容
为了更好的解决红外图像上宽条纹的噪声问题,本发明提供一种红外图像多尺度去条纹噪声方法。
作为本发明的一种优选技术方案,包括如下步骤:
步骤S1:对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
步骤S2:对所述第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的所述第一红外图像Ilow,通过过滤掉低频的所述第一红外图像Ilow,获取高频的所述第一红外图像Ihigh在第二方向上的条纹幅值,其中n,表示一维灰度滤波窗口的宽度,所述第一方向和所述第二方向垂直;
步骤S3:对高频的所述第一红外图像Ihigh所述第二方向上的条纹幅值进行上采样,获取所述第一红外图像I原始宽度的条纹幅值;
步骤S4:所述第一红外图像I第一方向上的像素点减去所述第一红外图像I对应位置的原始宽度的条纹幅值,获得去所述第二方向条纹后的所述第一红外图像Idst。
作为本发明的一种优选技术方案,所述步骤S1中,得到所述第一红外图像Idown的表达式如下:
其中,I为所述第一红外图像,x,y分别为所述第一红外图像在二维空间上的坐标位置。
作为本发明的一种优选技术方案,所述步骤S2中,低频的所述第一红外图像Ilow的表达式如下:
其中,w()表示一维高斯函数,abs()表示计算绝对值,t表示滤波窗口内像素的索引。作为本发明的一种优选技术方案,高频的所述第一红外图像Ihigh的表达式如下:
Ihigh(x,y)=Idown(x,y)-Ilow(x,y)
其中,Idown(x,y)为下采样后的所述第一红外图像Ilow,Ilow(x,y)为低频的所述第一红外图像,Ihigh(x,y)为高频的所述第一红外图像Ihigh。
作为本发明的一种优选技术方案,高频的所述第一红外图像Ihigh所述第二方向上的条纹幅值表达式如下:
其中,StrValue()表示条纹幅值函数。
作为本发明的一种优选技术方案,所述步骤S3中,所述第一红外图像I原始宽度的条纹幅值表达式如下:
StrValue(x,1)=StrValueN(x/N,1)。
作为本发明的一种优选技术方案,去所述第二方向条纹后的所述第一红外图像Idst表达式如下:
其中,Idst表示去所述第二方向条纹后的所述第一红外图像Idst。
本发明还提供一种如上所述的红外图像多尺度去条纹噪声***,所述***包括如下模块:
下采样模块,用于对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
条纹幅值计算模块,用于对所述第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值,其中,n表示一维灰度滤波窗口的宽度,所述第一方向和所述第二方向垂直;
上采样模块,用于对高频的所述第一红外图像Ihigh所述第二方向上的条纹幅值进行上采样,获取所述第一红外图像I原始宽度的条纹幅值;
去条纹模块,用于所述第一红外图像I第一方向上的像素点减去所述第一红外图像I对应位置的原始宽度的条纹幅值,获得去所述第二方向条纹后的第一红外图像Idst。
本发明还提供一种计算设备,所述设备包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现上述的红外图像多尺度去条纹噪声方法。
本发明还提供一种存储介质,所述存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述的红外图像多尺度去条纹噪声方法。
与现有技术相比,本发明的有益效果至少如下所述:
1、本发明的技术方案通过对第一红外图像I进行N倍下采样,得到第一红外图像Idown;对第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值;对高频的第一红外图像Ihigh第二方向上的条纹幅值进行上采样,获取第一红外图像I原始宽度的条纹幅值;第一红外图像I第一方向上的像素点减去对应位置的条纹幅值,获得去第二方向条纹后的第一红外图像Idst。实现了在红外图像的小尺度上去除宽条纹,在红外图像的大尺度上去除细条纹,还适用于红外图像去除横条纹和去除竖条纹,有效改善了红外图像的质量。
2、本发明的技术方案通过对红外图像进行下采样将宽条纹变成细条纹,最终达到去除红外图像上竖条纹的目的,提高了处理红外图像的效率高,该技术方案实时性好,并且适合并行处理和在FPGA端移植。
附图说明
图1为本发明一种红外图像多尺度去条纹噪声方法的步骤流程图;
图2为本发明未去竖纹的红外图像;
图3为本发明去竖纹处理后的红外图像;
图4为本发明一种红外图像多尺度去条纹噪声***的组成结构图;
图4中所示:100、红外图像多尺度去条纹噪声***;101、下采样模块;102、条纹幅值计算模块;103、上采样模块;104、去条纹模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在红外焦平面探测器中,输出电路通常是同一列像元或者同一行像元共享同一个放大电路,而不同放大电路输出的偏置电压不完全一致,导致红外图像在列或者行方向存在条纹噪声。如上述中,提高红外图像质量是本发明要解决的问题。
针对上述的技术问题,本发明提出了如图1所示的一种红外图像多尺度去条纹噪声方法,包括如下步骤:
步骤S1:对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
步骤S2:对第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值,其中,n表示一维灰度滤波窗口的宽度,第一方向和第二方向垂直;
步骤S3:对高频的第一红外图像Ihigh第二方向上的条纹幅值进行上采样,获取第一红外图像I原始宽度的条纹幅值;
步骤S4:第一红外图像I第一方向上的像素点减去第一红外图像I对应位置的原始宽度的条纹幅值,获得去第二方向条纹后的第一红外图像Idst。
具体的,依次对红外图像进行N倍、N/2倍和N/4倍下采样,通过下采样将宽条纹变成细条纹,在红外图像的小尺度上去除宽条纹,在红外图像的大尺度上去除细条纹,同时还适用于红外图像去除横条纹和去除竖条纹,有效改善了红外图像的质量。对红外图像进行下采样包括但不限于以下方式:1)宽和高方向同时下采样;2)仅宽方向下采样;3)仅高方向下采样。获得低分辨率图像的方法包括但不限于以下方法:算术平均、加权平均和行或列方向间隔取点。下采样的尺度N包括但不限于8,N为正整数且必须是W和H的公约数。通过滤波方式计算条纹幅值的方法,滤波方法包括但不限于以下方式:空域滤波、灰度滤波、双边滤波和引导滤波,滤波方法均为现有技术,此处不再赘述。
根据红外图像中竖纹宽度的不同,下采样宽度可以灵活选取,这里下采样的尺度取值依次为8、4和2,这种方法适用于在保留图像特征的同时减少处理所需的计算资源;对下采样后的红外图像在行方向上进行一维单边灰度滤波(1*n),得到低频的红外图像,此步骤有助于消除红外图像中的噪声和非条纹干扰;采用下采样后的红外图像减去低频的红外图像,得到高频的红外图像的技术方案,有助于突出红外图像中的竖纹特征;计算高频的红外图像列方向上的均值,得到对应列上的条纹幅值,这一步骤可以帮助量化各个竖纹的幅度。对高频的红外图像列方向上的条纹幅值进行上采样,得到红外图像原始宽度的条纹幅值,这样可以在保持原始分辨率的同时恢复红外图像中的竖纹特征;原始红外图像减去红外图像原始宽度的条纹幅值,得到去竖条纹后的红外图像,可以有效地消除红外图像中的竖纹干扰,使得图像更加清晰,有利于进一步的分析和处理。例如,可以根据红外图像质量和计算资源选择不同的下采样和上采样因子,或者根据分析目的选择合适的滤波器和阈值。
进一步的,上述步骤S1中,得到第一红外图像Idown的表达式如下:
其中,I为第一红外图像,x,y分别为第一红外图像在二维空间上的坐标位置。
具体的,对红外图像进行N倍下采样,先确定红外图像的宽度W和高度H、下采样的倍数N、及红外图像在二维空间上的坐标位置(x,y),通过上述表达式,获取下采样后的第一红外图像Idown。这里要注意,下采样会丢失原始红外图像的一些信息,因此需要权衡下采样倍数和红外图像质量之间的关系,选择合适的下采样倍数。
进一步的,上述步骤S2中,低频的第一红外图像Ilow的表达式如下:
其中,w()表示一维高斯函数,abs()表示计算绝对值,t表示滤波窗口内像素的索引。
具体的,低频红外图像(Low-frequency infrared imaging)是指使用红外光谱中的低频区域(通常是3-5微米或8-14微米)进行成像的技术。这种技术可以用于探测热辐射,因为物体的温度通常会影响它们在红外光谱中的辐射强度。采用双边滤波器对原始红外图像进行行方向上的滤波处理,得到原始红外图像的低频信息。在上述方法中,采用双边滤波的方法,可以使得高频信息从原始红外图像中提取出来,同时保留图像中有效的边缘信息。其中,一维高斯函数为:(σ为标准方差,x为横坐标,w(x)为计算结果,σ越大,曲线波动越宽),通过上述表达式可以获取到低频的红外图像,本步骤有助于消除红外图像中的噪声和非条纹干扰。
进一步的,高频的第一红外图像Ihigh的表达式如下:
Ihigh(x,y)=Idown(x,y)-Ilow(x,y)
其中,Idown(x,y)为下采样后的第一红外图像Ilow,Ilow(x,y)为低频的第一红外图像,Ihigh(x,y)为高频的第一红外图像Ihigh。
具体的,采用下采样后的红外图像减去低频的红外图像,获取高频的红外图像的技术方案是一种常见的图像处理方法,从一个图像中提取高频信息对于很多应用非常有用,高频信息通常表示图像中细节、纹理等变化的部分。需要注意的是,在对两个红外图像进行减法时,需要保证它们的大小和类型都相同;另外,如果低频的红外图像是通过一些滤波器的输出得到的,则可以在进行减法时使用它的负数来完成高通滤波,本步骤的技术方案有助于突出红外图像中的竖纹特征。
进一步的,高频的第一红外图像Ihigh第二方向上的条纹幅值表达式如下:
其中,StrValue()表示条纹幅值函数。
具体的,条纹幅值(fringe amplitude)是指在光学干涉中,干涉条纹中亮度的最大值与最小值之间的差值。在干涉仪中,干涉条纹是由两束光的干涉产生的,其中一束光经过光程差后相位发生了变化,当两束光相遇时会出现干涉条纹。这些干涉条纹的亮度会随着光程差的变化而变化,而条纹幅值指的就是干涉条纹亮度的最大值与最小值之间的差值。在光学干涉中,条纹幅值是一个重要的参数,它可以用来衡量两束光的相位差异,并且可以通过测量这些干涉条纹的幅值变化来测量样品的形状、表面粗糙度等。例如,在表面形貌测量中,可以使用干涉仪来测量样品表面的形状,通过测量干涉条纹的幅值变化来计算出样品表面的高度差异。此外,条纹幅值还可以用于测量光学元件的表面质量、透明度等参数,因为这些参数会影响干涉条纹的亮度和形状。因此,在光学制造和检测中,条纹幅值是一个重要的指标,可以用来评估光学元件的性能和质量。
计算高频的红外图像列方向的均值,可以得到对应列方向上的条纹幅值。在红外图像处理和分析中,用于去除或者分析纹理信息。计算条纹幅值,将其绘制成灰度图像进行显示。可以看到,条纹幅值非常适合用于描述图像的纹理特征。具体的实施过程中,条纹幅值的计算可以根据实际情况进行调整,例如可以将均值滤波替换成高斯滤波,或者计算列方向上的其他统计量等;此外,条纹幅值还可以用于目标检测、图像去噪等领域。
进一步的,上述步骤S3中,第一红外图像I原始宽度的条纹幅值表达式如下:
StrValue(x,1)=StrValueN(x/N,1)。
具体的,对高频的红外图像列方向上的条纹幅值进行上采样,就是在高频的红外图像像素的基础上在像素点之间采用合适的插值算法***新的元素,相当于将33的结构扩大到44、55这样的结构再进行相应计算,具体实施方式是上采样系数与下采样系数取相同,都为N,即在原图k与k+1两点之间***N-1个点,使其构成N分。插值的方法分为很多种,一般主要从时域和频域两个角度考虑。对于时域插值,最为简单的是线性插值。除此之外,Hermite插值,样条插值等均可以从有关数值分析书中找到公式,直接代入运算即可;本步骤通过上述表达式直接计算红外图像原始宽度的条纹幅值。
进一步的,去第二方向条纹后的第一红外图像Idst表达式如下:
其中,Idst表示去第二方向条纹后的第一红外图像Idst。
具体的,通过上述技术方案,即可得到最终的红外图像。如图3所示,去竖纹处理后的红外图像,如图2所示,未去竖纹的红外图像,从这2个图对比可以看出,本发明处理后的图,已经明显去除了条纹信息。
本发明还提供一种如图4所示的红外图像多尺度去条纹噪声***100,包括如下模块:
下采样模块101,用于对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
条纹幅值计算模块102,用于对第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值,其中,n表示一维灰度滤波窗口的宽度,第一方向和第二方向垂直;
上采样模块103,用于对高频的第一红外图像Ihigh第二方向上的条纹幅值进行上采样,获取第一红外图像I原始宽度的条纹幅值;
去条纹模块104,用于第一红外图像I第一方向上的像素点减去第一红外图像I对应位置的原始宽度的条纹幅值,获得去第二方向条纹后的第一红外图像Idst。
本发明还提供一种存储器和处理器;
存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,该计算机可执行指令被处理器执行时实现上述的红外图像多尺度去条纹噪声方法。
本发明还提供一种计算机存储介质,存储介质存储有程序指令,其中,在程序指令运行时控制计算机存储介质所在设备执行上述的红外图像多尺度去条纹噪声方法。
综上所述,本发明通过对第一红外图像I进行N倍下采样,得到第一红外图像Idown;对第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值;对高频的第一红外图像Ihigh第二方向上的条纹幅值进行上采样,获取第一红外图像I原始宽度的条纹幅值;第一红外图像I第一方向上的像素点减去第一红外图像I对应位置的原始宽度的条纹幅值,获得去第二方向条纹后的第一红外图像Idst。实现了在红外图像的小尺度上去除宽条纹,在红外图像的大尺度上去除细条纹,还适用于红外图像去横条纹和去竖条纹,有效改善了红外图像的质量。
以上上述的实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上上述的实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上上述的仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种红外图像多尺度去条纹噪声方法,其特征在于,包括如下步骤:
步骤S1:对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
步骤S2:对所述第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的所述第一红外图像Ilow,通过过滤掉低频的所述第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值,其中,n表示一维灰度滤波窗口的宽度,所述第一方向和所述第二方向垂直;
步骤S3:对高频的所述第一红外图像Ihigh所述第二方向上的条纹幅值进行上采样,获取所述第一红外图像I原始宽度的条纹幅值;
步骤S4:所述第一红外图像I第一方向上的像素点减去所述第一红外图像I对应位置的原始宽度的条纹幅值,获得去所述第二方向条纹后的所述第一红外图像Idst。
2.根据权利要求1所述的红外图像多尺度去条纹噪声方法,其特征在于,所述步骤S1中,得到所述第一红外图像Idown的表达式如下:
其中,I为所述第一红外图像,x,y分别为所述第一红外图像I在二维空间上的坐标位置。
3.根据权利要求1所述的红外图像多尺度去条纹噪声方法,其特征在于,所述步骤S2中,低频的所述第一红外图像Ilow的表达式如下:
其中,w()表示一维高斯函数,abs()表示计算绝对值,t表示滤波窗口内像素的索引。
4.根据权利要求3所述的红外图像多尺度去条纹噪声方法,其特征在于,高频的所述第一红外图像Ihigh的表达式如下:
Ihigh(x,y)=Idown(x,y)-Ilow(x,y)
其中,Idown(x,y)为下采样后的所述第一红外图像,Ilow(x,y)为低频的所述第一红外图像Ilow,Ihigh(x,y)为高频的所述第一红外图像Ihigh。
5.根据权利要求4所述的红外图像多尺度去条纹噪声方法,其特征在于,高频的所述第一红外图像Ihigh所述第二方向上的条纹幅值表达式如下:
其中,StrValue()表示条纹幅值函数。
6.根据权利要求1所述的红外图像多尺度去条纹噪声方法,其特征在于,所述步骤S3中,所述第一红外图像I原始宽度的条纹幅值表达式如下:
StrValue(x,1)=StrValueN(x/N,1)。
7.根据权利要求1所述的红外图像多尺度去条纹噪声方法,其特征在于,去所述第二方向条纹后的所述第一红外图像Idst表达式如下:
其中,Idst表示去所述第二方向条纹后的所述第一红外图像Idst。
8.一种红外图像多尺度去条纹噪声***,用于实现如权利要求1-7任一项所述的方法,其特征在于,所述***包括如下模块:
下采样模块,用于对第一红外图像I进行N倍下采样,得到第一红外图像Idown;
条纹幅值计算模块,用于对所述第一红外图像Idown在第一方向上进行一维单边灰度滤波1*n,获取低频的第一红外图像Ilow,通过过滤掉低频的第一红外图像Ilow,获取高频的第一红外图像Ihigh在第二方向上的条纹幅值,其中,n表示一维灰度滤波窗口的宽度,所述第一方向和所述第二方向垂直;
上采样模块,用于对高频的第一红外图像Ihigh所述第二方向上的条纹幅值进行上采样,获取第一红外图像I原始宽度的条纹幅值;
去条纹模块,用于第一红外图像I第一方向上的像素点减去第一红外图像I对应位置的原始宽度的条纹幅值,获得去所述第二方向条纹后的第一红外图像Idst。
9.一种计算设备,其特征在于,所述设备包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1-7中任一项所述的红外图像多尺度去条纹噪声方法。
10.一种计算机存储介质,其特征在于,所述存储介质存储有程序指令,其中在所述程序指令运行时控制所述存储介质所在设备执行权利要求1-7中任一项所述的红外图像多尺度去条纹噪声方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311066253.4A CN117078550A (zh) | 2023-08-23 | 2023-08-23 | 一种红外图像多尺度去条纹噪声方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311066253.4A CN117078550A (zh) | 2023-08-23 | 2023-08-23 | 一种红外图像多尺度去条纹噪声方法、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078550A true CN117078550A (zh) | 2023-11-17 |
Family
ID=88713002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311066253.4A Pending CN117078550A (zh) | 2023-08-23 | 2023-08-23 | 一种红外图像多尺度去条纹噪声方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078550A (zh) |
-
2023
- 2023-08-23 CN CN202311066253.4A patent/CN117078550A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | An effective thin cloud removal procedure for visible remote sensing images | |
Oakley et al. | Correction of simple contrast loss in color images | |
US8744210B2 (en) | Information processing apparatus, line noise reduction processing method, and computer-readable storage medium | |
Zhou et al. | Image pre-filtering for measurement error reduction in digital image correlation | |
Zhao et al. | Accuracy improvement in OFDR-based distributed sensing system by image processing | |
CN109377457B (zh) | 药丸包衣图像处理方法、装置、计算机设备和存储介质 | |
CN116802688A (zh) | 用于图像内对应分析的设备和方法 | |
Anada et al. | Sparse coding and dictionary learning for electron hologram denoising | |
Liu et al. | Inpainting for saturation artifacts in optical coherence tomography using dictionary-based sparse representation | |
Pérez et al. | Lightfield recovery from its focal stack | |
Nasonov et al. | Fast super-resolution using weighted median filtering | |
Khan et al. | High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing | |
JP5657141B2 (ja) | 液体媒体中の乱流の影響を含む画像データの処理 | |
CN117078550A (zh) | 一种红外图像多尺度去条纹噪声方法、***及存储介质 | |
Zhang et al. | Segmented noise reduction based on Brillouin-spectrum-partition in Brillouin optical time domain sensors | |
Roels et al. | Noise analysis and removal in 3D electron microscopy | |
CN112797917B (zh) | 一种高精度的数字散斑干涉相位定量测量方法 | |
Prabha et al. | Defect detection of industrial products using image segmentation and saliency | |
Kim et al. | Application of blind deconvolution based on the new weighted L1-norm regularization with alternating direction method of multipliers in light microscopy images | |
Krylov et al. | A post-processing method for 3D fundus image enhancement | |
Choudhary et al. | A novel approach for edge detection for blurry images by using digital image processing | |
Padghan et al. | Impact of multiple usages of digital filters on speckle contrast and phase maps | |
Mar et al. | Guided filter smoothing for third order edge mask | |
Zappa et al. | Estimation and compensation of motion blur for the reduction of uncertainty in DIC measurements of flexible bodies | |
Zhang et al. | Anisotropic partial differential equation noise-reduction algorithm based on fringe feature for ESPI |
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 |