[发明专利]一种小波分解和引导滤波的红外图像非均匀校正方法

说明书

本发明涉及一种小波分解和引导滤波的红外图像非均匀校正方法，将原始图像进行小波分解，得到该图像的近似分量、垂直分量、水平分量和对角分量；将垂直分量作为引导滤波器的输入图像，将近似分量作为引导滤波器的引导图像，进行条纹噪声去除，输出条纹噪声去除后的图像；将原始图像的近似分量、水平分量、对角分量和条纹噪声去除后的图像进行小波重构，得到校正后的图像。本发明利用引导滤波直接对垂直分量进行去噪，避免图像的边缘细节信息丢失；总体方法计算复杂度小，算法基于单帧图像，收敛速度快，可从从第一帧实现图像的条纹非均匀性校正。

技术领域

本发明涉及红外焦平面阵列成像技术中的图像处理技术领域，具体地说是一种小波分解和引导滤波的红外图像非均匀校正方法。

背景技术

红外成像技术为军事、农业、医疗应用提供了一个重要的工具，包括热成像，夜视，视频监控，天文学，火灾探测和机器人技术。在非制冷长波红外成像系统中，大多数红外焦平面阵列的读出电路设计基于CMOS结构。不同于所有探测器共用一个放大器的CCD结构，红外CMOS阵列的不同列使用不同的放大器。由于放大器的非均匀性，使采集到的红外图像存在明显的条带噪声。人类观察者对由此产生的高频图像伪影特别敏感。这种复杂的固定加性噪声常使红外图像的目标检测无法识别，因此有效地条纹非均匀校正算法具有重要的推广价值。

目前国内外主流的红外图像非均匀校正算法主要有定标校正法和场景校正法两种，基于定标的方法是目前已经成熟的技术，且具有模型简单、计算方便的优点。但是该方法需要周期性中断系统的工作以消除温度漂移的影响，无法在实际场景中实现实时的校正。基于场景的校正算法不需要黑体标定，根据场景的信息而提取参数，克服了定标法的周期性定标问题，具有自适应校正的优点。因此，国内外的大量研究工作集中在基于场景的校正技术上，并提出了很多新的研究成果。

场景法中，包含多帧和单帧两种方法。多帧场景信息的非均匀校正算法局限性在于需要多帧图像得到稳定的校正因子，需要占据大量的系统资源，实现算法的硬件化比较困难。且基于场景的非均匀校正算法算法需要图像具有足够的场景运动，否则会导致图像出现“鬼影”问题。单帧法收敛速度较快，可从第一帧就实现条纹非均匀性校正。目前去除条纹噪声效果较好的单帧算法有：基于统计的灰度校正算法,假设相邻列的直方图相同，通过相邻直方图关系来修改列的直方图信息。基于约束优化方法,假设条纹噪声影响水平方向梯度，而对竖直方向梯度几乎没有影响，因此将其转换为能量函数最小化的问题。基于双边滤波的红外图像非均匀校正算法等。但这些方法在实际使用中大多存会丢失图像的细节信息。且算法复杂，校正速率慢。因此，缺少一种有针对性、快速的红外图像条纹校正算法。

发明内容

针对现有技术的不足，本发明提供一种小波分解和引导滤波的红外图像非均匀校正方法，解决现有红外图像非均匀校正过程会导致丢失图像细节信息的问题。

本发明为实现上述目的所采用的技术方案是：

一种小波分解和引导滤波的红外图像非均匀校正方法，包括以下步骤：

步骤1：将原始图像进行小波分解，得到该图像的近似分量、垂直分量、水平分量和对角分量；

步骤2：将垂直分量作为引导滤波器的输入图像，将近似分量作为引导滤波器的引导图像，进行条纹噪声去除，输出条纹噪声去除后的图像；

步骤3：将原始图像的近似分量、水平分量、对角分量和条纹噪声去除后的图像进行小波重构，得到校正后的图像。

所述将原始图像进行小波分解，包括：

从原始图像Y(i)中提取出高频分量U(i)，即

Y(i)＝X(i)+U(i)＝X(i)+N(i)+V(i)

U(i)＝{H_i,V_i,D_i}