[发明专利]一种红外热成像深度学习图像去噪方法及装置

说明书

本发明公开了一种红外热成像系统深度学习图像去噪方法及装置，所述方法包括：获取红外热成像系统采集的目标物图像并进行下采样处理，分割成子图像；对每个子图像进行图像块提取以及重组像素，得到预处理后的子图像；构建噪声图，并将噪声图作为额外通道添加到所述预处理后的子图像中作为输入图像；将输入图像作为训练好的深度学习模型中，输出噪声的估计值；从所述目标物图像中去除噪声的估计值，得到去噪后的图像。本方法，可以充分利用图像丰富的结构特征和相似性，更好地利用图像块特征中的上下文信息并充分提取图像特征，在红外图像本身特征值较少情况下实现了较好的效果，非常有利于红外热成像及深度学习技术的应用研究。

技术领域

本发明涉及热红外成像领域，具体涉及一种红外热成像系统深度学习图像去噪方法及装置。

背景技术

由于黑体辐射的存在，任何物体都依据温度的不同对外进行电磁波辐射。波长为2.0～1000微米的部分称为热红外线。热红外成像通过对热红外敏感对物体进行成像，能反映出物体表面的温度场。热红外在军事、工业、汽车辅助驾驶、医学领域都有广泛的应用。

近年来，随着红外热成像技术广泛应用，进一步拓宽了人类视觉的可视范围，但也暴露出一些问题，例如红外图像成像质量差、噪声干扰严重，尤其是对于温度平均的环境下，由于缺少热源，其成像效果会进一步受损。

发明内容

本发明的目的是提供一种红外热成像系统深度学习图像去噪方法及装置，用以解决现有红外成像系统存在的成像质量差、噪声干扰严重的问题。

为了实现上述任务，本发明采用以下技术方案：

本申请的第一方面提供了一种红外热成像系统深度学习图像去噪方法，包括以下步骤：

获取红外热成像系统采集的目标物图像并进行下采样处理，分割成子图像；

对每个子图像进行图像块提取以及重组像素，得到预处理后的子图像；

构建噪声图，并将噪声图作为额外通道添加到所述预处理后的子图像中作为输入图像；

将输入图像作为训练好的深度学习模型中，输出噪声的估计值；

从所述目标物图像中去除噪声的估计值，得到去噪后的图像。

进一步地，所述深度学习模型包括依次连接的第一卷积模块、第一区域级非局部模块、残差密集块、第二区域级非局部模块、第二卷积模块、上采样模块以及重建模块，其中：

所述第一卷积模块用于对输入图像进行浅层特征提取，得到第一特征图；第一特征图一方面作为所述第一区域级非局部模块的输入，另一方面与所述第二卷积模块的输出叠加后，作为上采样模块的输入；

所述第一区域级非局部模块用于对第一特征图进行非局部增强处理，得到第二特征图；

所述残差密集块用于对于所述第二特征图进行深层特征的提取，以生成深层特征图；

所述第二区域级非局部模块用于对深层特征图进行非局部增强处理，得到第三特征图；

所述第二卷积模块用于对第三特征图进行特征提取的同时调整通道，之后与所述第一特征图叠加后，生成第四特征图；

所述上采样模块用于对第四特征图尺寸恢复；

所述重建模块用于对尺寸恢复后的第四特征图进行通道调整，重建为噪声残差。

进一步地，所述第一区域级非局部模块、第二区域级非局部模块的结构相同，包括四个卷积层χ，φ，κ和γ；