[发明专利]一种基于噪声估计的渐进式红外图像降噪方法

权利要求书

1.一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：包括以下步骤：

S101：采集含有噪声的红外图像，并估计其噪声水平；

S102：对所述含有噪声的红外图像进行步长为1的连续重叠分块，得到图像分块；

S103：以图像分块的中心像素为锚点，计算其邻域内其它像素点相对于该中心锚点的距离，并以距离为自变量计算邻域像素的高斯权重矩阵G1；

S104：以图像分块的中心像素为锚点，计算其邻域内其它像素点的灰度值与该中心锚点灰度值之差，并以灰度值的差为自变量计算邻域像素的高斯权重矩阵G2；

S105：将G1与G2进行点乘，得到联合空间域和灰度域的高斯权重矩阵G3；

S106：将灰度值的差与高斯权重矩阵G3进行点乘，得到加权后的图像分块；

S107：对加权后的图像分块进行二维傅里叶变换，得到频谱矩阵；

S108：以频谱矩阵为自变量计算高斯权重矩阵G4；

S109：对频谱矩阵和高斯权重矩阵G4进行加权、求和，并归一化处理，得到图像分块中心锚点像素的噪声能量梯度估计；

S110：将图像分块的中心锚点像素的灰度值减去噪声能量梯度估计的λ倍，得到降噪后的图像分块的中心锚点像素的灰度值，进而得到降噪后的红外图像；

S111：对所述含有噪声的红外图像进行S102～S111步骤的迭代处理，若后一次降噪后的红外图像与前一次降噪后的红外图像的噪声水平相比，其噪声水平之差小于或等于预设的阈值T则结束迭代过程，得到最终的降噪后红外图像。

2.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S101具体为：通过两个Laplacian Mask组成的核对含有噪声的红外图像进行卷积，得到其噪声水平；

其中，两个Laplacian Mask组成的核如式(1)：

N为组成的核；

噪声水平如式(2)：

n为噪声水平；W和H表示所述含有噪声的红外图像的宽和高；I表示所述含有噪声的红外图像。

3.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S102中，图像分块具体为：依据分块的半径和边长对所述含有噪声的红外图像在上、下、左、右四个方向进行对称复制扩展，得到对称复制扩展后的含有噪声的红外图像，然后以所述含有噪声的红外图像的像素为中心点，以步长为1个像素进行分块；其中分块边长和半径的计算公式如式(3)所示：

r＝(a-1)/2 (3)

r表示分块的半径，a表示分块的边长。

4.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S103中，邻域内其它像素点相对于该中心锚点的距离，其计算式如式(4)：

其中x、y表示所述分块的坐标位置，r表示所述分块的半径，s表示(x,y)位置像素到锚点的距离。

5.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S103中高斯权重矩阵G1如式(5)所示：

其中G1表示以距离为自变量的邻域像素的高斯权重矩阵，s表示所述像素到锚点的距离，σ_s表示高斯函数的标准差。

6.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S104中，高斯权重矩阵G2如式(6)所示：

其中，G2表示以灰度值的差为自变量的邻域像素的高斯权重矩阵，g表示邻域像素与中心锚点像素的灰度差，σ_g表示高斯函数的标准差。

7.如权利要求1所述的一种基于噪声估计的渐进式红外图像降噪方法，其特征在于：步骤S108中，所述高斯权重矩阵G4的公式如式(7)：

其中，F表示加权后的分块的频谱矩阵，σ_f表示高斯函数的标准差。