[发明专利]一种基于噪声估计的渐进式红外图像降噪方法

说明书

本发明提供的一种基于噪声估计的渐进式红外图像降噪方法，通过空间域的双边滤波算法原理实现了含噪红外图像的噪声权重矩阵，通过邻域像素与中心像素灰度差的频域滤波实现了含噪红外图像中噪声能量的梯度估计，通过设置渐进式滤波的步长实现了渐进式红外图像降噪，通过估计红外图像的噪声水平实现了迭代自适应的渐进式红外图像降噪算法。本发明的有益效果是：降低红外图像的噪声水平，提高红外图像视觉质量。

技术领域

本发明涉及红外图像处理领域，尤其涉及一种基于噪声估计的渐进式红外图像降噪方法。

背景技术

降噪即从受噪声污染的图像中重建出原始图像，是图像处理中的一个重要问题。红外图像中存在着较强的噪声，一方面受红外焦平面的工艺发展水平所限，红外图像中存在着非均匀性；另一方面红外成像系统中的电子热噪声也会使红外图像受到影响。通常将红外图像中的噪声模型假设为加性高斯白噪声。

目前最先进的图像降噪算法都是基于块的降噪算法。常用的方法是在一个邻域窗口内寻找非局部相似块，然后归一化并同时降噪，比如非局部均值(NLM)等。在这方面实现降噪效果最好的是块匹配和3D滤波(BM3D)算法，BM3D将匹配到的小块堆叠在一起，通过3D小波变换降噪。BM3D的一个改进版本是BM3D-SAPCA算法。但是毫无例外它们都有着非常大的算法复杂度，不适合于对实时性要求较高的系统使用。另一方面，双域图像降噪(DDID)被证明是一种简单且能实现高质量降噪效果的降噪算法，该算法综合考虑了空间域和频域特征，通过空间域滤波实现了大振幅的含噪信号的噪声降噪，通过频域实现了小振幅的含噪信号的噪声降噪。但是该算法的实现需要一个引导图像，而这在实际使用场景中往往无法满足。

发明内容

为了解决上述问题，本发明提供的一种基于噪声估计的渐进式红外图像降噪方法，通过空间域的双边滤波算法原理实现了含噪红外图像的噪声权重矩阵，通过邻域像素与中心像素灰度差的频域滤波实现了含噪红外图像中噪声能量的梯度估计，通过设置渐进式滤波的步长实现了渐进式红外图像降噪，通过估计红外图像的噪声水平实现了迭代自适应的渐进式红外图像降噪算法。

一种基于噪声估计的渐进式红外图像降噪方法，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。