[发明专利]基于统计相对条纹去除法的红外图像条纹滤波方法

摘要

本发明公开了一种基于统计相对条纹去除法的红外图像条纹滤波方法，横向条纹去除步骤和纵向条纹去除步骤，横向条纹去除：横向条纹以第一行做为基准，则第一行相对条纹噪声量ref_snf(1)=0；计算当前行与前一行的差值delta；计算局部均方差var；统计局部均方差行直方图，计算均方差行概率密度；计算delta中均方差行概率密度小于30%对应的像素点的均值作为行条纹噪声，求得每一行的相对噪声ref_snf；计算每一行的绝对噪声；同理能够去除竖向条纹。本发明的有益效果是：针对于条纹噪声的特点，由于根据图像相邻像素具有一定相关性，以及统计局部方差取方差小于阈值的像素计算噪声，对于场景温差大、细节丰富的图像也有很好的去条纹效果。

主权项

1.基于统计相对条纹去除法的红外图像条纹滤波方法，其特征在于，包括一个以N列M行图像横向条纹去除步骤和一个以N列M行图像纵向条纹去除步骤：所述以N列M行图像横向条纹去除步骤包括以下子步骤：S1：横向条纹以第一行做为基准，则第一行相对条纹噪声量ref_snf(1)=0；S2：计算当前行与前一行的差值：delta(x,y)=I(x,y)‑I(x,y‑1)，其中I(x,y)为红外图像，x是列坐标，x=1,2,3,4,5,6,7…N‑1,N；y是行坐标，y=2,3…M‑1,M；S3：计算局部均方差var（x，y）；S4：统计局部均方差行直方图p1(y,(var(x,y))，其中x是列坐标，x=1,2,3,4,5,6,7…N‑1,N；y是行坐标，y=1,2,3…M‑1,M；计算其累积概率密度，计算y行累积概率密度：pt(y,1)= p1(y, 1);pt(y,2)= p1(y, 1)+ p1(y, 2);pt(y,3)= p1(y, 1)+ p1(y, 2)+ p1(y, 3);……pt(y,k)= p1(y, 1)+ p1(y, 2)+…+p1(y, k)；S5：计算每一行的相对条纹噪声ref_snf；计算每行pt(y,k) = 0.3*N的对应k值为var_thd(y)；标记每行概率密度小于30%的像素点：Flag (x,y)= 1 (var(x,y) <= var_thd(y))； Flag (x,y)= 0 (var(x,y) > var_thd(y))；计算每行概率密度小于30%的所有像素点的和：Snf_sum(y)= Flag (1,y)* delta(1,y)+ Flag (2,y)* delta(2,y)+...+ Flag (N,y)* delta(N,y)；计算每行概率密度小于30%的像素点个数：Snf_num(y)= Flag (1,y)+ Flag (2,y)+…+ Flag (N,y)；计算相对条纹噪声：ref_snf(y) = Snf_sum(y)/ Snf_num(y)；S6：计算每一行的绝对噪声：Snf(1)= ref_snf(1);Snf(2)= ref_snf(1)+ ref_snf(2);Snf(3)= ref_snf(1)+ ref_snf(2) + ref_snf(3);Snf(4)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4);…………Snf(M)= ref_snf(1)+ ref_snf(2) + ref_snf(3) + ref_snf(4)+…+ ref_snf(M);S7：去除条纹噪声：image_dout(x,y)=I(x,y)‑Snf(y), 其中x是列坐标，x=1,2,3,4,5,6,7…N‑1,N；y是行坐标，y=1,2,3…M‑1,M，其中image_dout(x,y)为去除条纹噪声后的图像；同理能够去除竖向条纹。