[发明专利]一种基于巴特沃斯滤波器的红外图像去噪方法

摘要

本发明公开了一种基于巴特沃斯滤波器的红外图像去噪方法，首先利用巴特沃斯滤波器将图像分为高频分量和低频分量，对高频分量傅里叶反变换的图像进行偏微分方程去噪，对低频分量进行傅里叶反变换，并采用图像增强和中值滤波结果融合的办法去噪，最后将处理后的高频分量与低频分量转换到频域进行融合，再通过傅里叶反变换至空域即可得到去噪图像。本发明能够明显提高红外图像的信噪比，从而去除图像中的噪声，能够清楚地将图像与背景区分开，提高红外图像的质量。

主权项

1.一种基于巴特沃斯滤波器的红外图像去噪方法，其特征在于，依次包括以下步骤：步骤1：读取添加高斯白噪声的原始图像im1，计算出原始图像的灰度均值、灰度方差、中位灰度值和四分灰度差，并计算该原始图像的巴特沃斯滤波器最佳参数；步骤2：获取原始图像im1；步骤3：对步骤2得到的图像im1进行傅里叶变换，并且将低频分量转换至频谱图的中心位置；步骤4：利用步骤1中计算出的最佳参数，设计巴特沃斯低通滤波器，分别获得原始图像im1的低频分量im_L和高频分量im_H；步骤5：对步骤4得到的高频分量im_H做傅里叶反变换得到图像im2，获取图像im2的高频分量的梯度及其梯度模值，具体公式如下：其中，表示图像im2的高频分量的梯度，表示图像im2的高频分量的梯度模值，im2_x和im2_y表示图像im2的梯度的水平方向分量和垂直方向分量；步骤6：根据步骤5中得到的高频分量的梯度及其模值构建偏微分方程对im2进行去噪：其中，是图像im2对时间的偏导数，为平坦区域的主扩散系数，ρ为边缘区域主扩散系数，当时，默认图像按照进行扩散，反之，图像按照进行扩散，div(·)代表求散度，g(·)为扩散方程；对上述偏微分方程进行迭代，得到高频滤波图像im3；步骤7：根据下式计算步骤6中的偏微分方程的平坦区域主扩散系数和边缘区域注扩散系数ρ：其中，h为经验取值，一般取h∈[0.5,0.8]；步骤8：对步骤4中得到的图像的低频分量im_L做傅里叶反变换得到图像im4；步骤9：利用步骤5的方法，求图像im4的梯度按照下式重建梯度场函数，以增强图像微弱边缘：其中，N为细节阈值，小于N的梯度值被认为是噪声，被舍弃掉，x表示图像im4中某一点的梯度模值，函数输出的结果表示该点的梯度增强系数；然后将该梯度增强系数同该位置的像素点灰度值相乘，得到增强图像im_z；步骤10：对步骤9得到的增强图像im_z进行自适应canny边缘处理，并二值化，得到图像im5；步骤11：设定边缘像素个数阈值为M，对图像im5进行边缘统计，从某灰度点为1的图像开始计数，计算该点四周8邻域是否存在灰度为1的点，如果存在，则继续对下一个8邻域进行计数，如果不存在则退出计数，若最终的数值大于M则认为是边缘，使其灰度值为1，否则认为是伪边缘，使其灰度值为0，利用此方法得到低频分量边缘图像im6；步骤12：对步骤8得到的图像im4进行中值滤波，滤波模板为5X5，得到图像im7；步骤13：遍历低频分量中值滤波后的图像im7，以图像im7为模板，选出图像im6中灰度值为1的像素点，并将图像im7中这些像素点的灰度值替换为图像im4中的同一位置的像素点的灰度值；步骤14：将改进过的im7做傅里叶变换，将步骤6得到的高频滤波图像im3做傅里叶变换，将上述两个的傅里叶变换的结果做融合处理，并且对融合后的图像做傅里叶反变换，得到最后的去噪图像im8。