[发明专利]一种基于模糊矩阵的图像去条纹方法

说明书

本发明公开了一种基于模糊矩阵的图像去条纹方法，包括如下步骤：采集待处理图像I_ref(M,N)，并进行下采样；通过各向异性高斯滤波核，对下采样的原始图像进行卷积得到模糊图像；原始下采样图像I_ref(M₁,N)与模糊图像I_mod(M₁,N)相减，构建条纹特征图像I_gas(M₁,N)；对每个像素是否需要处理进行判断，获得真值矩阵；对条纹特征图像I_gas(M₁,N)进行统计处理，获得条纹噪声特征向量；利用特征向量，对I_ref(M,N)进行映射相减操作，得到最终的重构图像。本发明提出的基于模糊矩阵的图像去条纹方法，不仅考虑了目标噪声的结构特点，而且用资源消耗较少的方式考虑相机采样导致的条纹不连续情况。

技术领域

本发明涉及一种图像去条纹方法。

背景技术

当前，各类摄像系统如短波红外成像、遥感成像以及部分可见光监控极易受到固定模式噪声的影响，主要表现为行或列的随机条纹噪声。这类噪声主要是由于读出电路在工艺等因素引起。同时，受到时间、环境因素等的影响，条纹噪声会以一定规律变化，导致图像质量的持续下降，对后续智能检测以及机器学习等应用造成相当大的影响。条纹噪声一般在模拟信号时就会做相关的电路处理，但模拟电路的复杂性以及不确定性导致了这种处理并不能达到理想效果。因此，基于数字信号的条纹噪声去除是必要的，这有助于高清视频监控、深度学习识别等领域的应用。

当前算法主要分为二类，第一类是基于环境校正的方法，这类方法主要依据温度场为原理，通过恒定温度场下的黑体作为参考，接着采用相关方法的来校正图像；或者利用温度场改变来模拟现实场景下的温度变化，用不同温度场下图像受影响程度进行处理。典型算法有姬弘桢等人提出的基于多帧图像的FFT匹配方法，这类方法原理简单，有一定的效果。但由于使用了多个参考，在背景变化剧烈的情况下容易产生鬼影。第二类方法则是基于特征分析的方法，这类方法分析了条纹噪声的特征，接着在空间域以及频域采用迭代或多次分解的方式拆解噪声，以达到去噪目的。这种算法的典型有Beat等人提出的结合小波变换和傅里叶变换的去条纹方法，以及Roshan等人提出的基于小波分析和傅立叶频谱归一化分析方法。这类算法对于各种尺寸的条纹噪声都有较好的去除效果，但无法区分复杂背景和条纹，导致最后的效果并不是很好。

发明内容

本发明要解决的技术问题是：为解决当前条纹去除方法运算的硬件成本高，以及无法自适应环境变化，导致了在航天航空、安防监控等资源有限的平台上难以实现实时应用的问题，本发明提出一种基于模糊矩阵的图像去条纹方法，不仅考虑了目标噪声的结构特点，而且用资源消耗较少的方式考虑相机采样导致的条纹不连续情况。本发明的方法能够在室内、夜间等常见的监控背景中快速实现条纹的精准去除，对于光照不均匀、昏暗、背景复杂等环境具有自适应能力。

本发明所采用的技术方案是：一种基于模糊矩阵的图像去条纹方法，包括如下步骤：

步骤1、通过相机采集待处理图像I_ref(M，N)，并对图像进行按行的下2采样得到新的待处理图像I_ref(M₁,N)；其中，M、N分别代表待处理图像像素的高度和宽度；M₁＝M/2；

步骤2、通过各向异性高斯滤波核，对下采样的原始图像I_ref(M₁,N)进行卷积得到模糊图像I_mod(M₁,N)；

步骤3、将原始下采样图像I_ref(M₁,N)与模糊图像I_mod(M₁,N)相减，构建条纹特征图像I_gas(M₁,N)；