[发明专利]一种基于先验概率模型的红外图像去条纹方法

摘要

本发明公开了一种基于先验概率模型的红外图像去条纹方法，其实施步骤如下：1)用高斯模型对复原图像和已知带条纹图像的纵向一阶和二阶梯度差异进行建模；2)用先验概率模型对复原图像的横向一阶和二阶梯度分布进行建模；3)将步骤1)和步骤2)所得的模型进行相乘，得到完整的贝叶斯后验概率模型；4)对所得的概率模型求负自然对数，并将其转化为最大后验估计问题；5)采用迭代优化方法对步骤4)所得的问题进行求解。本发明能够有效去除红外图像中的条纹噪声，获得高质量的复原图像。

主权项

一种基于先验概率模型的红外图像去条纹方法，其特征在于，包括如下步骤：1)用高斯概率模型对复原图像和已知带条纹图像的纵向一阶和二阶梯度差异分布进行建模；2)用先验概率模型对复原图像的横向一阶和二阶梯度分布进行建模；3)将步骤1)和步骤2)所得的模型进行相乘得到完整的贝叶斯后验概率模型；4)对所得的完整的贝叶斯后验概率模型求负自然对数，并将其转化为最大后验估计问题；5)采用迭代优化方法对步骤4)所得的问题进行求解；所述步骤1)中，用于对复原图像和已知带条纹图像的纵向一阶和二阶梯度差异分布进行建模的高斯概率模型的表达式为：P(g|u)∝exp(-Σi=1N[(∂yg)i-(∂yu)i]2-Σi=1N[(∂yyg)i-(∂yyu)i]2),]]>其中，g和u分别表示带条纹红外图像和复原图像；P(g|u)表示在u已知的条件下，g发生的后验概率；i表示像素索引，表示逐项求和运算，N表示复原图像的像素总数；表示纵向一阶梯度算子，表示纵向二阶梯度算子，表示将与g做卷积运算所得的g的纵向一阶梯度，表示的第i个像素；表示将与g做卷积运算所得的g的纵向二阶梯度，表示的第i个像素；表示将与u做卷积运算所得的u的纵向一阶梯度，表示的第i个像素；表示将与u做卷积运算所得的u的纵向二阶梯度，表示的第i个像素。