关键词:
红外图像去噪
张量鲁棒主成分分析
随机张量奇异值阈值算法
最小二乘
一维梯度域引导滤波
摘要:
随着信息技术快速发展,人们对数据信息可视化及其应用需求不断提高。红外成像系统通过接收物体发出的红外辐射进行可视化,可以得到其它成像系统无法获取到的图像信息,具有重要研究意义。红外成像技术凭借其较强的环境适应性和抗干扰能力等优势,已在许多领域得到广泛应用。然而,红外信号在传输和转换过程中易受沟道势垒、电路故障及外部环境等因素干扰,导致输出红外图像中含有不同种类噪声,严重影响了红外图像质量,给图像信息提取和后续目标检测与跟踪等应用带来挑战。随着数字图像处理技术不断发展,国内外学者针对处理不同种类图像噪声进行了大量研究,但大部分已有图像去噪算法在应用于对比度低且分辨率差的红外图像中时会存在边缘模糊、细节丢失和计算复杂等问题,使去噪后图像质量仍难以满足实际应用需求。针对上述问题,以红外图像中常见的脉冲噪声和条纹噪声为研究对象,分别基于张量鲁棒主成分分析(Tensor Robust Principal Component Analysis algorithm,TRPCA)和最小二乘(Least Squares,LS)对红外图像去噪算法开展研究。通过与目前主流去噪算法的对比实验,验证了所提出算法的有效性。本文主要内容和贡献如下:(1)提出了一种基于张量鲁棒主成分分析的红外图像脉冲噪声去除算法。传统的TRPCA算法采用张量奇异值分解算法来求解模型中的张量核范数,这种求解方法会降低算法的工作效率。为克服该问题,本文提出一种随机张量奇异值阈值算法用于求解张量核范数,并进一步结合图像分块提高了算法的工作效率。此外,针对去噪后图像中的刮痕现象,通过结合截断全变分算法对图像进行后处理优化,降低了刮痕现象的影响,提高了去噪后图像的质量。(2)提出了一种基于最小二乘的红外图像条纹噪声去除算法。目前,已有去条纹算法大多使用平滑滤波算法直接处理含条纹的红外图像。此类方法易导致图像信息的丢失,并且随着噪声浓度增大,仅采用平滑滤波算法去噪难以完全去除噪声,图像中仍存在残留不均匀条纹。针对上述问题,提出一种基于最小二乘的去条纹算法。首先,采用嵌入双边滤波的最小二乘平滑算法对图像进行平滑处理,将原图像与平滑后的图像执行减法操作得到图像高频信息分量。然后,在传统梯度域引导滤波局部线性模型的基础上,提出一种一维列梯度域引导滤波,用于提取图像高频信息中的条纹噪声分量,使用局部列窗口代替传统的二维正方形搜索窗口,能够更准确、高效的提取图像中的垂直条纹噪声分量。最后,将含噪图像与提取的条纹噪声图像相减得到去噪后的图像。该条纹噪声去除算法处理真实噪声图像平均耗时0.1264秒,便于集成到硬件中并应用于红外成像系统实时处理。