本發明屬于圖像處理技術領域，涉及紅外視頻圖像中涉及一種用于去除高斯固定圖案噪聲的非均勻校正方法。

背景技術：

由于制造工藝的限制，使得紅外焦平面陣列上各探測單元之間的響應度不完全一致，導致固定圖案噪聲(Fixed-Pattern Noise，FPN)的出現，它嚴重影響了光電系統的成像質量。一般來說，在紅外成像之前，需要使用基于標定的方法對探測器的非均勻性進行預校正。但噪聲參數會隨著時間的變化而緩慢漂移，導致系統工作一段時間后成像質量退化。在這個過程中可以認為漂移的固定圖案噪聲滿足高斯分布，為了有效去除高斯噪聲，一種較常用的方法是使用均值濾波，因為高斯噪聲的均值為常數，而圖像相鄰像素間一般差異較小，均值濾波可以在對真實圖像影響不大的情況下使噪聲變均勻，進而達到圖像去噪的目的。常見的均值濾波方法有多種，如：四鄰域平均、八鄰域平均等，如下所示為四鄰域平均法：

z_i,j＝[x_i,j-1+x_i,j+1+x_i-1_,j+x_i+1,j]/4 (1)

其中，x_i,j-1、x_i,j+1、x_i-1,j、x_i+1,j分別為圖像坐標(i,j)的左、右、上、下四個鄰域的像素值，z_i,j為(i,j)處的濾波結果。然而對于紅外視頻圖像中的高斯固定圖案噪聲，如果只是單幀進行平滑處理，由于沒有充分考慮到場景變化而噪聲不變的特性以及相鄰幀圖像之間的關聯性，使得去噪效果并不理想。另外，增加平滑模板的尺寸也是一種有效去噪的方法，如：將四鄰域平均換成八鄰域平均甚至更大，但這樣做容易導致真實場景變模糊。

技術實現要素：

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種用于去除高斯固定圖案噪聲的非均勻校正方法，針對紅外視頻圖像中高斯固定圖案噪聲的遞推去噪方法，能夠隨著視頻圖像幀數的增加，逐步去除圖像中的高斯固定圖案噪聲。

技術方案

一種用于去除高斯固定圖案噪聲的非均勻校正方法，其特征在于步驟如下：

步驟1、構建去噪模型：

y_i,j(k)＝G_i,j(k)x_i,j(k)+O_i,j(k)

其中，x_i,j(k)表示第k幀噪聲圖像上坐標為(i,j)的像素值，y_i,j(k)表示去噪結果，G_i,_j(k)和O_i,j(k)分別表示乘性去噪參數和加性去噪參數；

理想真實圖像為圖像去噪結果的四鄰域平均為：

f_i,j(k)＝[y_i,j+1(k)+y_i,j-1(k)+y_i-1,j(k)+y_i+1,j(k)]/4

步驟2、初始化：圖像x_i,j(k)為大小為M×N的紅外視頻圖像的第一幀圖像，k＝0，1≤i≤M，1≤j≤N；對于第一幀圖像x_i,j(k)初始化乘性去噪參數G_i,j(0)＝1，加性去噪參數O_i,j(0)＝0；

初始化第一幀圖像的去噪結果為輸入圖像的四鄰域平均，即：y_i,j(0)＝[x_i,j-1(0)+x_i,j+1(0)+x_i-1,j(0)+x_i+1,j(0)]/4(1＜i＜M，1＜j＜N)；

步驟3：對于第k+1幀輸入圖像x(k+1)，利用第k幀已有結果：y(k)、x(k)、f(k)、G(k)、O(k)，分別解算出乘性去噪參數和加性去噪參數的步長因子和

其中：

A_i,j(k+1)＝x_i,j(k)x_i,j(k+1)[y_i,j(k)-f_i,j(k)]

B_i,j(k+1)＝G_i,j(k)x_i,j(k+1)+O_i,j(k)

C_i,j(k+1)＝y_i,j(k)-f_i,j(k)

步驟4：根據步長因子和分別計算出乘性去噪參數G(k+1)和加性去噪參數O(k+1)：

步驟5：根據去噪模型計算出第k+1幀去噪結果y(k+1)：

y_i,j(k+1)＝G_i,j(k+1)x_i,j(k+1)+O_i,j(k+1)

步驟6：令k＝k+1，重復執行步驟3～步驟6。

有益效果

本發明提出的一種用于去除高斯固定圖案噪聲的非均勻校正方法，構建基于去噪參數的線性去噪模型，并且以均值濾波為基礎，假設每幀理想的無噪視頻圖像是其對應噪聲圖像去噪結果的四鄰域平均。這樣，通過構建誤差函數可以得到遞推形式的去噪參數。由于充分考慮了紅外視頻圖像中場景變化而噪聲不變這一特性，在上述假設前提下重新構造誤差函數，自適應求出去噪參數的步長因子，進而對于每幀噪聲圖像都可以得到當前最優的去噪參數。并且隨著幀數的增加，去噪參數會收斂到一個較好的水平，去噪效果遠遠優于只使用均值濾波的方法。

附圖說明

圖1是本發明的方法流程示意圖

圖2是本發明實施例的效果圖，其中，a)是第200幀原始圖像，b)是a)疊加固定高斯噪聲后的圖像，c)是b)只使用均值濾波后的結果，d)是本發明對b)的去噪效果。

具體實施方式

現結合實施例、附圖對本發明作進一步描述：

實驗用紅外視頻圖像共200幀，大小為250×160個像素，8位位深(即256個灰度級)，第200幀原始圖像見附圖2中的a)圖。使用Matlab軟件中的normrnd函數產生一幅同樣尺寸的均值為0、標準差為50的固定高斯噪聲圖疊加在原始視頻圖像序列上，結果如附圖2中的b)圖所示。

通過解算每一幀紅外圖像的誤差函數，實時更新去噪參數的步長因子，進而求出當前最優的去噪參數，實現對高斯固定圖案噪聲逐幀去噪的目的。本發明具體實現步驟如下：

步驟1、構建去噪模型：yi,_j(k)＝G_i,j(k)x_i,j(k)+O_i,j(k)(2)

其中，x_i,j(k)表示第k幀噪聲圖像上坐標為(i,j)的像素值，y_i,j(k)表示去噪結果，G_i,_j(k)和O_i,j(k)分別表示乘性去噪參數和加性去噪參數；

假定理想真實圖像即為圖像去噪結果的四鄰域平均：

f_i,j(k)＝[y_i,j+1(k)+y_i,j-1(k)+y_i-1,j(k)+y_i+1,j(k)]/4 (3)

構建誤差函數F(G,O)：

F(G,O)＝[G(k)x(k)+O(k)-f(k)]² (4)

使用最速下降法得：

其中，和分別為乘性去噪參數G和加性去噪參數O的步長因子；

步驟2：初始化：視頻圖像大小為M×N，對于第一幀圖像(k＝0)，初始化G_i,_j(0)＝1，O_i,j(0)＝0(1≤i≤M，1≤j≤N)。去噪結果直接為輸入圖像的四鄰域平均，即：y_i,j(0)＝[x_i,j-1(0)+x_i,j+1(0)+x_i-1,j(0)+x_i+1,j(0)]/4(1＜i＜M，1＜j＜N)；

步驟3：對于第k+1幀輸入圖像x(k+1)，借助第k幀已有結果：y(k)、x(k)、f(k)、G(k)、O(k)，分別解算出乘性去噪參數和加性去噪參數的步長因子和

和的計算：

構建誤差函數E(k+1)：

其中，

y_i，j(k+1)＝G_i,j(k+1)x_i,j(k+1)+O_i,j(k+1)

＝G_i,j(k)x_i,j(k+1)+O_i,j(k)-2[y_i,j(k)-f_i,j(k)][α₁(k)x_i,j(k)x_i,j(k+1)+α₂(k)]

f_i,j(k+1)＝[y_i,j+1(k+1)+y_i,j-1(k+1)+y_i-1,j(k+1)+y_i+1,j(k+1)]/4

使用E(k+1)對α₁(k)和α₂(k)分別進行求導，并令其結果為零，得：

其中，和分別為α₁(k)和α₂(k)的最優解。

其中：

A_i,j(k+1)＝x_i,j(k)x_i,j(k+1)[y_i,j(k)-f_i,j(k)]

B_i,j(k+1)＝G_i,j(k)x_i,j(k+1)+O_i,j(k)

C_i,j(k+1)＝y_i,j(k)-f_i,j(k)

步驟4：使用步長因子式(8)和式(9)分別計算出乘性去噪參數G(k+1)和加性去噪參數O(k+1)；

步驟5：使用去噪模型式(2)計算出第k+1幀去噪結果輸出y(k+1)；

y_i,j(k)＝G_i,j(k)x_i,j(k)+O_i,j(k)

步驟6：令k＝k+1，返回執行步驟3～步驟6。

附圖2中的d)圖是本發明對于第200幀圖像的去噪結果，c)圖是直接使用四鄰域均值濾波處理的結果。

從結果圖可以看出，由于充分利用了紅外視頻圖像中幀與幀之間的相互關系特性，本發明在有效去除高斯固定圖案噪聲的同時很好地保持了原圖像的細節信息，去噪效果遠遠優于只使用單幀均值濾波的方法。