紅外圖像處理技術(shù)課件

1、第10章 紅外圖像處理技術(shù) 10.2 紅外圖像的非均勻性校正10.3 盲元檢測(cè)與補(bǔ)償10.4 紅外圖像的增強(qiáng)10.5 紅外圖像的降噪主 要 內(nèi) 容10.1 紅外圖像特點(diǎn)教學(xué)要求1.了解紅外圖像的特點(diǎn)；2.理解紅外圖像的非均勻性產(chǎn)生的機(jī)理和校正方法；3.理解紅外圖像的盲元檢測(cè)與補(bǔ)償方法；4.掌握紅外圖像增強(qiáng)和降噪的理論和方法，理解實(shí)驗(yàn)分析結(jié)果。10.1 紅外圖像特點(diǎn) 對(duì)人眼而言，分辨率低1 紅外圖像空間相關(guān)性強(qiáng)、對(duì)比度低、視覺效果模糊2 紅外圖像的清晰度低于可見光圖像3紅外圖像多種多樣的噪熱噪聲、散粒噪聲、 噪聲、光子電子漲落噪聲410.2 紅外圖像的非均勻性校正器件自身的非均勻性器件工作狀態(tài)引

2、入的均勻性光學(xué)系統(tǒng)的影響外界輸入的相關(guān)非均勻性124310.2.1 紅外圖像的非均勻性產(chǎn)生機(jī)理器件自身的非均勻性器件工作狀態(tài)引入的均勻性外界輸入的相關(guān)非均勻性紅外綜合箔條 導(dǎo)致探測(cè)器自身的非均勻性的原因，與材料質(zhì)量、工藝過程等有關(guān)。除此之外，器件轉(zhuǎn)移效率的不一致也有影響。 焦平面器件的溫度均勻性影響整個(gè)焦平面陣列的響應(yīng)均勻性。電流噪聲主要有加性噪聲構(gòu)成，對(duì)探測(cè)器件的非均勻性也有較大影響。 紅外成像系統(tǒng)中，目標(biāo)和背景紅外輻射強(qiáng)度變化范圍、紅外熱像儀光學(xué)系統(tǒng)的背景輻射等外界特征會(huì)對(duì)焦平面器件的非均勻性產(chǎn)生影響。 光學(xué)系統(tǒng)如紅外光學(xué)鏡頭的加工精度、攝像頭對(duì)光軸的偏轉(zhuǎn)角度等因素也會(huì)導(dǎo)致紅外圖像的非均勻

3、性。10.2.2 紅外圖像非均勻性校正算法基于參照源校正技術(shù)基于場(chǎng)景校正技術(shù)基于參照源的校正技術(shù)要求在特定溫度的黑體均勻輻射下，對(duì)紅外焦平面陣列定標(biāo)，通常使用兩點(diǎn)定標(biāo)技術(shù)或多定點(diǎn)定標(biāo)技術(shù)?；趫?chǎng)景的方法不需要黑體標(biāo)定，而是根據(jù)場(chǎng)景的運(yùn)動(dòng)，在每個(gè)像素上產(chǎn)生場(chǎng)景溫度的變化。這些溫度每變化一次提供統(tǒng)計(jì)一個(gè)參考點(diǎn)，依照這些參考點(diǎn)，探測(cè)器的非均勻性影響就可以被校正了。 國(guó)外的大量研究工作集中于基于場(chǎng)景的非均勻性校正技術(shù)，并提出了多種基于場(chǎng)景的非均勻性校正方法。目前比較實(shí)用的還是兩點(diǎn)法和擴(kuò)展兩點(diǎn)法。主要算法LMS自適應(yīng)與兩點(diǎn)溫度定標(biāo)非均勻性校正綜合方法高通濾波算法兩點(diǎn)溫度定標(biāo)算法LMS自適應(yīng)非均勻性校正方

4、法 (1)兩點(diǎn)溫度定標(biāo)算法如圖（a）所示從圖中可以看出各探測(cè)元在相同輸入條件下，具有不同的輸出特性。輸入輸出曲線截距的不同反映了探測(cè)器的噪聲電流的不均勻性，曲線斜率的不同反映了響應(yīng)率的不均勻性。非均勻性校正就是使相同輻射條件下的探測(cè)器的響應(yīng)曲線重合于一條曲線，為此設(shè)定一條標(biāo)準(zhǔn)曲線，將各探測(cè)元的響應(yīng)曲線分別做旋轉(zhuǎn)和平移變換，可得到圖（b）和圖（c）所示的曲線，最終使探測(cè)元的響應(yīng)曲線完全重合。 兩點(diǎn)非均勻性校正算法根據(jù)系統(tǒng)的動(dòng)態(tài)范圍，使黑體分別工作在兩個(gè)不同的溫度下，分別測(cè)出各探測(cè)元在不同溫度下的響應(yīng)值，然后歸一化，得到各像素校正增益和偏移量分別為 經(jīng)過兩點(diǎn)校正后的輸出表示為 兩點(diǎn)非均勻性校正過程

5、如下：使焦平面通過光學(xué)系統(tǒng)與平面黑體源對(duì)準(zhǔn)，黑體輻射均勻照射在紅外焦平面陣列上，并充滿焦平面的整個(gè)視場(chǎng)；控制黑體輻射源的溫度在 ；測(cè)量焦平面每個(gè)探測(cè)元的響應(yīng)值，該測(cè)量值在一個(gè)預(yù)先設(shè)定的曝光時(shí)間內(nèi)完成，響應(yīng)值儲(chǔ)存在第一存儲(chǔ)單元；重復(fù)步驟，在大量設(shè)定的時(shí)間內(nèi)完成大量的測(cè)試數(shù)據(jù)，重復(fù)次數(shù)為8次到10次；求每個(gè)探測(cè)元在 下的響應(yīng)值求平均；對(duì)所有探測(cè)元的響應(yīng)值求平均；設(shè)置黑體輻射源的溫度在 ，且 小于 ；重復(fù)步驟、，計(jì)算每一探測(cè)元在溫度 下的響應(yīng)平均值及所有探測(cè)元的響應(yīng)平均值；根據(jù)式前兩式，計(jì)算每一探測(cè)元的響應(yīng)增益和偏移量，分別存儲(chǔ)在查找表LUT內(nèi)，以供校正時(shí)取用。根據(jù)查找表LUT內(nèi)的增益和偏移量系數(shù)，

6、按第三式對(duì)紅外圖像進(jìn)行校正。該算法是假設(shè)探測(cè)元的響應(yīng)為線性的基礎(chǔ)得到的，是一種較成熟的NUC算法。該算法的最大優(yōu)點(diǎn)就是實(shí)現(xiàn)簡(jiǎn)單，易于在實(shí)時(shí)系統(tǒng)中實(shí)現(xiàn)。(2)高通濾波算法 高通濾波算法是環(huán)境溫度對(duì)探測(cè)器而言屬于慢變化量，圖像本身包括目標(biāo)、背景噪聲屬于快變化量，因而圖像可看作高頻部分。而非均勻性是探測(cè)器的固有的噪聲，分布在低頻的部分，因而利用增益補(bǔ)償和高通濾波算法完成紅外焦平面陣列的非均勻校正.假設(shè)探測(cè)器的響應(yīng)輸出為 ，增益補(bǔ)償后變?yōu)榈屯V波輸出為 ,則校正后的輸出為: (3) LMS自適應(yīng)非均勻性校正方法 下圖為自適應(yīng)橫向?yàn)V波器的結(jié)構(gòu)框圖 令w（n）為權(quán)系數(shù)矢量，即輸入信號(hào)矢量為顯然輸出信號(hào)矢量

7、為 實(shí)際中，由于圖像的隨機(jī)性以及噪聲的變化，同一探測(cè)元在不同時(shí)刻，即使在相同的輸入下，其鄰域均值也是不相同的。但在一段時(shí)間內(nèi)，根據(jù)相鄰像素間的相關(guān)性，LMS算法迭代去噪的效果趨于各個(gè)像素灰度值的四鄰域平均去噪效果，即LMS非均勻性校正后的剩余非均勻性，近似等于四鄰域平均后的非均勻性。當(dāng)噪聲較大時(shí)，由于四鄰域去噪能力有限，LMS算法的非均勻性校正能力也受到限制。由現(xiàn)在時(shí)刻 的權(quán)系數(shù)矢量 ，輸入信號(hào) 和期望信號(hào) 根據(jù)式 計(jì)算誤差信號(hào)； 利用式 和式 計(jì)算權(quán)系數(shù)矢量的更新估值； 利用新估值計(jì)算下一時(shí)刻的校正輸出；時(shí)間指數(shù)加1，返回步驟，重復(fù)上述計(jì)算步驟，直到達(dá)到穩(wěn)定狀態(tài)。 假設(shè) 時(shí)刻的權(quán)系數(shù)取任意值

8、 ，利用LMS算法進(jìn)行非均勻性校正步驟：（4）LMS自適應(yīng)與兩點(diǎn)溫度定標(biāo)非均勻性校正綜合方法 LMS自適應(yīng)和兩點(diǎn)溫度定標(biāo)的非均勻性校正綜合算法步驟根據(jù) 時(shí)刻的權(quán)系數(shù)矢量 ，計(jì)算 時(shí)刻的輸出 ；由現(xiàn)在n時(shí)刻的權(quán)系數(shù)矢量 ，輸入信號(hào) ，根據(jù) 計(jì)算期望信號(hào)；據(jù)式 計(jì)算誤差信號(hào)；利用式 和式 計(jì)算權(quán)系數(shù)矢量的更新估值；利用新估值計(jì)算下一時(shí)刻的校正輸出；時(shí)間指數(shù)加1，返回步驟，重復(fù)上述計(jì)算步驟，直到達(dá)到穩(wěn)定狀態(tài)。LMS自適應(yīng)和兩點(diǎn)溫度定標(biāo)的非均勻性校正綜合算法特點(diǎn)：可以解決兩點(diǎn)溫度非均勻性校正中因時(shí)間漂移而重復(fù)性定標(biāo)的問題，簡(jiǎn)化系統(tǒng)結(jié)構(gòu)，降低了系統(tǒng)成本；在開始階段可能會(huì)出現(xiàn)圖像的抖動(dòng)現(xiàn)象，并且有模糊不清

9、的現(xiàn)象，但穩(wěn)定后，圖像會(huì)變得清晰；解決了LMS算法收斂速度慢的問題，縮短了達(dá)到最佳校正效果的周期；LMS算法中增益和偏移量的迭代計(jì)算是對(duì)當(dāng)前幀的估計(jì)，而與過去時(shí)刻的信息無關(guān)，因此圖像不會(huì)出現(xiàn)所謂的“鬼影”問題；LMS自適應(yīng)算法本身實(shí)現(xiàn)簡(jiǎn)單，和兩點(diǎn)溫度定標(biāo)法綜合后，并沒有增加多少算法的運(yùn)算量。10.3 盲元檢測(cè)與補(bǔ)償10.3.1 盲元檢測(cè)死像素:響應(yīng)率的1/10的像素過熱像素:響應(yīng)率大于平均響應(yīng)率10倍的像素 最直接的盲元測(cè)試技術(shù)是根據(jù)盲元的定義進(jìn)行測(cè)試。盲元的定義是按IRFPA器件對(duì)黑體輻射的影響程度作為量化指標(biāo)，它是基于實(shí)驗(yàn)測(cè)量結(jié)果給出的關(guān)系式。盲元：IRFPA中的響應(yīng)過高或過低的像素。盲元

10、10.3.2 盲元補(bǔ)償 線性插值補(bǔ)償算法：像素間的線性插值可采用行間、列間或行列間2點(diǎn)、4點(diǎn)、8點(diǎn)等線性插值，行間或列間線性插值采用同一行的像素或同一列的像素的線性關(guān)系進(jìn)行插值，行列間線性插值采用前后、左右的4像素或8像素等進(jìn)行插值，行列間的線性插值在理論上效果最好。若 像素為盲元，用行間4點(diǎn)線性插值，則盲元補(bǔ)償后的輸出為 盲元補(bǔ)償技術(shù)：根據(jù)相鄰像素或前后幀圖像的響應(yīng)相關(guān)性對(duì)盲元位置的信息進(jìn)行預(yù)測(cè)和替代過程。該方法缺陷：是可能在圖中出現(xiàn)條紋。相鄰前一非盲元像素響應(yīng)值替代方法 通過實(shí)驗(yàn)室檢測(cè)，在有盲元的地方做標(biāo)記，作為查找表存放在SRAM中，每次圖像處理時(shí)可以省去盲元檢測(cè)的時(shí)間。如果為盲元，則用

11、上一像素的灰度值替代，然后輸出。如果有大面積的盲元存在，則所有盲元的響應(yīng)值被最近一個(gè)非盲元的響應(yīng)值替換。 該方法在算法實(shí)現(xiàn)上與兩點(diǎn)校正算法很相似，可以使用查找表的方法，實(shí)現(xiàn)簡(jiǎn)單，實(shí)時(shí)性強(qiáng)10.4 紅外圖像的增強(qiáng) 圖像增強(qiáng) 時(shí)間域空間域變換域時(shí)間延遲積分幀間比較點(diǎn)處理鄰域處理離散傅里葉變換小波變換比度拉伸直方圖處理中值濾波均值濾波 圖像增強(qiáng)：圖像處理的重要組成部分，它通過增強(qiáng)圖像中的有用信息、抑制無用信息，來突出觀察者感興趣的區(qū)域。 圖像增強(qiáng)算法的優(yōu)劣不是絕對(duì)的。實(shí)際應(yīng)用中，應(yīng)當(dāng)根據(jù)圖像數(shù)據(jù)特征和處理要求來選擇合適的方法。10.4.1 紅外圖像直方圖 直方圖反映出圖像的特點(diǎn):當(dāng)圖像對(duì)比度較小時(shí)，

12、它的灰度直方圖在灰度軸上表現(xiàn)為較小的一段區(qū)間上非零，較暗的圖像在直方圖主體出現(xiàn)在低灰度值區(qū)間，在高灰度區(qū)間上的幅度很小或?yàn)榱?，較亮的圖像恰好相反?？雌饋砬逦岷偷膱D像，它的直方圖分布比較均勻。 灰度直方圖是用于表示圖像像素灰度值分布情況的統(tǒng)計(jì)圖表，有一維直方圖和二維直方圖之分。其中，最常用的是一維直方圖。比較說明紅外圖像的直方圖與可見光圖像的直方圖紅外圖像直方圖： 可見光圖像的直方圖： 紅外熱圖像直方圖具有以下特點(diǎn) 像素灰度值動(dòng)態(tài)范圍很小，很少充滿整個(gè)灰度級(jí)空間?？梢姽鈭D像的像素則分布于幾乎整個(gè)灰度級(jí)空間。 絕大部分像素集中于某些相鄰的灰度級(jí)范圍，這些范圍以外的灰度級(jí)上則沒有或只有很少的像素。

13、可見光圖像的像素分布則比較均勻。 直方圖中有明顯的峰存在，多數(shù)情況下為單峰或雙峰。若為雙峰，則一般主峰為信號(hào)，次峰為噪聲?？梢姽鈭D像直方圖的峰不如紅外圖像明顯，一般多個(gè)峰同時(shí)存在。 因此，線性灰度拉伸有利于紅外圖像對(duì)比度的增強(qiáng)。10.4.2 直方圖均衡化 作用：改變圖像中灰度概率分布，使其均勻化。實(shí)質(zhì)：使圖像中灰度概率密度較大的像素向附近灰度級(jí)擴(kuò)展，因而灰度層次拉開，而概率密度較小的像素的灰度級(jí)收縮，從而讓出原來占有的部分灰度級(jí)。設(shè)原始圖像在 處灰度為 ，而改變后的圖 ，則對(duì)圖像增強(qiáng)的方法可表述為將在 處的灰度 映射為 。 在灰度直方圖均衡化處理中，對(duì)圖像的映射函數(shù)可定義為: 累計(jì)分布函數(shù)（C

14、umulative Distribution Function，CDF）即可以滿足上述兩個(gè)條件，并且通過該函數(shù)可以完成將原圖像 的分布轉(zhuǎn)換成 的均勻分布。此時(shí)的直方圖均衡化映射函數(shù)為： 式中，求和區(qū)間為0到 ，根據(jù)該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。直方圖均衡化的處理過程中出現(xiàn)相鄰灰度級(jí)合并的現(xiàn)象有如下特點(diǎn): 克服線性拉伸過程中存在的較少像素占用較大灰度區(qū)間的問題。當(dāng)被合并掉的灰度級(jí)構(gòu)成的是重要細(xì)節(jié)，則均衡后細(xì)節(jié)信息損失較大。此時(shí)可采用局部直方圖均衡法來處理。均衡后的直方圖并非完全平坦，因?yàn)樵陔x散灰度下，直方圖只是近似的概率密度。直方圖均衡相對(duì)于均衡而言，圖像

15、主要內(nèi)容的對(duì)比度降低，次要內(nèi)容的對(duì)比度提高。在對(duì)比度增強(qiáng)處理中，直方圖均衡比灰度線性變換、指對(duì)數(shù)變換的運(yùn)算速度慢，但比空間域處理和變換域處理的速度快。直方圖均衡雖然增大了圖像的對(duì)比度，但往往處理后的圖像視覺效果生硬、不夠柔和，有時(shí)甚至?xí)斐蓤D像質(zhì)量的惡化。另外，均衡后的噪聲比處理前明顯，是因?yàn)榫鉀]有區(qū)分有用信號(hào)和噪聲，當(dāng)原圖像中噪聲較多時(shí)，噪聲被增強(qiáng)。10.4.3 自適應(yīng)分段線性變換 如圖所示，灰度分段變換（以三段為例）的數(shù)學(xué)表達(dá)式為： 在實(shí)際應(yīng)用中，可根據(jù)需要?jiǎng)澐譃槿我鈧€(gè)變換區(qū)。式中： 如果存在 ，其中 為灰度最頻值。 為最頻值對(duì)應(yīng)的頻數(shù)，令 。那么在 的灰度空間，必然存在 使得 區(qū)間所有

16、 ；同樣，對(duì)于 的灰度區(qū)間，必然存在 使得 區(qū)間所有的 ，令 自適應(yīng)的灰度分段線性變換算法對(duì)大多數(shù)圖像都比較適用?；叶茸铑l值是直方圖中有最大像素的灰度級(jí)；頻數(shù)是灰度值重復(fù)次數(shù)，即圖像中具有某灰度值的像素總數(shù)； 表示灰度級(jí) ，對(duì)應(yīng)的頻數(shù) 。 上式中， 是原始圖像像素的灰度值；是增強(qiáng)后的灰度值。 自適應(yīng)分段線性變換算法實(shí)現(xiàn)過程如下： 統(tǒng)計(jì)灰度直方圖，找到灰度最頻值 和對(duì)應(yīng)頻數(shù) 令 ； 從直方圖的0灰度級(jí)開始向右搜尋，直到找到 ，滿足其對(duì)應(yīng)的 且 ，記為 ： 從直方圖的255灰度級(jí)開始向左搜尋，直到找到 滿足其對(duì)應(yīng)的 且 ，記為 ； 根據(jù)上式建立查找表； 根據(jù)中建立的查找表，對(duì)原始圖像中的像素逐點(diǎn)進(jìn)

17、行灰度變換，達(dá)到圖像增強(qiáng)的目的。10.4.4 離散小波變換紅外圖像增強(qiáng)方法 二維圖像的小波分解通常采用離散的小波變換。假設(shè)二維尺度函數(shù)可以分解為低通和高通濾波器兩部分，分別用 （低通）和 （高通）表示，那么按照Mallat快速算法，對(duì)二維圖像在尺度 上的小波分解公式如下：式中, 分別對(duì)應(yīng)于圖像 的低頻成分、水平細(xì)節(jié)（高頻的水平邊緣分量）、垂直細(xì)節(jié)（垂直邊緣分量）、對(duì)角細(xì)節(jié)（對(duì)焦邊緣分量）。 小波變換技術(shù)在圖像增強(qiáng)領(lǐng)域的應(yīng)用，是利用小波變換的多分辨率特性。分為小波分解、圖像增強(qiáng)、小波重構(gòu)三個(gè)步驟。 圖像的進(jìn)一步分解僅對(duì)低頻分量進(jìn)行，圖像經(jīng) 次分解?？梢缘玫?個(gè)子圖像，其中一個(gè)低頻分量， 個(gè)高頻分

18、量。子圖像矩陣大小隨分解級(jí)數(shù)的增加而呈現(xiàn)遞減趨勢(shì)。下一個(gè)分解的子圖像矩陣僅為上一級(jí)分解子圖像的1/2 。與之對(duì)應(yīng)的小波重構(gòu)公式為：式中， 、 分別為 、 的共軛轉(zhuǎn)置矩陣。 按照Mallat快速算法，圖像的小波分解算法與小波變換的重構(gòu)算法分別如下圖所示:10.4.5 Retinex紅外圖像增強(qiáng)方法在處理過程中，通常將圖像變換到對(duì)數(shù)域進(jìn)行處理，即Retinex理論的基本假設(shè)是原始圖像S是光照分量L和反射性質(zhì)分量R的乘積，其數(shù)學(xué)表達(dá)式為 Retinex理論認(rèn)為，人眼感知的某點(diǎn)的顏色和亮度不僅取決于該點(diǎn)進(jìn)入人眼的絕對(duì)光線，而且與其周圍的顏色和亮度有關(guān)。Retinex紅外圖像增強(qiáng)方法就是通過模擬人眼獲得

19、圖像信息的過程來實(shí)現(xiàn)對(duì)紅外圖像細(xì)節(jié)增強(qiáng)的。在對(duì)數(shù)域處理有兩點(diǎn)好處：1.對(duì)數(shù)形式接近人眼的亮度感知能力；2.可以將復(fù)雜的乘積運(yùn)算變換為簡(jiǎn)單的加減運(yùn)算。10.4.5 Retinex紅外圖像增強(qiáng)方法 Retinex紅外圖像增強(qiáng)的具體實(shí)現(xiàn)過程是將輸入的紅外圖像劃分成若干像素，對(duì)每個(gè)像素進(jìn)行估算處理，得到光照分量L并提取出反射性質(zhì)分量R。對(duì)于反射性質(zhì)分量，在對(duì)數(shù)處理的基礎(chǔ)上，對(duì)其進(jìn)行S型函數(shù)變換處理，處理后的反射性質(zhì)分量再進(jìn)行指數(shù)變換，得到期望的新的反射性質(zhì)分量R。對(duì)于光照分量，對(duì)其進(jìn)行 函數(shù)處理，它與gamma校正函數(shù)特別相近，只對(duì)較暗的區(qū)域進(jìn)行特別處理，使其亮度增加。在對(duì)反射性質(zhì)分量和光照分量分別進(jìn)

20、行處理后，再經(jīng)過乘法器就可以得到最終的增強(qiáng)結(jié)果。10.4.6 圖像增強(qiáng)實(shí)驗(yàn) 直方圖增強(qiáng)后的紅外圖像及其直方圖： 分段線性變換后的圖像及其直方圖： 實(shí)驗(yàn)分為直方圖增強(qiáng)、分段線性變換、自適應(yīng)分段線性變換和小波變換的圖像增強(qiáng)。 自適應(yīng)線性變換后的圖像及其直方圖： 采用小波變換增強(qiáng)后的圖像及其直方圖： 比較可得：直方圖均衡、分段線性變換或自適應(yīng)分段線性變換，在目標(biāo)得到增強(qiáng)的同時(shí)圖像的噪聲也被增強(qiáng)。而在小波圖像增強(qiáng)中，目標(biāo)得到增強(qiáng)的同時(shí)，可以抑制噪聲，視覺效果更好。10.5 紅外圖像的降噪10.5.1 紅外圖像的常見噪聲模型（1）高斯噪聲：正態(tài)噪聲模型經(jīng)常被用于實(shí)踐中。高斯隨機(jī)變量 的概率密度函數(shù) 由下

21、式給出：表示 的平均值或期望值； 表示灰度值；表示 的標(biāo)準(zhǔn)差；表示 的方差；（2）瑞利噪聲：瑞利噪聲的概率密度函數(shù)PDF由下式給出:均值：方差：距原點(diǎn)的位移和其密度圖形的基本形狀向右變形的事實(shí)（3）伽馬(愛爾蘭)噪聲：伽馬噪聲的PDF由下式給出均值：方差： ， 為正整數(shù)（4）指數(shù)分布噪聲：指數(shù)噪聲的PDF由下式給出 ，為正整數(shù)均值：方差：指數(shù)分布的概率密度函數(shù)是當(dāng) b=1時(shí)愛爾蘭概率分布的特殊情況（5）均勻分布噪聲：均勻分布噪聲的概率密度，可由下式給出:均值：方差：（6）脈沖噪聲(椒鹽噪聲)：(雙極)脈沖噪聲的 PDF可由下式給出： ,灰度值 在圖像中將顯示為一個(gè)亮點(diǎn),相反, 為亮點(diǎn)。若 或

22、為零，則脈沖噪聲稱為單極脈沖。如果 和 均不可能為零，尤其是它們近似相等時(shí)，脈沖噪聲值將類似于隨機(jī)分布在圖像上的胡椒和鹽粉微粒10.5.2 紅外圖像降噪的基本方法設(shè)系統(tǒng)H是一個(gè)線性、移不變系統(tǒng)，那么在空間域中給出的退化圖像可由下式給出：空間域上的卷積等同于頻域上的乘積，因此可以把上式等價(jià)為頻域下的描述（1）均值濾波當(dāng)在一幅圖像中唯一存在的退化是噪聲時(shí)，上頁中的兩個(gè)公式可以改寫為：與1 算術(shù)均值濾波器表示中心在 點(diǎn)，尺寸為 的矩形子圖像窗口的坐標(biāo)組 算術(shù)均值濾波過程就是計(jì)算由 定義的區(qū)域中被干擾圖像 的平均值2 幾何均值濾波器幾何均值濾波器所達(dá)到的平滑度可以與算術(shù)均值濾波器相比，但在濾波過程中會(huì)

23、更少丟失圖像細(xì)節(jié)3 諧波均值濾波器諧波均值濾波器對(duì)于“鹽”噪聲效果更好，但是不適用于“胡椒”噪聲;善于處理像高斯噪聲那樣的其他噪聲;4 逆諧波均值濾波器Q為濾波器的階數(shù)當(dāng)Q值為正數(shù)時(shí)，濾波器用于消除“胡椒”噪聲；當(dāng)Q值為負(fù)數(shù)時(shí)，濾波器用于消除“鹽”噪聲。但它不能同時(shí)消除這兩種噪聲；當(dāng)Q=0時(shí)，逆諧波均值濾波器退化為算術(shù)均值濾波器；當(dāng)Q=-1時(shí)，逆諧波均值濾波器退化為諧波均值濾波器；（2）中值濾波中值濾波是最著名的統(tǒng)計(jì)排序?yàn)V波，其基本方法是用某像素的相鄰像素的灰度中值來替代該像素的值。 對(duì)于很多種隨機(jī)噪聲，中值濾波都有良好的去噪能力，且在相同尺寸下比線性平滑濾波器引起的模糊更少中值濾波器尤其對(duì)單

24、極或雙極脈沖噪聲非常有效10.5.3 基于閾上隨機(jī)共振的紅外圖像降噪方法（1）基于閾上隨機(jī)共振技術(shù)T1T2TN隨機(jī)共振是指非線性系統(tǒng)、弱的周期信號(hào)和適量的噪聲三者在一定條件下協(xié)作時(shí)，噪聲通過非線性系統(tǒng)對(duì)信號(hào)起積極作用的現(xiàn)象閾值單元并行加模型圖 是符合一定概率分布的輸入信號(hào)是相互獨(dú)立的噪聲,是閾值是輸出信號(hào)（2）基于閾上隨機(jī)共振的紅外圖像降噪算法第（ ）次添加的噪聲強(qiáng)度 為步長(zhǎng)，梯度算子 是第 次添加噪聲后圖像的峰值信噪比 關(guān)鍵在于通過多次隨機(jī)共振從被背景噪聲淹沒的紅外圖像中“揀”出有用的弱信號(hào)，而發(fā)生隨機(jī)共振需要有合適的噪聲。下面以雙色中波紅外圖像為例進(jìn)行介紹 和 分別是圖像的行和列， 是圖像

25、的灰度級(jí)數(shù), 是原圖像， 就是經(jīng)過第 次處理后的隨機(jī)共振圖像。其中噪聲函數(shù)（3）仿真實(shí)驗(yàn)結(jié)果：被噪聲淹沒的弱信號(hào)雙色中波紅外圖像（a）MWIR1圖像 （b）MWIR2圖像（3）仿真實(shí)驗(yàn)結(jié)果：閾上隨機(jī)共振圖像（a）MWIR1圖像 （b）MWIR2圖像小結(jié) 紅外圖像反映了景物的溫度分布，它的質(zhì)量往往受紅外焦平面陣列的響應(yīng)非均勻性、響應(yīng)漂移性、盲元、目標(biāo)輻射對(duì)比度等因素影響。響應(yīng)非均勻性導(dǎo)致紅外圖像存在固定圖像噪聲，響應(yīng)漂移性導(dǎo)致圖像信號(hào)的緩慢變化，盲元導(dǎo)致紅外圖像存在亮點(diǎn)或暗點(diǎn)，目標(biāo)的輻射對(duì)比度系數(shù)小，導(dǎo)致紅外圖像對(duì)比度低。因此，紅外圖像需要進(jìn)一步處理，才能便于人眼觀察。 參考文獻(xiàn)1邢素霞紅外熱成

26、像與信號(hào)處理M北京：國(guó)防工業(yè)出版社，20112Rafael C. Gonzalez，Richard E. Woods.阮秋琦，阮宇智譯.數(shù)字圖像處理（第二版）M.北京：電子工業(yè)出版社，20043 藺素珍，楊風(fēng)暴，吉琳娜等. 基于閾上隨機(jī)共振的弱信號(hào)雙色中波紅外圖像融合J.紅外與毫米波學(xué)報(bào)，201130(6):546550. 4 Benzi R， Sutera A， Vulpiani A. The mechanism of stochastic resonanceJ. Journal of Physics A: Mathematical and General， 1981， 14(11): 453-457.5 Das