基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法
【技術領域】
[0001] 本發明涉及一種紅外圖像降噪方法，尤其是關于一種基于非下采樣輪廓波域 (Non-Subsampled Contourlet Domain)混合統計模型的紅外圖像降噪方法，適用于受到高 斯噪聲污染的紅外圖像降噪。
【背景技術】
[0002] 紅外成像應用中的紅外探測器是系統噪聲的主要來源，是影響紅外圖像質量的主 要因素，它的強度一般情況下遠大于其它環節產生的噪聲，同時也是最難以克服的。探測器 本身的噪聲是無法避免的，按照其產生的機理可分為散粒噪聲、熱噪聲、光子噪聲、產生復 合噪聲和1/?噪聲等。其中，散粒噪聲、熱噪聲、光子噪聲和產生復合噪聲所產生的探測器 電流輸出是一個隨機過程，由中心極限定理近似服從高斯分布。噪聲是紅外探測器低 頻部分的一種電流噪聲，顧名思義，Iil噪聲與頻率成反比，當頻率高于一定頻率時，與其 它噪聲相比可忽略不計。因此，可認為影響紅外圖像質量的噪聲服從高斯分布。圖像噪聲會 造成圖像退化、圖像特征被掩蓋，直接影響圖像分割、特征提取等后續工作的準確性，因此， 抑制紅外圖像噪聲、提升圖像質量是紅外成像應用中圖像處理和分析的前提。
【發明內容】
[0003] 本發明的主要目的是公開一種新的紅外圖像降噪方法，有效抑制紅外圖像噪聲， 提升圖像質量。
[0004] 本發明是采用以下技術方案及技術措施來實現的。
[0005] 本發明提出一種基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，包括 如下步驟： 51 :將被噪聲污染的紅外圖像進行非下采樣輪廓波變換，分解得到非下采樣輪廓波域 的帶通子帶系數< b_/j和低頻子帶系數_11_，其中， 采樣輪廓波變換分解的總尺度數，::_ik I、一，，D表示第k層分解的方向數，i、j 表示變換系數矩陣的行和列坐標； 52 :將所述帶通子帶系數分為噪聲系數和圖像信號系數，根據高斯分布，建立所述噪聲 系數模型PixNwlTe)，根據廣義拉普拉斯分布，建立所述圖像信號系數模型丨加叫辦）； 53 :由所述噪聲系數模型和信號系數模型，在貝葉斯理論下基于最大后驗概率準則，得 到帶通子帶系數的降噪比例因子; S4:根據所述降噪比例因子，對被噪聲污染的帶通子帶系數進行降噪，得 到降噪后非下采樣輪廓波域實際圖像信號的帶通子帶系數 S5:對所述帶通子帶系數和低頻子帶系數進行非下采樣輪廓波反變 換，將處理空間變換回空域，實現紅外圖像的降噪。
[0006] 較佳的，前述基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，所述非 下采樣輪廓波變換的塔型濾波器為9-7,方向濾波器為pkva，分解尺度為3,方向子帶數分 別為 16,8,4。
[0007] 較佳的，前述基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，所述噪 聲系數模型為
是圖像噪聲標準差，對于實際污染圖 像，可通過計算非下采樣輪廓波變換最低尺度各個方向帶通系數的絕對值中值來估計。
[0008] 較佳的，前述基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，所述圖 像信號系數模型為：
是Ga_a函數，參 數_&:魏:夢汝勸，紙:由最大似然函數確定其估計值。[0009] 較佳的，前述基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，所述降
噪比例因子的表達式為： ：數:_、表不總體分布 特性的權重，由最大似然函雙佛疋兵佰IT但。
[0010] 較佳的，前述基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法，對所述 被噪聲污染的帶通子帶系數:?.:Ι1進行降噪，是將其帶入非下采樣輪廓波變換的系數降 噪表達式
人而得到所述非下采樣輪廓波域帶通子帶的實際 圖像信號系數、
[0011] 與現有技術相比，本發明基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方 法至少具有下列優點及有益效果：本發明在非下采樣輪廓波域將帶通子帶的噪聲系數和信 號系數分別按照高斯分布和廣義拉普拉斯分布進行建模，然后在貝葉斯理論下基于最大后 驗概率準則，得到降噪比例因子，根據降噪比例因子，對被噪聲污染的帶通子帶系數進行降 噪，進而通過非下采樣輪廓波反變換實現紅外圖像降噪。依據本發明的方法處理圖像的峰 值信噪比高，能有效去除圖像中的高斯白噪聲，較好地保持圖像的邊緣，特別是在噪聲較大 的情況下去除噪聲的能力更加明顯，是解決紅外圖像降噪問題的一種實用方法。
【附圖說明】
[0012] 圖1是本發明基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法的流程 圖。
[0013] 圖2是用本發明方法和現有三種方法對高斯噪聲標準差為30的Barbara圖像進 行去噪的效果對比圖。
[0014] 圖3是用本發明方法和現有三種方法對高斯噪聲標準差為50的Barbara圖像進 行去噪的效果對比圖。
[0015] 圖4是用本發明方法和現有三種方法對高斯噪聲標準差為30的紅外艦船圖像進 行去噪的效果對比圖。
[0016] 圖5是分別用本發明方法和現有三種方法對實際飛機紅外圖像進行去噪的的效 果對比圖。
【具體實施方式】
[0017] 下面結合附圖和實施例對本發明進一步說明。附圖為簡化示意圖，用以說明本發 明的基本結構。
[0018] 圖1是本發明基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法的流程 圖，參考圖1，本發明基于非下采樣輪廓波域混合統計模型的紅外圖像降噪方法包括如下步 驟： 步驟一、將受到噪聲污染的紅外圖像變換到非下采樣輪廓波域： 小波變換具有良好的時頻局域化特性和多分辨率特性，在圖像降噪中得到了廣泛的應 用。小波變換能有效地表示信號的零維奇異特征，但是對于更高維的特征則顯得力不從心。 在二維圖像中，由于邊緣、輪廓和紋理等具有高維奇異性的幾何特征包含了大部分信息，小 波不再是表示圖像的最優基。輪廓波變換（即Contourlet變換）是一種真正的圖像二維表 示方法，它將小波的優點延伸到高維空間，能夠更好地刻畫高維信息的特性，更適合處理具 有超平面奇異性的信息。但是由于采樣操作，輪廓波變換不具備平移不變性，在利用它進行 圖像降噪時，奇異點周圍會引入偽吉布斯（Gibbs)現象。
[0019] 利用非下采樣塔式分解和非下采樣濾波器組構造出了非下采樣輪廓波變換 (Non-Subsampled Contourlet Transform NSCT)，具有平移不變性。非下米樣輪廓波變換 繼承了輪廓波變換的多尺度、多方向以及良好的空域和頻域局部特性，變換后系數能量更 加集中，能夠更好地捕捉和跟蹤圖像中重要的幾何特征。同時，由于沒有上采樣和下采樣， 因此圖像的分解和重構過程中不具有頻率混疊項，這使得非下采樣輪廓波變換具有平移不 變性，以及各級子帶圖像與原圖像具有尺寸大小相同的特性。本發明中，非下采樣輪廓波 變換變換的塔型濾波器為"9-7"，方向濾波器為"pkva"，分解尺度為3,方向子帶數分別為 [16, 8, 4]。
[0020] 步驟二、在非下采樣輪廓波域對噪聲系數和圖像信號系數建模： 非下采樣輪廓波域信號系數尺度間和尺度內同方向子帶內相關性強，噪聲系數層間相 關性較弱、層內無相關性。基于此，將非下采樣輪廓波變換的帶通子帶系數分為噪聲系數和 信號系數兩類并分別建模。信號系數包含了圖像的大部分信息及主要的邊緣和紋理，相鄰 尺度間的系數相關性較強，分解系數的統計分布在原點處的峰值更尖銳，并具有長拖尾，可 采用廣義的拉普拉斯分布來建模。噪聲系數主要是噪聲和微小細節的貢獻，本發明采用具 有強局部相關的零均值高斯分布來建模。
[0021] 噪聲所貢獻的分解系數服從高斯分布：
(1) %是圖像噪聲標準差，對于實際污染圖像，可通過計算非下采樣輪廓波變換最低尺度 各個方向帶通系數的絕對值中值來估計。
[0022] 由圖像信號系數所貢獻的分解系數采用廣義拉普拉斯分布來描述： '.X
參數_:夢爲雜》1，1:由最大似然函數確定其估計值，f是Gamma函數。
[0023] 步驟三、在貝葉斯框架下，基于最大后驗概率準則，推導帶通子帶系數的降噪比例 因子： 結合步驟二，經過噪聲污染的非下采樣輪廓波變換帶通子帶分解系數的 統計分布可表示為： AV -*. ·.： S
V- .-V (4) 式中，:i?表示系數總體分布特性的權重參數。：以及公式（2)、（3)中的m #可通過 最大似然函數來估計：
少驟哞哚t；I： 1列囚T代八耶卜米懺牝彳郛股父佚市旭T市樂m哞μ栄衣邁A，仕非下 采樣輪廓波域對帶通子帶系數進行降噪： 紅外圖像經過非下采樣輪廓波變換后分解為丨為低頻子 帶系數，為k尺度d方向帶通子帶系數，s代表最大分解尺度，k表示分解尺度， ，d表示方向，i、j表示變換系數矩陣的行和列坐標。