本發(fā)明實施例涉及圖像處理技術，尤其涉及一種近紅外圖像的去噪方法和裝置。

背景技術：

近紅外成像技術實現了低光照情況下的圖像采集，如用于監(jiān)控攝像頭的夜間拍攝，此外，近紅外成像技術也可以用于虹膜識別等新興領域，因此受到越來越多的關注和重視。但由于近紅外圖像傳感器的物理缺陷，導致近紅外圖像噪聲較大、灰度集中、對比度低，使得近紅外圖像的視覺效果很差，需要對近紅外圖像進行去噪處理。

目前，常用的去噪方法有基于圖像空間域的方法和基于頻率域的方法。其中，基于空域的濾波方法(如均值濾波、中值濾波)由于采用了加權平均的處理方式，容易丟失鄰域內部的細節(jié)信息，即圖像高頻信號。而基于頻率域的方法(如基于小波閾值的去噪方法)雖然在頻率域進行系數處理時可以實現對高頻信號的保留和增強，避免了細節(jié)的損失，但由于涉及到圖像空域到頻域的轉換，所以其計算流程更為繁雜。

技術實現要素：

本發(fā)明實施例提供一種近紅外圖像的去噪方法和裝置，以解決現有對近紅外圖像的去噪方法中不能實現在簡化計算流程的前提下保留圖像細節(jié)信息的問題。

第一方面，本發(fā)明實施例提供了一種近紅外圖像的去噪方法，包括：

對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像；

利用多種空域濾波器的組合對目標圖像進行去噪處理。

第二方面，本發(fā)明實施例還提供了一種近紅外圖像的去噪裝置，該裝置包括：

壞點識別模塊，用于對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像；

去噪模塊，用于利用多種空域濾波器的組合對目標圖像進行去噪處理。

本發(fā)明實施例通過對待處理的近紅外圖像就進行壞點處理，并基于壞點處理后的圖像，利用多種空域濾波器的組合對該圖像進行去噪處理，不僅有效地抑制了近紅外圖像的背景噪聲，而且同時最大限度地保留了近紅外圖像的邊緣和細節(jié)信息，提升了近紅外圖像的質量。

附圖說明

圖1是本發(fā)明實施例一中的近紅外圖像的去噪方法的流程圖；

圖2是本發(fā)明實施例二中的近紅外圖像的去噪方法的流程圖；

圖3是本發(fā)明實施例二中的中心像素點在線條濾波模板中4個方向上的像素點示意圖；

圖4是本發(fā)明實施例二中的拉普帕斯變換模板圖；

圖5是本發(fā)明實施例三中的近紅外圖像的去噪裝置的結構示意圖；

圖6是本發(fā)明實施例四中的近紅外圖像的去噪裝置的結構示意圖。

具體實施方式

下面結合附圖和實施例對本發(fā)明作進一步的詳細說明?？梢岳斫獾氖?，此處所描述的具體實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關的部分而非全部結構。

實施例一

圖1為本發(fā)明實施例一提供的近紅外圖像的去噪方法的流程圖，本實施例可適用于去除近紅外圖像的噪聲，該方法可以由近紅外圖像的去噪裝置來執(zhí)行，該裝置可以采用軟件和/或硬件的方式實現。

如圖1所示，本發(fā)明實施例一的近紅外圖像的去噪方法具體包括：

S101、對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像。

近紅外圖像與其他圖像不同，存在比較大的噪聲，其中比較明顯的噪聲稱作壞點，指近紅外圖像中像素點的灰度值明顯區(qū)別于其周圍像素點的點，若不對這些壞點進行識別和去除，則會影響對近紅外圖像的去噪效果。

具體的，在一種實施方式中，可以將待處理的近紅外圖像的每個像素點作為中心像素點，并基于壞點識別模板依次對每個中心像素點執(zhí)行如下操作以識別并去除壞點：

計算當前中心像素點鄰域內全部像素點灰度值的平均值；

計算當前中心像素點的灰度值與所述平均值的差值；

比較所述差值與第一預設閾值的大小，并將所述差值大于第一預設閾值時對應的中心像素點作為壞點；

將作為壞點的中心像素點的平均值替代該中心像素點的灰度值。

其中，壞點識別模板可以根據需要選取，例如，可以選取為3×3模板。然后，根據該模板，從待處理的近紅外圖像的第一個像素點開始，遍歷圖像中全部像素點，以執(zhí)行上述各步驟。

接下來以圖像中第2行第2個像素點作為當前中心像素點為例進行說明。根據3×3模板，當前中心像素點鄰域內的全部像素點分別為圖像中第1行第1、2、3個像素點，圖像中第2行第1、3個像素點，和圖像中第3行第1、2、3個像素點。計算這些鄰域內的像素點灰度值的平均值，以及計算當前中心像素點灰度值與該平均值的差值，比較差值與第一預設閾值的大小，該第一預設閾值可以根據實際需要進行設置，例如，可以設置為50，當差值大于50時，可以確定當前中心像素點為壞點，否則不是壞點。若是壞點，則將計算出的所述平均值替代當前中心像素點的灰度值，從而完成壞點的識別和去除操作，得到目標圖像。

這里需要說明的是，在待處理的近紅外圖像中，最外圍的各像素點鄰域內存在空像素點的情況，這時，可以將對應的外圍像素點鄰域內非空像素點的灰度值隨機賦值給這些空像素點，并按照上述操作進行計算和處理。此外，在另一種實施方式中，也可以僅對圖像中鄰域內不存在空像素點的各像素點進行壞點識別和去除。

S102、利用多種空域濾波器的組合對目標圖像進行去噪處理。

空域濾波器雖然因采用加權平均的處理方式而容易丟失鄰域內部的細節(jié)信息，造成圖像去噪不準確的問題，但是，不同的空域濾波器對圖像去噪的側重點和效果均不同，若采用多種空域濾波器的組合對圖像去噪，則不同的空域濾波器之間可以彌補各自丟失鄰域內細節(jié)信息的不足，各種不同的空域濾波器相互結合、相互補充，實現對近紅外圖像中不同角度的去噪效果，同時，也無需增加運算量。

因此，本發(fā)明實施例通過對待處理的近紅外圖像就進行壞點處理，并基于壞點處理后的圖像，利用多種空域濾波器的組合對該圖像進行去噪處理，不僅有效地抑制了近紅外圖像的背景噪聲，而且同時最大限度地保留了近紅外圖像的邊緣和細節(jié)信息，提升了近紅外圖像的質量。

實施例二

圖2為本發(fā)明實施例二提供的近紅外圖像的去噪方法的流程圖，實施例二在實施例一的基礎上，對多種空域濾波器的組合及利用多種空域濾波器的組合對目標圖像進行去噪處理的操作進行進一步說明。

在本實施例二中，多種空域濾波器的組合優(yōu)選包括區(qū)域濾波器、雙邊濾波器和線條濾波器三種濾波器的組合。需要說明的是，本發(fā)明實施例并不對上述三種濾波器組合的順序做任何限定。

優(yōu)選的，如圖2所示，本發(fā)明實施例二的方法具體包括：

S201、對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像。

S202、利用區(qū)域濾波器對目標圖像進行濾波，得到第一目標圖像。

具體的，在一種實施方式中，可以將目標圖像的每個像素點作為中心像素點，并基于區(qū)域濾波器模板依次對每個中心像素點執(zhí)行如下操作以進行區(qū)域濾波：

計算當前中心像素點鄰域內全部像素點各自的灰度值與當前中心像素點的差值；

比較所述差值與第二預設閾值的大小，并將差值小于第二預設閾值的像素點作為當前中心像素點的有效像素點；

計算當前中心像素點鄰域內全部有效像素點灰度值的平均值，將該平均值替代當前中心像素點的灰度值。

其中，區(qū)域濾波器模板可以根據需要選取，例如，可以選取為3×3模板，優(yōu)選的，在本實施例中選取11×11模板。然后，根據該模板，從目標圖像的第一個像素點開始，遍歷目標圖像中全部像素點，以執(zhí)行上述各步驟。

接下來以目標圖像中第6行第6個像素點作為當前中心像素點為例進行說明。根據11×11模板，當前中心像素點鄰域內的全部像素點分別為圖像中第1-5行各自的第1-11個像素點，圖像中第7-11行各自的第1-11個像素點，圖像中第6行第1-5、7-11個像素點，共120個像素點。計算當前中心像素點鄰域內全部120個像素點各自的灰度值與當前中心像素點的差值，得到120個差值，比較這120個差值與第二預設閾值的大小，并將差值小于第二預設閾值的像素點作為當前中心像素點的有效像素點，否則為無效像素點。其中，第二預設閾值可以根據需要設置，例如可以設置為15。然后，計算當前中心像素點鄰域內全部有效像素點灰度值的平均值，將該平均值替代當前中心像素點的灰度值。

遍歷目標圖像中全部像素點，將每個中心像素點鄰域內全部有效像素點灰度值的平均值替代對應的中心像素點的灰度值，從而完成區(qū)域濾波，得到第一目標圖像。

這里需要說明的是，在目標圖像中，根據區(qū)域濾波器模板，外圍的各像素點鄰域內存在空像素點的情況，這時，可以將對應的外圍像素點鄰域內非空像素點的灰度值隨機賦值給這些空像素點，并按照上述操作進行計算和處理。

通過上述操作，區(qū)域濾波實現對圖像中的平坦區(qū)域進行平滑處理，其中，有效像素點的判斷避免了對紋理部分的平滑處理。

此外，利用區(qū)域濾波器對目標圖像進行濾波還包括：計算目標圖像的每個中心像素點的有效像素比例系數r，其中，有效像素比例系數r為每個中心像素點鄰域內全部有效像素點的個數與該中心像素點鄰域內全部像素點的個數的比值。該有效像素比例系數用于接下來的雙邊濾波，詳見接下來對S203的描述。

S203、利用雙邊濾波器對第一目標圖像進行濾波，得到第二目標圖像。

具體的，在一種實施方式中，S203包括：

根據區(qū)域濾波器模板和有效像素比例系數，獲取雙邊濾波器模板、距離參數和灰度參數；

根據雙邊濾波器模板、距離參數和灰度參數，按照雙邊濾波器公式計算第一目標圖像中每個像素點的灰度值，得到第二目標圖像。

雙邊濾波器公式為：

其中，(i,j)表示待處理的中心像素點；(k,l)表示中心像素點鄰域內的像素點；g(i,j)表示中心像素點的灰度值；f(k,l)表示中心像素點鄰域內的像素點灰度值；w是權重系數；σd是距離參數；σr是灰度參數。

其中，距離參數和灰度參數作為雙邊濾波器公式中的兩個濾波參數，通常分別選取固定值5和20。而在本實施例中，利用有效像素比例系數自適應生成這兩個參數，而不是選取固定值，同時自適應生成雙邊濾波器模板。具體的，根據區(qū)域濾波器的11×11模板和計算得到的有效像素比例系數r，獲取雙邊濾波器模板為11*r×11*r(11*r取整數)模板，距離參數為5*r，灰度參數為20*r。這種基于有效像素比例系數r自適應生成雙邊濾波器中的參數和模板的方法，將區(qū)域濾波和雙邊濾波兩個過程緊密地結合，利用區(qū)域濾波的統(tǒng)計結果修正雙邊濾波的濾波參數，從而可以提升整個算法對各類圖像處理的適應性。

通過上述操作，雙邊濾波主要使圖像中的紋理區(qū)域和圖像線條的邊界更加清晰，同時使其周圍的平坦區(qū)域更加平滑。

S204、利用線條濾波器對第二目標圖像進行濾波，得到第三目標圖像，第三目標圖像為所述待處理的近紅外圖像的去噪結果圖像。

具體的，在一種實施方式中，可以將第二目標圖像的每個像素點作為中心像素點，并基于線條濾波器模板依次對每個中心像素點執(zhí)行如下操作：

計算當前中心像素點在線條濾波器模板中水平方向、豎直方向、左對角方向、右對角方向上全部像素點灰度值的方差值，分別得到第一方差值、第二方差值、第三方差值和第四方差值；

比較第一方差值、第二方差值、第三方差值和第四方差值的大小，計算方差值最小的方向上全部像素點灰度值的平均值，將該平均值替代當前中心像素點的灰度值。

其中，線條濾波模板可以根據需要選取，例如，可以選取為3×3模板。然后，根據該模板，從第二目標圖像的第一個像素點開始，遍歷圖像中全部像素點，以執(zhí)行上述各步驟。

這里需要說明的是，在第二目標圖像中，根據線條濾波器模板，外圍的各像素點鄰域內存在空像素點的情況，這時，可以將對應的外圍像素點鄰域內非空像素點的灰度值隨機賦值給這些空像素點，并按照上述操作進行計算和處理。

接下來結合圖3，以目標圖像中第2行第2個像素點作為當前中心像素點為例進行說明。如圖3所示，9個方形的組合表示3×3模板，在圖a-d中，標有斜線的方形表示中心像素點在3×3模板中的水平方向、豎直方向、左對角方向和右對角方向上的全部像素點，分別計算上述4個方向上全部像素點灰度值的方差值，分別得到第一方差值、第二方差值、第三方差值和第四方差值，比較第一方差值、第二方差值、第三方差值和第四方差值的大小，計算方差值最小的方向上全部像素點灰度值的平均值，將該平均值替代當前中心像素點的灰度值。

遍歷第二目標圖像中全部像素點，計算每個中心像素點在模板中4個方向上全部像素點灰度值的方差值，并將方差值中最小的方向上全部像素點灰度值的平均值替代對應的中心像素點的灰度值，則完成對第二目標圖像的線條濾波，得到第三目標圖像，該第三目標圖像即為待處理的近紅外圖像的去噪結果圖像。

優(yōu)選的，在得到去噪結果圖像之后，本發(fā)明實施例的近紅外圖像的去噪方法還包括：對去噪結果圖像進行拉普拉斯變換處理，得到去噪結果增強圖像，使得最終得到的近紅外圖像更加清晰。

具體的，可以根據如圖4所示的拉普帕斯變換模板，對去噪結果圖像中的每個像素點進行拉普帕斯變換，通過卷積運算計算得到每個像素點對應的拉普帕斯變換后的灰度值，然后，將去噪結果圖像中每個像素點的灰度值與每個像素點對應的拉普帕斯變換后的灰度值相加，并將相加后得到的和值分別作為對應像素點的新灰度值，得到去噪結果增強圖像。

本發(fā)明實施例利用區(qū)域濾波器、雙邊濾波器和線條濾波器三種濾波器的組合，依次對壞點處理后的近紅外圖像進行濾波處理，三種濾波器緊密結合，從不同角度有效地去除了近紅外圖像的噪聲，相互之間彌補了不同濾波器的不足，沒有增加運算量，同時最大限度地保留了近紅外圖像的邊緣和細節(jié)信息，最后通過拉普拉斯變換對圖像進行增強處理，提升了近紅外圖像的質量。

實施例三

圖5是本發(fā)明實施例三中的近紅外圖像的去噪裝置的結構示意圖，應用于去除近紅外圖像的噪聲。如圖5所示，本發(fā)明實施例三的近紅外圖像的去噪裝置1包括壞點識別模塊10和去噪模塊11。

其中，壞點識別模塊10，用于對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像。

具體的，壞點識別模塊10包括：

第一均值計算單元，用于將待處理的近紅外圖像的每個像素點作為中心像素點，并基于壞點識別模板，計算每個中心像素點鄰域內全部像素點灰度值的平均值；

第一差值計算單元，用于計算每個中心像素點的灰度值與對應的平均值的差值；

第一比較單元，用于比較差值與第一預設閾值的大小，并將差值大于第一預設閾值時對應的中心像素點作為壞點；

第一替代單元，用于將作為壞點的中心像素點對應的平均值替代該中心像素點的灰度值。

去噪模塊11，用于利用多種空域濾波器的組合對目標圖像進行去噪處理。

具體的，空域濾波器雖然因采用加權平均的處理方式而容易丟失鄰域內部的細節(jié)信息，造成圖像去噪不準確的問題，但是，不同的空域濾波器對圖像去噪的側重點和效果均不同，若采用多種空域濾波器的組合對圖像去噪，則不同的空域濾波器之間可以彌補各自丟失鄰域內細節(jié)信息的不足，各種不同的空域濾波器相互結合、相互補充，實現對近紅外圖像中不同角度的去噪效果，同時，也無需增加運算量。

因此，本發(fā)明實施例通過壞點識別模塊10對待處理的近紅外圖像就進行壞點處理，并基于壞點處理后的圖像，由去噪模塊11利用多種空域濾波器的組合對該圖像進行去噪處理，不僅有效地抑制了近紅外圖像的背景噪聲，而且同時最大限度地保留了近紅外圖像的邊緣和細節(jié)信息，提升了近紅外圖像的質量。

實施例四

圖6是本發(fā)明實施例四中的近紅外圖像的去噪裝置的結構示意圖，應用于去除近紅外圖像的噪聲。實施例四在實施例三的基礎上，對去噪模塊11進行進一步說明。如圖6所示，本發(fā)明實施例四的近紅外圖像的去噪裝置1具體包括：

壞點識別模塊10，用于對待處理的近紅外圖像進行壞點識別，并去除識別出的壞點，得到目標圖像；

去噪模塊11，用于利用多種空域濾波器的組合對目標圖像進行去噪處理。

在本實施例中，多種空域濾波器的組合優(yōu)選包括區(qū)域濾波器、雙邊濾波器和線條濾波器三種濾波器的組合。需要說明的是，本發(fā)明實施例并不對上述三種濾波器組合的順序做任何限定。

優(yōu)選的，去噪模塊11包括：

區(qū)域濾波子模塊110，用于利用區(qū)域濾波器對目標圖像進行濾波，得到第一目標圖像；

雙邊濾波子模塊111，用于利用雙邊濾波器對第一目標圖像進行濾波，得到第二目標圖像；

線條濾波子模塊112，用于利用線條濾波器對第二目標圖像進行濾波，得到第三目標圖像，第三目標圖像為待處理的近紅外圖像的去噪結果圖像。

具體而言，區(qū)域濾波子模塊110包括：

第二差值計算單元，用于將目標圖像的每個像素點作為中心像素點，并基于區(qū)域濾波器模板，計算每個中心像素點鄰域內全部像素點各自的灰度值與當前中心像素點的差值；

第二比較單元，用于比較所述差值計算單元計算得到的差值與第二預設閾值的大小，并將差值小于第二預設閾值的像素點作為每個中心像素點的有效像素點；

第二均值計算單元，用于計算第二比較單元得到的每個中心像素點鄰域內全部有效像素點灰度值的平均值；

第二替代單元，用于將第二均值計算單元計算得到的平均值替代對應的中心像素點的灰度值。

此外，區(qū)域濾波子模塊110還包括有效像素比例系數計算單元，用于計算目標圖像的每個中心像素點的有效像素比例系數，其中，有效像素比例系數為每個中心像素點鄰域內全部有效像素點的個數與該中心像素點鄰域內全部像素點的個數的比值。

相應的，雙邊濾波子模塊111包括：

雙邊濾波模板和參數獲取單元，用于根據區(qū)域濾波器模板和有效像素比例系數，獲取雙邊濾波器模板、距離參數和灰度參數；

公式計算單元，用于根據雙邊濾波器模板、距離參數和灰度參數，按照雙邊濾波器公式計算第一目標圖像中每個中心像素點的灰度值，得到第二目標圖像。

線條濾波子模塊112具體包括：

方差計算單元，用于將第二目標圖像的每個像素點作為中心像素點，并基于線條濾波器模板，計算每個中心像素點在線條濾波器模板中水平方向、豎直方向、左對角方向、右對角方向上全部像素點灰度值的方差值，分別得到第一方差值、第二方差值、第三方差值和第四方差值；

第三比較單元，用于比較方差計算單元計算得到的第一方差值、第二方差值、第三方差值和第四方差值的大??；

第三均值計算單元，用于計算第三比較單元得到的方差值最小的方向上全部像素點灰度值的平均值；

第三替代單元，用于將第三均值計算單元計算得到的平均值替代對應的中心像素點的灰度值。

優(yōu)選的，本發(fā)明實施例的近紅外圖像的去噪裝置還包括：

圖像增強模塊，用于對去噪結果圖像進行拉普拉斯變換處理，得到去噪結果增強圖像。

本發(fā)明實施例通過區(qū)域濾波子模塊、雙邊濾波子模塊和線條濾波子模塊，分別利用區(qū)域濾波器、雙邊濾波器和線條濾波器三種濾波器的組合，依次對壞點處理后的近紅外圖像進行濾波處理，三種濾波器緊密結合，從不同角度有效地去除了近紅外圖像的噪聲，相互之間彌補了不同濾波器的不足，沒有增加運算量，同時最大限度地保留了近紅外圖像的邊緣和細節(jié)信息，最后通過拉普拉斯變換對圖像進行增強處理，提升了近紅外圖像的質量。

本發(fā)明實施例提供的近紅外圖像的去噪裝置可執(zhí)行本發(fā)明任意實施例提供的近紅外圖像的去噪方法，具備執(zhí)行方法相應的功能模塊和有益效果。

注意，上述僅為本發(fā)明的較佳實施例及所運用技術原理。本領域技術人員會理解，本發(fā)明不限于這里所述的特定實施例，對本領域技術人員來說能夠進行各種明顯的變化、重新調整和替代而不會脫離本發(fā)明的保護范圍。因此，雖然通過以上實施例對本發(fā)明進行了較為詳細的說明，但是本發(fā)明不僅僅限于以上實施例，在不脫離本發(fā)明構思的情況下，還可以包括更多其他等效實施例，而本發(fā)明的范圍由所附的權利要求范圍決定。