張 勇，王和明，周瑞釗，任成偉

（空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051）

一種改進(jìn)的紅外圖像降噪算法與FPGA實(shí)現(xiàn)

張 勇，王和明，周瑞釗，任成偉

（空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051）

由于實(shí)時(shí)目標(biāo)的紅外圖像具有信噪比低、邊界模糊等問(wèn)題，在研究紅外圖像噪聲特點(diǎn)的基礎(chǔ)上，提出了一種基于動(dòng)靜態(tài)檢測(cè)算法的紅外圖像降噪算法。通過(guò)一種動(dòng)靜態(tài)檢測(cè)算法將圖像分成動(dòng)態(tài)圖像和靜態(tài)圖像，用改進(jìn)的自適應(yīng)維納濾波算法處理動(dòng)態(tài)圖像，用改進(jìn)的NL-means降噪算法處理靜態(tài)圖像，并用FPGA實(shí)現(xiàn)紅外圖像降噪系統(tǒng)設(shè)計(jì)。實(shí)驗(yàn)表明，紅外圖像經(jīng)算法處理后，其PSNR和細(xì)節(jié)方差-背景方差比（DV/BV）均高于經(jīng)典降噪算法，算法能有效減少圖像噪聲，并能很好地保持圖像的邊界細(xì)節(jié)信息。

紅外圖像降噪，動(dòng)靜態(tài)檢測(cè)，PSNR，細(xì)節(jié)方差-背景方差比

0 引言

由于受紅外探測(cè)設(shè)備材料、制造工藝等因素影響，運(yùn)動(dòng)目標(biāo)的紅外圖像存在信噪比低、邊界模糊、對(duì)比度差等問(wèn)題，在目標(biāo)尺寸小、輻射強(qiáng)度低、距離遠(yuǎn)等狀況下尤為嚴(yán)重［1］。因此，為改善圖像質(zhì)量，必須要抑制其噪聲。在紅外圖像噪聲抑制方面，普遍的主要有空域降噪算法和變換域降噪算法［2］。對(duì)于空域降噪算法，其直接對(duì)紅外圖像進(jìn)行噪聲抑制，如中值濾波、Wiener濾波等。對(duì)于變換域降噪算法，其首先要變換圖像，將圖像從空域轉(zhuǎn)換到特定的變換域中，然后處理變換域系數(shù)再反變換至空域，如小波變換、Fourier變換等。然而，經(jīng)典的變換域降噪算法比較繁瑣；空域降噪算法容易引起紅外圖像邊界模糊或降噪效果不明顯。一些國(guó)外學(xué)者如Zhang等提出一種金字塔非線性擴(kuò)散（laplacian pyramid nonlinear diffusion，LPND）［3］降噪算法，其在降噪的同時(shí)很好地保持了圖像邊緣細(xì)節(jié)，圖像可視性好；Rudin和Fatami等提出了一種基于全變分（Total Variation）模型［4］的降噪算法，較好地處理了圖像噪聲平滑和細(xì)節(jié)保護(hù)問(wèn)題。

本文在研究紅外圖像噪聲特點(diǎn)的基礎(chǔ)上，結(jié)合圖像解析度和圖像降噪效果，提出一種基于動(dòng)靜態(tài)檢測(cè)的降噪算法。該算法通過(guò)對(duì)圖像進(jìn)行動(dòng)靜態(tài)檢測(cè)，圖像若被判定為動(dòng)態(tài)圖像則采用自適應(yīng)維納濾波算法［5］，若被判定為靜態(tài)圖像則采用改進(jìn)的NL-means［6］算法。本文采用峰值信噪比（PSNR）和細(xì)節(jié)-背景方差（DV/BV）作為評(píng)價(jià)參數(shù)，定量客觀地評(píng)價(jià)實(shí)驗(yàn)結(jié)果。并基于FPGA開(kāi)發(fā)平臺(tái)實(shí)現(xiàn)紅外圖像降噪系統(tǒng)設(shè)計(jì)。

1 紅外圖像噪聲特點(diǎn)分析

紅外圖像中的噪聲主要有背景噪聲和探測(cè)器噪聲，在不同環(huán)境下可能成為影響紅外圖像的主導(dǎo)噪聲［7］。

1.1 背景噪聲

背景噪聲主要有周圍環(huán)境的輻射噪聲和大氣噪聲等。背景光子發(fā)射輻射帶寬為f時(shí)產(chǎn)生的均方噪聲電壓值為：

式中：A為輻射面積；T為溫度；ε為背景的光子發(fā)射率；σ為斯特藩-玻爾茲曼常數(shù)。背景噪聲的功率與頻率無(wú)關(guān)，它是一種白噪聲。

1.2 探測(cè)器噪聲

探測(cè)器噪聲主要包括產(chǎn)生-復(fù)合噪聲、“閃爍”噪聲。

1.2.1 產(chǎn)生-復(fù)合噪聲

產(chǎn)生-復(fù)合噪聲主要存在于光導(dǎo)型探測(cè)器中。當(dāng)入射光子具有一定能量時(shí)，會(huì)引起電荷載流子發(fā)生能級(jí)躍遷，從而形成產(chǎn)生-復(fù)合噪聲，其均方噪聲電壓值為：

式中：△f為特征頻率。產(chǎn)生-復(fù)合噪聲可看作白噪聲。

1.2.2“閃爍”噪聲

電子元器件中一般都含有“閃爍”噪聲，其功率隨著頻率的增加而下降，均方噪聲電壓值為：

式中：I為電流強(qiáng)度；f為頻率；R為電阻；Ad為探測(cè)器的面積?！伴W爍”噪聲主要體現(xiàn)在低頻部分，與其他噪聲相比，可忽略不計(jì)。

此外熱成像系統(tǒng)在使用前都需要進(jìn)行校正，會(huì)有隨機(jī)噪聲產(chǎn)生；熱成像系統(tǒng)的放大器件里的自由電子由于熱運(yùn)動(dòng)也會(huì)產(chǎn)生隨機(jī)噪聲；A/D轉(zhuǎn)換器也會(huì)產(chǎn)生隨機(jī)噪聲等。

2 動(dòng)靜態(tài)檢測(cè)圖像降噪算法

輸入的紅外圖像被劃分成10×10的像素模塊，與緩存的上一幀圖像一起經(jīng)過(guò)動(dòng)靜態(tài)檢測(cè)算法被判定為動(dòng)態(tài)圖像或是靜態(tài)圖像。若判定為動(dòng)態(tài)圖像則采用動(dòng)態(tài)圖像降噪算法，若判定為靜態(tài)圖像則采用靜態(tài)圖像降噪算法。

2.1 動(dòng)靜態(tài)檢測(cè)算法

本文動(dòng)靜態(tài)檢測(cè)算法的計(jì)算方法是：將輸入的紅外圖像分割成10×10的像素模塊，將像素模塊中每一個(gè)像素與緩存圖像對(duì)應(yīng)位置像素的值做差運(yùn)算，并得到模塊內(nèi)所有像素的差方和。設(shè)定一個(gè)閾值，若差方和大于閾值認(rèn)為該圖像為動(dòng)態(tài)圖像，否則為靜態(tài)圖像。差方和表達(dá)式如下：

其中，MAE為差方和；H表示灰度值。

該算法的核心是設(shè)定一個(gè)合理的閾值，通過(guò)大量實(shí)驗(yàn)發(fā)現(xiàn)當(dāng)閾值設(shè)定為18時(shí)，動(dòng)態(tài)判定效果較好。

2.2 動(dòng)態(tài)圖像降噪算法

在實(shí)際運(yùn)用中，維納濾波算法要提前知道圖像和噪聲的功率譜，然而這是無(wú)法做到的，所以其對(duì)需要實(shí)時(shí)濾波的動(dòng)態(tài)圖像的降噪效果不理想。因此，本文提出一種改進(jìn)的自適應(yīng)維納濾波噪聲抑制算法。

對(duì)于一個(gè)灰度圖像H（x，y），維納濾波算法是尋找圖像的一個(gè)最優(yōu)估計(jì)值H?（x，y），使之滿足它與圖像H（x，y）之間的均方誤差為最?。?/p>

由于σ2（x，y）反映圖像局部信息變化，因此，σ2（x，y）的值是不斷變化的，其估計(jì)值表達(dá)式如下：

由于紅外圖像的噪聲多是一些白噪聲，因此，本文采用頻域采樣法［9］來(lái)估計(jì)圖像的噪聲方差。頻域采樣法的主要思想是：在圖像低頻區(qū)域，主要是圖像信息，而由于白噪聲的功率譜恒定，其在頻譜帶上分布應(yīng)該是均勻的。所以圖像的高頻部分主要包括噪聲信息，而該部分噪聲的方差和原噪聲的方差是一致的。所以，先用巴特沃斯高通濾波器處理圖像，抑制低頻部分，讓高頻部分通過(guò)，然后對(duì)圖像的高頻部分進(jìn)行噪聲方差估計(jì)。若n（x，y）表示噪聲，m、n表示圖像高頻部分的行列數(shù)，圖像高頻部分噪聲的均值和方差可表示為：

2.3 靜態(tài)圖像降噪算法

在分析紅外圖像噪聲特點(diǎn)的基礎(chǔ)上，可以得知對(duì)圖像質(zhì)量影響較大的噪聲多數(shù)為服從高斯分布的噪聲。而B(niǎo)uades等人提出的NL-means算法能夠很好地處理高斯噪聲，圖像降噪效果明顯。NL-means算法的主要原則是：對(duì)于一幅含噪的灰度圖像，其含有很多跟圖像信息不相關(guān)的其他信息，而這些信息具有相似性。在充分利用這些無(wú)關(guān)信息的基礎(chǔ)上，對(duì)于一個(gè)圖像領(lǐng)域的灰度值可由與其相似領(lǐng)域的灰度值根據(jù)加權(quán)算得估計(jì)值。NL-means算法處理含噪圖像H（x，y）模型為：

式中：h2表示兩個(gè)相似像素點(diǎn)間的歐式距離。

作為國(guó)家治理體系的重要組成部分，人民法院肩負(fù)著保障黨和國(guó)家重大戰(zhàn)略實(shí)施、服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展的重大政治責(zé)任。服務(wù)保障好鄉(xiāng)村戰(zhàn)略實(shí)施，是全省法院的職責(zé)所在。出臺(tái)《關(guān)于為鄉(xiāng)村振興戰(zhàn)略提供司法服務(wù)和保障的意見(jiàn)》，有助于進(jìn)一步統(tǒng)一全省法院的思想認(rèn)識(shí)和司法行動(dòng)，充分發(fā)揮審判職能作用，依法妥善處理好鄉(xiāng)村振興戰(zhàn)略實(shí)施過(guò)程中的各類矛盾糾紛，切實(shí)提升服務(wù)和保障鄉(xiāng)村振興戰(zhàn)略實(shí)施的實(shí)效，推動(dòng)全省農(nóng)業(yè)全面升級(jí)、農(nóng)村全面進(jìn)步、農(nóng)民全面發(fā)展。

NL-means算法雖然能夠很好地處理符合高斯分布的噪聲，但是其在降噪的同時(shí)不可避免地給圖像帶來(lái)了人工偽影。因此，為降低NL-means算法給圖像帶來(lái)的人工偽影影響，就需要降低相似度低的兩個(gè)領(lǐng)域間的權(quán)重，增加相似度高的兩個(gè)領(lǐng)域間的權(quán)重。在兩個(gè)相似領(lǐng)域間加入梯度信息，能很好地完成上述要求［10］。加入梯度信息后的規(guī)范系數(shù)和加權(quán)核函數(shù)分別為：

式中的△為Sobel算子。在相似領(lǐng)域間引入梯度信息，可以很好地消除圖像的人工偽影，并且不會(huì)丟失圖像的細(xì)節(jié)信息。

2.4 算法的FPGA實(shí)現(xiàn)

FPGA運(yùn)算速度快，編程方式多樣且可在線改寫，適于做運(yùn)算量大，但運(yùn)算相對(duì)簡(jiǎn)單的數(shù)據(jù)處理。近年來(lái)，F(xiàn)PGA的運(yùn)行速度提升，功耗不斷降低，基于FPGA的降噪系統(tǒng)可以滿足紅外探測(cè)設(shè)備體積小型化要求。本文的降噪算法用于實(shí)時(shí)目標(biāo)的紅外圖像處理，會(huì)導(dǎo)致數(shù)據(jù)量比較大，因此，本文采用FPGA作為降噪系統(tǒng)的處理器，可以快速地處理大量數(shù)據(jù)。

圖1 FPGA圖像實(shí)時(shí)處理系統(tǒng)

本文設(shè)計(jì)的圖像實(shí)時(shí)處理系統(tǒng)結(jié)構(gòu)主要包括A/D、D/A轉(zhuǎn)換器，I2C控制模塊，圖像數(shù)據(jù)緩存模塊，圖像數(shù)據(jù)處理模塊，VGA控制模塊，VGA顯示模塊以及外設(shè)的SDRAM等，如圖1所示。系統(tǒng)采集的圖像經(jīng)過(guò)A/D轉(zhuǎn)換器變成數(shù)字信號(hào)后送入圖像數(shù)據(jù)緩存模塊緩存數(shù)據(jù)，由于FPGA內(nèi)部存儲(chǔ)不大，需要外接一個(gè)SDRAM緩存數(shù)據(jù)，以備圖像數(shù)據(jù)緩存模塊調(diào)用。圖像處理模塊可以根據(jù)不同的實(shí)現(xiàn)要求更改程序?qū)D像的算法處理，隨后將處理的結(jié)果送入VGA控制模塊，經(jīng)D/A轉(zhuǎn)換器轉(zhuǎn)換后由VGA顯示模塊顯示處理后的圖像，由I2C總線讀取并傳送各模塊的數(shù)據(jù)。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文所提出算法的有效性、合理性和可行性，實(shí)驗(yàn)分別用傳統(tǒng)的Wiener濾波算法、Medfilter降噪算法和本文所提出的算法對(duì)實(shí)際的紅外噪聲圖像進(jìn)行濾波，并用PSNR評(píng)價(jià)降噪效果好壞和細(xì)節(jié)方差（Detail-Variance）-背景方差（Background Variance）比（DV/BV）評(píng)價(jià)圖像邊緣和細(xì)節(jié)是否豐富。PSNR越高，說(shuō)明圖像噪聲越少，DV/BV越高，說(shuō)明圖像解析度越高。

3.1 評(píng)價(jià)參數(shù)

峰值信噪比PSNR（dB）和均方誤差函數(shù)RMSE表達(dá)式分別如下所示：

細(xì)節(jié)方差-背景方差比（DV/BV）可由文獻(xiàn)［11］的方法計(jì)算得到，本文不再贅述。

3.2 實(shí)際紅外圖像濾波結(jié)果

實(shí)驗(yàn)選擇了用本文的濾波算法、Medfilter降噪算法和Wiener濾波算法對(duì)實(shí)際的紅外圖像進(jìn)行處理。實(shí)驗(yàn)時(shí)各參數(shù)選擇：動(dòng)態(tài)檢測(cè)像素分割大小為10×10，動(dòng)態(tài)檢測(cè)閾值為18，Medfilter濾波滑動(dòng)窗口大小為3×3。

圖2（a）是實(shí)際拍攝得到的時(shí)速30 km/h越野車紅外噪聲圖像，圖像存在嚴(yán)重的噪聲影響。圖2（b）～（d）分別為Medfilter降噪算法、Wiener濾波算法和本文濾波算法處理后的圖像。結(jié)果表明，Medfilter降噪算法在處理運(yùn)動(dòng)目標(biāo)的紅外圖像方面降噪效果并不好；Wiener濾波算法可以較好地抑制圖像噪聲，降噪效果較好；而本文算法很好地抑制了圖像的噪聲，提高了圖像的對(duì)比度，濾波效果明顯好于其他兩種算法。

表1給出了實(shí)驗(yàn)中各種算法的實(shí)驗(yàn)結(jié)果的客觀評(píng)價(jià)。

由實(shí)驗(yàn)的結(jié)果可以看出，含噪紅外圖像經(jīng)本文算法處理后，其PSNR和細(xì)節(jié)方差-背景方差比（DV/BV）均高于經(jīng)典降噪算法，說(shuō)明本文的算法在降噪效果方面優(yōu)于其他算法。并且使用FPGA快速處理圖像，每一幀耗時(shí)大約1 s，因此，可以用于紅外圖像噪聲的實(shí)時(shí)處理。

圖2 實(shí)際紅外圖像濾波結(jié)果

表1 實(shí)驗(yàn)1客觀結(jié)果

4 結(jié)論

本文設(shè)計(jì)并實(shí)現(xiàn)了一種適用需要實(shí)時(shí)顯示的紅外圖像的降噪算法。實(shí)驗(yàn)表明，該算法處理后圖像的PSNR和DV/BV均高于傳統(tǒng)算法，這說(shuō)明圖像不僅噪聲少，有很高的解析度，而且基于FPGA的圖像降噪系統(tǒng)提高了圖像信息處理的速度。今后的改進(jìn)工作主要是設(shè)計(jì)復(fù)雜度較低的算法，以便于更高速地處理圖像，滿足紅外探測(cè)設(shè)備對(duì)運(yùn)動(dòng)目標(biāo)高實(shí)時(shí)性的要求。

［1］王初陽(yáng)，李雪，梁承玉，等.典型的紅外圖像背景抑制濾波算法研究［J］.火力與指揮控制，2015，40（8）：33-37.

［2］康志亮，許麗佳.基于小波的紅外圖像去噪算法研究［J］.計(jì)算機(jī)仿真，2011，28（1）：265-267.

［3］ZHANG F，YOO Y M，KOH L M.Nonlinear diffusion in laplacian pyramid domain for ultrasonic speckle reduction［J］.IEEE Trans Medical Imaging，2007，26（2）：200-211.

［4］RUDIN S O，F(xiàn)ATEMI E.Nonlinear total variation based noise removal algorithms［J］.Physica D，1992，60：259-268.

［5］白俊奇，趙春光，王壽峰，等.紅外圖像中的自適應(yīng)維納濾波噪聲抑制技術(shù)［J］.光電工程，2011，38（11）：79-84.

［6］楊民，孟凡勇，梁紅麗，等.動(dòng)態(tài)射線數(shù)字圖像序列降噪算法及快速實(shí)現(xiàn)［J］.兵工學(xué)報(bào)，2011，32（11）：1132-1134.

［7］鄒前進(jìn)，馮亮，汪亞.紅外圖像空間噪聲分析和預(yù)處理方法改進(jìn)［J］.應(yīng)用光學(xué)，2007，28（4）：426-428.

［8］EI-FATTAH M A.Speech enhancement with an adaptive Wiener filter［J］.IEEE Signal Processing（S1350-245X），2 014，28（8）：53-64.

［9］DONOHO D L，JOHNSTONE I M.Ideal spatial adaptation via wavelet shrinkage［J］.Biometrika，1994，81：425-455.

［10］李保磊，楊民，李俊江.基于改進(jìn)NL-means算法的顯微CT 圖像降噪［J］.北京航空航天大學(xué)學(xué)報(bào)，2009，35（7）：833-837.

［11］XU Z Y，LIU X M.Fog removal from color images using contrast limited adaptive histogram equalization［C］//Proc.of Image and Signal Processing.Dalian，China：［s.n.］，2009：1-5.

A Improved Infrared Image Noise Reduction Algorithm and FPGA Implement

ZHANG Yong，WANG He-ming，ZHOU Rui-zhao，REN Cheng-wei
（School of Air and Missile Defense，Air Force Engineering University，Xi’an 710051，China）

For the low SNR and contrast and the fuzzy edge in infrared image，a new noise reduction algorithm based on motion detection is proposed.The property of the noise of infrared image is analysed and image is divided into motion image and still image through a motion detection algorithm.The motion image and the still image is processed by a improved self-adaptive Wiener filter algorithm and NL-means algorithm.The noise reduction system is implemented by FPGA.The experiment shows：the PSNR and DV/BV of image both are higher than traditional algorithm after being disposed with the algorithm.And the algorithm can effectively reduce noise and dissolve the problem of image edge blur.

infrared image noise reduction，motion and still detection，PSNR，DV/BV

TP391.41

：A

10.3969/j.issn.1002-0640.2017.06.038

2016-05-13

：2016-06-26

張 勇（1993- ），男，安徽滁州人，在讀碩士。研究方向：機(jī)電一體化。

1002-0640（2017）06-0167-04