基金项目:沈阳市科学计划(1032036-0101)

收稿日期:2005-06-20　　收修改稿日期:2005-12-20

基于频域滤波的自适应条带噪声去除算法

孙　颖1,张志佳2

(1.沈阳大学信息工程学院,辽宁沈阳　110024;2.中国科学院沈阳自动化研究所,辽宁沈阳　110016)

　　摘要:针对在传感器平台等条件下产生的图像条带噪声,在分析了几种常用条带噪声去除方法基础上,提出了一种通过频域滤波方法在图像的傅里叶频域去除条带成分的自适应图像去噪算法。实验结果表明:这种算法可以自适应确定频域中的噪声成分,从而有效地去除图像中的条带噪声,减少传感器噪声等对图像后续处理的影响。关键词:条带噪声;傅里叶变换;自适应滤波器

中图分类号:TP75　　　文献标识码:A 　　　文章编号:1002-1841(2006)02-0057-02

Adaptively De 2striping Algorithm B ased on Frequency Filtering

S UN Y ing 1,ZH ANG Zhi 2jia 2

(1.I nstitute of I nform ation T echnology ,Shenyang U niversity ,Shenyang 110024,China ;2.Shenyang I nstitute of Autom ation ,Chinese Academy of Sciences ,Shenyang 110016,China)

Abstract :A fter analyzing s ome traditional stripe rem oval alg orithms ,presented an adaptively de 2striping alg orithm through F ourier trans form.The alg orithm was easily im plemented and did not take on abundance com putation loads.I t can mask the stripe frequency com 2ponents adaptively and need no manual participating to outline the stripe band in frequency domain.The experiment results dem onstrate the proposed alg orithm can rem ove the stripes effectively while contain the original image in formation per fectly.K ey w ords :stripe noise ;fourier trans form ;adaptive filter 0　引言

条带噪声是一种周期性重复出现于图像中的噪声现象。许多学者对产生条带噪声的原因进行了深入研究,并且提出了多种去除条带噪声的算法[1-5]。一类是针对图像灰度值特征的匹配方法,典型的有直方图匹配、矩匹配[2,4]。另一类是通过傅里叶变换在频域去除周期性噪声的频率成分,然后变换回空域获得去噪后图像,这类方法的缺点是不容易选择正确的频率成分[5,7]。

最简单的低通滤波方法(如邻域平均法等)对去除条带噪声有一定的效果,但会保留一些残余条带,并且消除了图像的部分细节,使图像变得模糊。

灰度直方图匹配认为图像由多个子图像交织而成,其中的每个子图像由一个传感器获取。首先统计整幅图像的灰度直方图和每个子图像的灰度直方图,然后以整幅图像的灰度直方图为基准,将子图像的灰度直方图与其匹配,从而达到去除条带的目的。这种方法假设整个图像区域灰度分布是相同或者相似的,所以灰度直方图匹配方法会导致图像所反映的光谱信息分布发生畸变。

一般情况下,矩匹配可以获得比直方图匹配更好的效果。矩匹配方法基于传感器之间的增益与漂移值线性相关这一前提,并且假设图像景物分布均一。这一假设限制了矩匹配的应用效果和应用范围。当处理比较小的图像或者图像复杂、灰度分布不均匀时,使用矩匹配的方法通常会产生带状效应[6]。

1　基于频域滤波的条带噪声去除算法

把一幅图像变换到傅里叶频域空间后,其每个区域都代表着空间域中的某一特定成分。由于条带噪声是一种周期性成分,因此可以在傅里叶频域空间构造一个滤波器来去除这种特定的噪声成分。

对于一幅大小为M ×N 的图像f (x ,y ),其二维快速傅里叶变换可以定义为

F (u ,v )=

1MN

∑M -1x =0∑N -1y =0

f (x ,y )e -j2π(ux/M +vy/N )

(1)

频域空间滤波可以表示为

G (u ,v )=F (u ,v )H (u ,v )

(2)

式中:H (u ,v )为频域滤波器;G (u ,v )为对图像进行频域滤波后的傅里叶能量谱。

式中:H (u ,v )为频域滤波器;G (u ,v )为对图像进行频域滤波后的傅里叶能量谱。

噪声去除后的图像^f (x ,y )可以通过傅里叶反变换得到:

^f (x ,y )=∑M -1u =0∑N -1

v =0G (u ,v )e

j2

π(ux/M +vy/N )(3)

基于傅里叶变换的频域条带去除算法可以描述为如下4个步骤:

(1)对含有条带噪声的原始图像进行2-D 快速傅里叶变

换,得到其傅里叶能量谱:

(2)使用频域滤波器同上一步得到的傅里叶能量谱相乘,

过滤掉频域中的条带成分;

(3)对滤波后的频谱进行傅里叶反变换,得到条带去除后

的空域图像;

(4)使用图像增强技术对滤波后的空域图像进行处理,得

到最终降噪图像。

算法中的关键问题是准确地构造出一个能分离出条带成

　2006年　第2期

仪表技术与传感器

Instrument 　T echnique 　and 　Sens or 2006　

N o 12