基于Max_Median滤波的红外图像噪声去除(共26页)

1、摘要(zhiyo)随着红外成像技术的发展(fzhn)和成熟，红外成像技术被广泛应用于很多领域，如：夜视成像、制导、跟踪(gnzng)、医疗等方面。由于红外探测器是一个多噪声源，红外热像仪拍摄的红外图像往往具有噪声。为了降低图像噪声对后续图像处理如图像分割、特征提取和目标检测等的影响，本文研究基于Max-Median滤波的红外图像噪声去除算法，分析了最大中值和最大均值滤波器在保留图像边缘和结构化背景方面的有效性。本文首先介绍了红外成像系统的特点和红外图像去噪研究现状，分析了红外图像的噪声分布特性，图像的噪声模型及评价标准。接着，介绍了图像去噪领域的传统滤波算法及优缺点，详细分析了最大中值和最大均

2、值滤波的原理。最后，详细介绍了在visual studio开发环境下，算法的软件实现过程。展示了最大中值和最大均值滤波器的滤波效果，计算了图像的峰值信噪比，并分析了两种算法各自的滤波特性。关键词：红外图像，滤波，Max-Median，Max-Mean，图像边缘AbstractWith the development of technology of infrared imaging, they are widely applied in many fields. Including , night vision imaging, guidance, tracking, medical and

3、so on. Due to infrared detectors are noise source , infrared image taken by thermal infrared imager tend to have noise. In order to reduce influence of image noise on subsequent image processing such as image segmentation, feature extraction, target detection and so on, infrared image de-noising alg

4、orithm on Max-Median filter is discussed in this paper. We also investigate the usefulness of Max-Median and Max-Mean filters in preserving the image edges and structural backgrounds.This paper firstly introduces the characteristics of infrared imaging system and research status of infrared image de

5、-noising. The noise distribution characteristic, image noise model and evaluation standards of infrared image are discussed. Secondly, traditional filtering algorithms including these advantages and dis-advantages are introduced. The theory of Max-Median and Max-Mean filters is particularly studied.

6、 Finally, software implementation of the algorithm in Microsoft Visual Studio 2008 environment is introduced. We show filtering effect of Max-Median and Max-Mean filters and the calculated peak signal to noise ratio of images. Filtering properties of two algorithms are respectively analyzed.Keywords

7、: infrared image, filtering, Max-Median, Max-Mean, image edgesABSTRACT基于(jy)Max-Median滤波(lb)的红外图像噪声去除 第一章 绪论(xln) 1.1 本文研究背景 红外技术是伴随军用需要而迅速发展起来的一门新兴技术。它是一种无源探测技术。所有物体自身都能辐射红外线，红外设备可以无源方式工作，与雷达相比具有结构简单、体积小、重量轻、分辨率高、隐蔽性好、抗干扰能力强等特点；与可见光相比，有透过烟尘能力强，可昼夜工作等特点，在国防和国民经济中有广阔的发展前景。特别是军事领域，如；夜视成像、制导、搜索与跟踪等方面。红

8、外成像的典型工作方式是利用红外探测器获取视场空间的红外图像，接着把收到的按空间变化的红外辐射由探测器转换成电信号，经放大，变换处理后送入视频信号处理机，利用微处理器进行图像信息处理和目标识别。其中，红外图像信号的检测是一个重要的方面。然而，红外波段的光子频率较低，能量较弱，红外系统成像质量远远比不上可见光成像系统。尤其是非制冷红外热像仪拍摄获得的红外图像往往具有噪声。如何去除红外图像噪声，减少噪声的影响对后续目标信号检测起着至关重要的作用。 1.2 红外图像噪声去除概述1800 年英国天文学家威赫谢耳（WHershel）在研究光谱热效应的时候，发现产生热效应的最大的光波位置是在可见光谱的红色光

9、以外，从而首先发现了太阳光谱中还包含着看不见的辐射能。当时他称这种辐射能为“不可见的光线”，后来人们称它为红外线。红外线（Infrared）是波长介乎微波与可见光之间的电磁波，其波长在760纳米（nm）至1毫米(ho m)（mm）之间，是波长比红光长的非可见光。所有高于绝对零度（-273.15）的物质都可以(ky)产生红外辐射。 红外成像系统(xtng)就是根据凡是高于一切绝对零度（-273.15）以上的物体都有辐射红外线的基本原理，利用目标和背景自身辐射红外线的差异来发现和识别目标的。红外辐射与温度密切相关，随着温度的不同，物体的辐射强度，辐射最大值对应的波长也相应不同。随着辐射体温度身高，

10、辐射强度迅速增大，辐射最大值对应的波长向短波方向移动。辐射强度还与发射率有关。红外成像系统也叫热成像系统。热成像系统接受面辐射源发出的红外辐射，并将其转化为可见光图像。其组成如图 1.1： 图1.1 热像仪组成原理 热成像系统所探测的是景物表面幅亮度的分布，而幅亮度又与辐射体温度 T 及表面发射率有关。因此热成像系统探测到的图像是由于景物各点温度T不同而得到的，目标本身各部分之间以及目标与背景之间，都会因为T值不同而使幅亮度值不同，热成像系统正是根据目标与背景的对比度来发现和识别目标。景物经过热像仪的光学系统成像在系统的接收面上，热像仪将所观察到的整个景物空间按水平及垂直两个方向分割成若干个小

11、的空间单元，接收系统依次扫描各空间单元，并将各空间单元的信号再组合而成为整个景物空间的图像。所以探测器在某一瞬时实际上只接收一个景物空间单元的信息，扫描机构是接收系统依次对景物空间进行二维扫描，接收系统按照时间先后顺序接收二维空间景物单元的信息。如“热像仪组成原理图”所示，扫描机构控制探测器接收景物小空间单元的辐射，产生电信号，经放大处理后传送到显示器，形成可见光图像。 热成像系统有几个特点：1 热成像系统所敏感的是景物各部分的温差及发射率（及反射率）的差异，而不是单纯的目标辐射强度的强弱；2 热成像系统要求在较宽的视场范围内成像，像质足够好，否则图像模糊不清；3 探测器常采用多元器件以提高系

12、统性能，作多元并扫或者多元串扫；4 要对探测器输出的信号进行放大滤波处理，尽可能多的检测出景物的固有信息；5，显示器要与人眼视觉特性相适应，且能方便的显红外技术和红外系统的发展和应用，始终是与红外辐射探测器的发展密切联系在一起的。红外探测器是红外系统中最关键的元件之一，他是一种把接受到的红外辐射能转变称响应电量的传感器。红外探测器种类繁多，有着多种不同的分类方法。例如；根据器件的工作温度，可以分为致冷型探测器和非致冷型探测器；按照他测器工作的波段可以分为短波（13um）、中波（35um）和长波（814um）探测器；根据结构和用途，可分为单元探测器、多元探测器和成像探测器；按照工作方式可分为光机

13、扫描和电子扫描等；根据探测器工作机理不同，它们有可分为热探测器和光子探测器等。红外探测器件通常是以探测器单元数目作为发展水平标志。伴随着材料和制造工艺的发展，红外探测器件的发展大致经历了三个阶段，即六十年代以前的单元器件，七十年代的线列多元器件和八十年代依赖的焦平面阵列器件。目前，大规模红外焦平面阵列（Infrared Focal Plane Arrays,简称 IRFPA）是当今最先进的一类红外探测器，也是当今国内外重点发展的红外探测器。其兼具辐射敏感和信号处理功能，通过读出电路(dinl)将所有探测器响应信号转换成后续信号处理模块可直接处理有序图像信号。红外焦平面阵列与其他红外探测器相比具

14、有以下明显优点：（1）将红外探测器阵列高密度地集成在统一芯片上，从而可以大幅度地提高系统地空间分辨率和灵敏度；（2）实现了光机扫描向电子扫描的转变，有效地减小了系统的体积、重量和功耗。提高了工作的可靠性；（3）系统的工作帧频可以很高（几百帧甚至千帧以上），减小了信息延迟，适应了高速和超高速制导导弹等武器系统图像信息获取的需求。红外焦平面阵列的出现不但可以研制出高灵敏度、高分辨率、大视场的红外成像系统，而且能使成像系统的体积、重量和功耗都得以降低、这有效地促进了红外成像技术(jsh)地推广和应用，如今其应用遍及了军事（例如预警、制导、夜视及跟踪等）、天文和空间技术、医学、工业、日常生活等各个领域

15、，并发挥着日趋重要的作用。红外焦平面技术已成为了当代红外光电子物理和技术学科的具有带动性的学科前沿，正主导着下一代红外技术的发展，是当今信息(xnx)科学技术中关键领域之一。红外成像系统有几个重要的组成单元，而每个组成单元中都含有噪声源，探测器是系统噪声的主要来源，是影响红外系统图像质量的主要因素。它的强度一般情况下远大于其它环节产生的噪声，而且也是做难以克服的。它包含两个方面，一方面是探测器本身的噪声，另一方面是扫描系统的扫描噪声。探测器本身的噪声是无法避免的，可以说红外成像系统的发展可以说主要是受器件发展制约的。采用图像处理的手段来去除红外图像噪声是图像处理必不可少的环节。噪声去除好坏会直

16、接影响图像分割、边缘检测、特征提取等后续处理的效果，因此对图像中所含噪声进行滤除是一个重要的研究方向。人们根据实际图像的特点、噪声的频谱分布的规律和统计特征，开发了多种多样的去噪方法。1.3红外图像去噪研究现状为了抑制红外图像的噪声的影响，人们研究出了多种抑制噪声、突出信号的增强方法，以抑制不同的噪声，适应不同的应用场合。对于固定图案噪声（又称非均匀性噪声），人们研究出了基于参考辐射源和场景的方法来抑制噪声。这类校正方法的思路是：利用参考辐射源给红外焦平面阵列提供均匀辐照度，对每个探测器单元的相应输出进行测量，由此计算得出个探测器单元的校正参数。当红外焦平面阵列接受实际目标场景辐照度时，用各探

17、测器单元的相应校正参数对齐进行实时校正。这类算法的缺点是校正参数是固定的。然而，工作温度和环境温度的变化会引起探测器工作状态的变化。如果采用原来的校正参数，就会使去噪效果变差，这要求校正参数能够随着器件工作状态的变化而自适应的变化。为了克服参考辐射源算法的不足，人们提出了基于(jy)场景的方法抑制固定图案噪声，如时域高通滤波法、基于神经网络的算法、常量统计法、卡尔曼滤波算法、维纳滤波算法、场景(chng jng)匹配法等。这类算法的特点使校正参数的全部或者部分来自于场景的估计，而且校正参数能够随着场景的变化和器件工作状态的变化而自适应的变化，使固定图案噪声抑制效果在给定的准则下达到最佳。为了抑

18、制红外图像中的随机噪声和提高红外图像的对比度，人们研究(ynji)出了各种方法对红外图像进行去噪处理。这些增强方法往往具有针对性，增强的结果靠人的主观感觉加以评价。图像滤波总体上讲包括空域滤波和频域滤波。频率滤波需要先进行傅立叶变换至频域处理，然后再反变换回空间域还原图像。空域滤波是直接对图像的数据做空间变换达到滤波的目的。它是一种邻域运算，即输出图像中任何像素的值都是通过采用一定的算法，根据输入图像中对用像素周围一定邻域内像素的值得来的。如果输出像素是输入像素邻域像素的线性组合则称为线性滤波（例如最常见的均值滤波和高斯滤波），否则为非线性滤波（中值滤波、边缘保持滤波等）。红外图像去噪增强所包

19、含的方法如图 1.2 图1.2 红外增强算法分类1.4基于Max-Median图像滤波本文研究的算法是基于Max-Median滤波。该算法是在图像空间域进行的局部运算的图像平滑处理。Max-Median滤波算法是基于中值滤波的改进算法。中值滤波器是基于次序统计完成信号恢复的一种典型的非线性滤波器，其基本原理是把图像或序列中心点位置的值用该域的中值替代，具有运算简单、速度快、除噪效果好等优点，曾被认为是非线性滤波的代表。然而，一方面中值滤波因不具有平均作用，在滤除诸如高斯噪声时会严重损失信号的高频信息，使图像的边缘等细节模糊；另一方面中值滤波的滤波效果常受到噪声强度以及滤波窗口的大小和形状等因素

20、的制约，为了使中值滤波器具有更好的细节保护特性及适应性，人们提出了许多中值滤波器的改进算法。在这篇论文中，我们研究了最大中值滤波和最大均值滤波。这两种算法是基于中值滤波和均值滤波提出(t ch)的改进算法。图像是非稳态二维过程(guchng)并且有附加的冲击噪声，图像滤波是困难的。而我们的视觉感知是基于边缘信息，噪声去除过程必须(bx)保留边缘。为了保留有助于检测小目标的图像云边缘和结构化背景，我们提出了中值滤波和均值滤波的改进算法。最大中值滤波是在图像滤波模板中选取四个方向的一维灰度值序列，分别计算各个序列的中值。将各序列中值的最大值作为该滤波模板下像素点的灰度值。最大中值滤波是将一维的中值

21、滤波扩展至多维运算的滤波。最大均值滤波也是从均值滤波改进而来的，和最大中值滤波的算法类似，只是用均值替代中值。在这篇论文中，我们研究了在保留能帮助检测小目标的云边缘和结构背景下最大均值和最大中值滤波的效果。结果在第四章展示出来。 1.5 本文的内容安排本文的第二章系统地分析了红外图像的噪声来源，噪声的统计特征、频谱分布的规律。第三章分析了Max-Median滤波和Max-Mean滤波算法的基本原理。第四章给出了详细的软件实现过程和图像处理的效果，并对滤波效果进行了主观和客观的评价。第五章是全文的总结。第二章 红外图像(t xin)噪声分析噪声从广义上讲，是不需要的信号成份，也就是(jish)不

22、希望得到的信号成份。它是一种随机信号，对需要获取的信号构成了干扰。红外成像系统的成像质量远远比不上可见光成像系统的成像质量有两个主要原因，一个是红外成像系统的分辨率较低，另一个就是红外成像系统的噪声要远大于可见光成像系统。由于恶劣的外界环境(hunjng)条件和探测器本身固有特性，与可见光图像相比，红外图像普遍存在目标与背景对比度较差、边缘模糊、噪声较大等缺点。2.1红外图像噪声的来源目前，红外图像的获取大部分依靠红外焦平面阵列。因此，分析红外图像的噪声之前，先分析一下红外焦平面成像系统的噪声源。 红外焦平面阵列输出的噪声一般有两种形式：瞬态噪声和固有空间噪声。在早期的技术文献中，红外焦平面阵

23、列上的噪声常常被认为来源于典型噪声机理，包括探测器热噪声、散粒噪声、读出噪声、和作为瞬态噪声项的 1/f 噪声等。下面，我们结合图 2.1分析焦平面阵列成像系统中的噪声及噪声源。图 2.1 红外成像系统的组成 目标和背景自身的辐射经过大气传输、衰减到达光学系统。同时，他们也反射太阳等其他物体的辐射，这些辐射也会经过光学系统，到达探测器，我们称这些辐射产生的噪声为空间噪声。另外，到达探测器的辐射产生光电信号的同时，也会产生背景噪声。下面我们详细介绍一下红外焦平面阵列器所产生的噪声。 焦平面阵列由面探测器和它的读出电路两部分构成。这两个部分都是噪声源，而且器噪声差特别大，下面具体分析。 2.2红外

24、系统(xtng)噪声红外焦平面阵列探测器是一个多噪声源，其主要(zhyo)噪声有：（1）热噪声热噪声是由载流子的无规则热运动而引起(ynq)的噪声，也称为约翰逊噪声。它是一种广泛存在的噪声，因为任何有电阻的材料，只要起温度高于绝对零度都会产生热噪声。在文献1中推导知，约翰逊噪声电流满足如下的分布： （2-1）其中：P(i)为探测器电流的概率分布。i为探测器电流。为约翰逊噪声电流的均方值。从图 2.2 可以看到 约翰逊噪声电流的概率分布非常近似于高斯分布。图2.2 约翰逊噪声电流的概率分布（2）散粒噪声散粒噪声最初是从真空二极管内发现的，它是由从阴极到达阳极的电子的速率无规则起伏引起的。散粒噪声

25、是由于光电子的离散性所带来的 。散粒噪声发生在光电探测器（photovoltaic）中。在半导体 PN 结中，穿过耗尽区的载流子数也由类似的现象。散粒噪声的均方电流值可以表示为： （2-2）从上式可见，散粒噪声也与频率无关(wgun)，因而也是白噪声，在光伏探测器中，散粒噪声式主要的噪声源。(3) 产生(chnshng)-复合(fh)噪声 产生-复合噪声存在于光导型探测器中。光导型探测器的基本原理是当入射光子的达到一定能量时，会引起电荷载流子从一个能量级跃迁到另一个能量级。结果，所造成的电子空穴就改变了材料的电导率。 探测器的电导率是与电荷载流子的空间密度成比例的，因此空穴和电子数量的波动会导

26、致电导率的波动。在恒定电压的条件下就可以引起探测器输出电流的波动，这样就带来了产生-复合噪声。 (4) 光子噪声 在探测器中入射光子的强度可能是波动的，这样就带来了光子噪声，由光子噪声所引起的电流波动将会在的探测器的输出中发现。探测器中由光子和材料之间相互作用的不确定性,以及光子能量的波动性都将引起噪声。 光子噪声的特性是近似与散粒噪声和产生-复合噪声相同的。（5） 1/f 噪声在低频时，存在一种噪声，噪声功率谱与频率近似的成反比关系，因而被称为 1/f噪声。有关 1/f噪声，早期的 Mcwhortor 变面态理论将其归因于载流子浓度的变化，而量子理论认为迁移率的变化导致了 1/f噪声。80

27、年代 Radford 和 Chung 等人的实验证明，1/f 噪声和产生-复合噪声都来自表面势垒层。HgCdTe 红外探测器的这一噪声只表现在低频部分，当频率高于一定频率 f0（转折频率 ）时，与其它噪声相比可忽略不计。 1/f 噪声的功率谱可表示为 N32=q2/12 （2-3）中 I 为流过器件的电流，f 为频率，和是特定器件的特性常熟，大多数情况下，接近 2，约为 0.81.5。由上式可知，在带宽 f 内的噪声电流均方值为 （2-4）式中，C 为比例系数，它与探测工艺、电极接触情况、半导体表面状况及器件尺寸等因素有关。 (6)固定图像噪声 在一均匀辐射照射下，红外焦平面阵列的各探测单元响

28、应输出不一致性，称之为固定图案噪声。这种接收信号的非均匀性对图像产生强烈的干扰，这种非均匀性在线性阵列型器件中表现为垂直扫描方向的条带，而在凝视陈列中的空间噪声将表现为固定的图案。由此可见红外焦平面阵列的非均匀性大大的降低了红外成像系统的温度分辨率和成像质量，以致成为了制约红外焦平面器件应用的主要因素之一，所以必须对其进行相应的校正处理。这种噪声一般在非均匀性校正的时候会有效的去除。另外，在红外热成像系统中，其他单元也有部分噪声(zoshng)产生：（1）前置(qin zh)放大器 在红外焦平面陈列中，前置放大器的噪声对电路系统的品质因素影响(yngxing)最大，因此通常选择低噪声放大器。其

29、主要是白噪声和 1/f 噪声。 （2）模数转换单元 模数转换单元的噪声源主要有基准电压飘移和量化误差。由于基准电压的飘移一般比较小，且其频谱集中在低频端，因此，其对热成像系统各幅图像内的空间噪声贡献可以忽略。A/D 转换的量化噪声为N32： N32=q2/12 （2-5）式中 q 为量化间隔（最小量化单位对应的电压值）。 （3）信号处理单元 信号处理单元的噪声主要是电路元器件的热噪声和干扰噪声，他们都是白噪声。 上面分析了红外焦平面阵列成像系统中存在的各种噪声，其中，红外焦平面阵列的噪声是系统的主要噪声，其他噪声相对较小，可以忽略。而红外焦平面阵列的主要噪声为固定图案噪声和白噪声，即红外热成像

30、系统的主要噪声为固定图案噪声和白噪声。除了红外焦平面阵列和红外热成像系统的内部产生的噪声，在红外图像中，外部环境的影响也是一个重要的噪声源。 总之，红外图像的噪声是集外部噪声与内部噪声于一体的综合噪声源，他们的综合作用使得红外图像有着对比度差、整体成像模糊、边缘不清等缺点。对红外图像的质量有着重要的影响。因此对于红外图像噪声的有效处理就显得非常重要。2.3 图像噪声模型如果从数学角度来看，将图像信息看成一个空间函数f(x,y)，图像噪声就是使这个函数所表达的信息衰减的因素，即在噪声的影响下，图像衰减为x,y。按噪声对信号的影响可分为加性噪声模型和乘型噪声模型两大类。设f(i,j)为未被污染的真

31、实信号, n1(x,y)为噪声，观察到的信号为x,y。 (1) 加性噪声 x,y=fx,y+n1(x,y) (2-6)含噪信号是由噪声和真实信号叠加的结果，特点是噪声 n (i , j )与信号x (i ,j )无关，不论输入信号的大小，其输出总是与噪声相叠加。(2) 乘性噪声 x,y=（1+n2x,y)f(x,y) （2-7） 乘性噪声(zoshng)其输出(shch)是两部分的叠加，第二个噪声(zoshng)项受信号f(x,y)的影响，f(x,y)越大，噪声项越大。乘性噪声模型的分析计算比较复杂，通常信号变化很小时，第二项近似不变，此时可用加性噪声模型来处理。在一般的图像去噪处理中，假定噪

32、声加性模型来简化问题，该模型是很容易用计算机进行模拟的。所以在很长一段时间里，图像处理技术的研究学者认为去噪是很简单的。但事实上，从细小的图像细节中分离出噪声是相当困难的。尤其是乘性噪声，是很难去除的。2.4图像噪声分类从统计学的观点来看，凡是统计特征不随时间变化的噪声称为平稳噪声，而统计特征随时间变化的噪声称为非平稳噪声。噪声作为随机变量，一般用概率密度函数来描述噪声的统计特性。下面介绍几种在图像处理中经常使用的噪声模型。（1）椒盐噪声噪声出现在图像中的位置是随机的，噪声幅值基本相同，称之为椒盐噪声。（2）高斯噪声高斯噪声是最常见的噪声模型。高斯噪声在图像的每一点都有噪声，噪声的幅度成正态分

33、布，幅度是随机的；高斯噪声的概率密度函数服从高斯分布，设随机变量 z 满足高斯分布，则其概率密度函数为：pz=12e-(z-)222 （2-8）其中， 表示均值，表示标准差。虽然理论上噪声z取值范围无限制，但在工程上可以把噪声的范围理解为-3,u+3 。（3）瑞利噪声 瑞利噪声和高斯噪声类似，在图像的每一点都有噪声，噪声的幅度服从瑞利分布。瑞利噪声的概率密度函数为：pz=2bz-ae-z-a2b,za0, z0。对于一个正的尖峰，y=bmk+m(N-k) （3-14）其中，N表示像素点总数，k是尖峰的数量，N-k是与背景一致的像素点数。因此，产生尖峰的几率是kN，背景像素点数是N-kN。y的预

34、期值由下式给出：Ey=bmkN+m(N-k)N （3-15）根据等式5我们可以得出 bmkN+m(N-k)Nam Nk(b-1)(a-1) （3-16）从以上的表达式中可以看出，为了成功抑制尖峰，N的值必须是最大的。当N趋于0时，最大均值滤波的尖峰抑制性能接近中值滤波。2.2.2 关于边缘信息N的影响反均值滤波输出由下式定义给出：zm,n=xm,n-1N2m=-NNn=-NNxm,n （3-17）其中(qzhng)x是输入(shr)图像，N=N-12。让xm,n=b+h代表(dibio)一个边，xm,n=b是背景像素点数，边缘像素点总数是k.因此，zm,n=xm,n-b+hkN2 （3-18）

35、从以上等式可以看出，k=0表示一个均匀区域，输出变为 zm,n=b-b+h*0N2=0k=1表示在N2样本中的一个尖峰，输出变为 zm,n=h(1-1N2) 只有N是最大时，尖峰被保留。让k=N表示四个方向中一个边的存在。输出由下式给出： zm,n=h1-1N0 （3-19）因此，算术均值滤波不能有效地保留边缘信息。替代地是如果最大均值滤波（在四个方向上应用一维算数滤波）能够在保留边缘的同时滤除噪声。反最大均值滤波输出有下式给出：zm,n=xm,n-maxx1,x2,x3,x4xl,l=1,2,3,4是在四个方向的一个方向上的算数均值。沿着水平方向的一个边例如x1=b+hkN，x2=b+hN，

36、x3=b+hN，x4=b+hN边缘像素点数是N，然后反最大均值滤波输出变为 zm,n=b+h-b+hNN=0 （3-20）因此，我们可以看出最大均值滤波与均值滤波相比，更加有效地保留了边缘信息。如果N的值足够大，那么它的尖峰抑制性能接近中值滤波。最大均值滤波的性能是优于均值滤波的。这篇文章，我们研究了最大中值滤波和最大均值滤波的边缘保留和尖峰抑制能力。这些特点能够用在结构化背景和非稳态杂波情况下红外图像的滤波处理。这些滤波被用于抑制孤立点和保留由缓慢移动云层形成的边缘信息。第四章 算法实现过程与仿真结果分析 4.1 基于IMG红外图像数据的读取红外热像仪是接收(jishu)被测目标的红外辐射信

37、号或辐射能,将其转换成红外热像图的装置(zhungzh)。红外热像仪常见的图像格式为IMG,其编码规则有别于通常(tngchng)意义下的IMG图像。本文处理的是IMG格式的红外热像图，其中红外热像仪采用320240点像素焦平面阵列探测器,温度灵敏度优于0. 1。该仪器在成像时,其光学成像电采样系统是从左到右、由上至下对景物依次进行扫描探测,将景物分解成一个个像元,并将被测目标的热像性质、程度和位置的像元依次摄入,经由红外探测器进行辐射能转换,产生与目标变化相对应的信号电流,最后进行数字化显示,显示方式采用彩色或黑白显示。由于红外辐射是看不见的热线,所以彩色显示并非真实地反映被摄物的自然色彩,

38、而是热像图中同一个信号电平的模拟,这里的彩色显示实际是采用等密度分层的“伪彩色”处理。 红外热像图的图片格式通常是由经营红外热像仪的厂家为仪器专门制定的文件格式。 必须借助随机附带的图像处理软件才能被计算机查看和处理。 本文处理的IMG格式的红外热像图首先借助高德红外图像分析系统软件查看。图像显示的效果如图4.1所示： 图4.1 红外热像图“伪彩色”显示图正如上面分析所言，该图像不是真实地反应被摄物的自然色彩，而是热像图中同一个信号电平的模拟。通过红外热像仪附带的红外系统分析软件可以读取IMG红外图像每个像素点的温度值。该温度数值是精确的浮点数，在后续的运算中也能尽可能地降低数据的损失。读取的

39、红外图像各像素点的温度值以unicode编码方式保存成txt文本文件。 4.2 基于Max-Median滤波的程序实现过程 基于Max-Median滤波的模块编程流程大致如图4.2所示 ：这次的软件开发环境是visual studio 2008，创建了C#窗体应用程序的工程。窗体应用程序拥有方便与用户交互的可视界面。窗体应用程序的界面可以直接显示出图像，方便图像的对比和观察。程序的窗体界面如图4.3所示： 图4.2 编程任务(rn wu)流程图 图4.3 程序界面整个算法的编程模块大致分为以下(yxi)几个模块：（1）读取txt文本文件中存储(cn ch)的图像各像素点的温度数值并用数组存储。

40、Txt文件的数据是以unicode编码方式编码的。这里用了streamreader类来读取文件，ReadLine方法（与C+中的函数意义相同）每次读取txt文件一行的字符串。用split方法将一行字符串分裂为一个个字符串。调用Convert类ToSingle方法就可以将每个字符串转化为float型的数据存储到一维数组中。这样就得到了图像滤波可以处理的数据了。（2）将各像素点的温度(wnd)数据量化到0255。因为得到的是红外图像各像素点的温度数据(shj)。读取的温度值大概在19.035.0。这些数据的差异(chy)小，无法直接作为图像灰度数据显示成图像（直接显示图片接近全黑）。将数据量化的公

41、式是Qx,y=mindata-f(x,y)mindata-maxdata255 （4-1）其中f(x,y)是各像素点的温度数据，maxdata和mindata是遍历整个像素点的温度值中的最大值和最小值。Q(x,y)是量化后各像素点的灰度数值。通过将图像数据量化到0255，放大了像素点数据的差异。（3）编写数据转图像模块函数。我们将步骤（2）量化后像素点数据作为图像灰度数据，显示出灰度图。如图4-3所示。 图4.3 红外图像像素点温度值量化后显示出的灰度图（4）编写Max-Median滤波算法模块。Max-Median滤波的滤波模板大小是5*5，在编写代码时，要选取镶嵌在滤波模板中四个方向上像素

42、点值序列，其各像素点位置坐标的变换很容易出错，需要特别注意。按照第三章的Max-Median滤波原理编写代码，并将整个Max-Median算法封装成类。调用Max-Median类处理步骤（2）数组存储的图像灰度值。并将滤波后的数据显示成图像如图4.4所示。 图4.4 Max-Median滤波后的图像（5）编写Max-Mean滤波算法模块。Max-Mean滤波算法与Max-Median滤波相似。按照Max-Mean的算法原理编写程序，并将整个Max-Mean算法封装成类，调用Max-Mean类处理步骤（2）得到的图像灰度值数据。将滤波后的数据显示成图像如图4.5所示。 图4.5 Max-Mean

43、滤波(lb)后的图像4.3 滤波效果(xiogu)分析为了(wi le)更好的评估Max-Median和Max-Mean滤波器的滤波效果，我们选用了图像处理中的一张标准图lena原图，用Matlab给lena原图加入高斯噪声，分析滤波效果。滤波效果如下图4.6图4.7所示： 图4.6（a）Lena原图 图4.6（b）方差0.005高斯噪声图 图4.6（c）最大中值滤波(lb)后图像 图4.6（d）最大均值滤波(lb)图像图4.7（a）方差(fn ch)0.02的高斯噪声图 图4.7（b） 最大中值滤图 4.7（c） 最大均值滤波后图像（1）主观(zhgun)评价 从上图的显示(xinsh)中，

44、我们(w men)可以看到最大中值滤波和最大均值滤波在去除噪声时都很好的保留图像的边缘信息。图像中帽子的轮廓和结构化背景都被清晰的保留下来。（2）客观评价 我们计算了滤波后图像的峰值信噪比。我们给lena原图加不同方差的高斯噪声，并计算了各噪声图滤波后的峰值信噪比。具体数据见表4-1. 表4-1 高斯噪声图去噪后峰值信噪比PSNR 高斯参数滤波器(0,0.005)(0,0.01)(0,0.02)(0,0.05)Max-Median24.588423.095720.286417.2677Max-Mean24.058222.960920.317017.4930（3）最大中值滤波器与最大均值滤波器性能的比较最大中值和最大均值滤波器分别是基于中值滤波和均值滤波提出的改进算法。针对噪声特性