红外图像帧间降噪

红外图像帧间降噪

Blog: https://blog.csdn.net/AnimateX
Email: semi_xiaobai@qq.com

1 为什么要进行帧间降噪

1.1 红外图像噪声分类

1 时域噪声
2 空域噪声
先谈时间噪声。顾名思义，随着时间变化也会发生变化的噪声即时域噪声。也就是随着图像的帧数的增加，图像中的目标可能会产生模糊或者拖影的情况，如何滤除这个拖尾和模糊的情况也就是我们要如何去除时域噪声。

1.2 去除时域噪声的优点

如前所述，要滤除时域上的噪声我们就需要做运动检测，检测运动物体，最典型、最简单的做法就是使用帧间差分去实现。帧间差分的思想：“如果场景（帧）内没有运动目标，则连续帧的变化很微弱，如果存在运动目标，则连续的帧和帧之间会有明显地变化”。帧间差分比较典型的又有两帧差分或者三帧差分。这里先考虑两帧差分。
如图1所示，为帧间差分的流程。

图1 帧间差分流程

2 帧间差分理论

如图1所示，第n+1帧图像和第n帧图像，分别表示为前帧和后帧图像。这里用$f$表示图像矩阵，$f(i,j)$表示位置在$(i,j)$的像素点。主要计算公式如公式1和公式2所示。

$$Diff(i,j) = \mid f_{n+1}(i,j)-f_{n}(i,j)\mid \hspace{1cm}(1)$$
$$R(i,j) = \begin{cases} f_{n+1}(i,j), & Diff(i,j)>Threld \\ \frac{f_{n+1}(i,j)+f_{n}(i,j)}{2}, & others \end{cases}\hspace{1cm}(2)$$
通过公式（1）和公式（2）计算运动点，并作出相应的处理。如果针对可见光，则直接判定‘移动’后做二值化处理，再做连通性分析，最后再进行判定。

2 总结

FPGA上对图像进行时域滤波，需要实现的是无拖尾，图像不模糊。这需要很高的阈值作为基础。但是这就会造成弱目标（移动缓慢、像素值变化不大）的像素点移动无法识别。如果考虑弱目标的移动，降低阈值，则会导致拖影现象。总体来讲，在时域上有一定的滤波作用。

Code

function imgOut = MFNR( imgIn )
    [M, N, num] = size( imgIn );
    flag = XX;
    imgOut = zeros(M, N, num);

    imgOut(:, :, 1) = imgIn(:, :, 1);
    for i = 2 : num
        temp   = zeros(M, N);
        bFrame = imgIn(:, :, i - 1);
        aFrame = imgIn(:, :, i);
        differ = abs( aFrame - bFrame );

        sp = find(differ < XX);
        mp = find(differ >= XX);
        temp(sp) = (aFrame(sp) + bFrame(sp)) / 2;
        temp(mp) = aFrame(mp);
        imgOut(:, :, i) = temp;
    end
end