CN107481205A - 一种太赫兹图像条纹噪声处理方法及系统 - Google Patents
一种太赫兹图像条纹噪声处理方法及系统 Download PDFInfo
- Publication number
- CN107481205A CN107481205A CN201710732679.7A CN201710732679A CN107481205A CN 107481205 A CN107481205 A CN 107481205A CN 201710732679 A CN201710732679 A CN 201710732679A CN 107481205 A CN107481205 A CN 107481205A
- Authority
- CN
- China
- Prior art keywords
- mrow
- frequency domain
- frequency
- msub
- terahertz
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 84
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 230000000737 periodic effect Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005622 photoelectricity Effects 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及太赫兹探测阵列或红外探测阵列成像领域，公开了一种太赫兹图像条纹噪声处理方法及系统，包括如下内容：对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；对所述频域图进行第一次带阻滤波，用于消除条纹噪声所在的频率范围的周期噪声；对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；对经过高通滤波的频域图进行第二次带阻滤波，用于对第一次带阻滤波未滤除完全的条纹噪声进行第二次带阻滤波；将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图，进而能够有效对太赫兹条纹噪声进行消除。
Description
技术领域
本发明涉及太赫兹探测阵列或红外探测阵列成像领域，尤其涉及一种太赫兹图像条纹噪声处理方法及系统。
背景技术
太赫兹辐射指的是频率在0.1THz一10THz之间的电磁波，其波段处于微波和红外之间，属于远红外电磁辐射范畴。物质的太赫兹光谱包含着丰富的物理和化学信息。同时，由于太赫兹辐射自身的特点，决定了它在很多方面可以成为傅立叶变换红外光潜技术和X射线技术的互补技术，太赫兹辐射在很多基础研究领域、工业应用及军事应用领域有着广阔的发展空间。它在生物学、医学、微电子学、农业及安全检查领域也有很大的应用潜力。另外,与低频电磁波相比,太赫兹频率较高,可作为通讯载体,在单位时间内可以承载更多的信息。太赫兹辐射方向性很好,可用于战场中的短距离定向保密通讯。利用太赫兹成像还可获得更高的空间分辨率及更长的景深等。
然而正是由于太赫兹辐射自身的特点，波长较长，故在利用太赫兹探测器进行图形采集时经常出现干涉条纹噪声，一直以来研究人员对此做了大量研究，但大多仍是直接高频滤波，并不能有针对性的滤除干涉噪声，故仍有许多不足。而且由于采集时条纹的疏密程度以及方向的不确定性，所以去除干涉条纹仍有很大的难度。
因此，现有技术中无法有效对太赫兹图像的条纹噪声进行有效消除。
发明内容
本发明为了解决现有技术中存在无法有效对太赫兹图像条纹噪声进行有效消除的技术问题，进而提供了一种太赫兹图像条纹噪声处理方法及系统。
为解决上述技术问题，本发明采用的一个技术方案是：一种太赫兹图像条纹噪声处理方法，包括如下内容：
对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；
对所述频域图进行第一次带阻滤波，用于消除条纹噪声所在的频率范围的周期噪声；
对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；
对经过高通滤波的频域图进行第二次带阻滤波，用于对第一次带阻滤波未滤除完全的条纹噪声进行第二次带阻滤波；
将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
另一方面，还提供了一种太赫兹图像条纹噪声处理系统，包括：
傅里叶变换模块，用于对所述太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；
第一带阻滤波器，用于对所述频域图进行第一次带阻滤波，消除条纹噪声所在的频率范围的周期噪声；
频域高通滤波器，用于对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；
第二带阻滤波器，用于对经过高通滤波的频域图进行第二次带阻滤波，对第一次带阻滤波未滤除完全的条纹噪声的进行第二次带阻滤波；
傅里叶逆变换模块，用于将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
本发明的有益效果是：区别于现有技术的情况：
由于在该太赫兹图像条纹噪声处理方法中对获取的太赫兹图像数据进行傅里叶变换，然后通过第一次带阻滤波除去一部分条纹噪声，然后，经过高通滤波，第二次带阻滤波滤除剩余的条纹噪声，最后通过傅里叶逆变换，转换为时域图，获得最终滤除噪声的图像，该图像突出目标物，可以通过频域图设置滤波器，简单并且容易观察，解决了算法通用性的问题，最后又通过图像增强，使得目标物更加明显的显现出来，使得处理后的图像不仅消除了条纹噪声，还起到了图像增强的作用。
附图说明
图1为本发明实施例中太赫兹图像条纹噪声处理方法的步骤流程示意图；
图2a-图2f为本发明实施例中太赫兹图像条纹噪声处理过程的效果图；
图3为本发明实施例中太赫兹图像条纹噪声处理系统的模块示意图。
具体实施方式
本发明为了解决现有技术中存在无法有效对太赫兹图像的条纹噪声进行有效消除的技术问题，进而提供了一种太赫兹图像条纹噪声处理方法及系统，进而能够有效对太赫兹条纹噪声进行消除。
为了更好的理解本发明的技术方案，下面将结合说明书附图以及具体的实施方式对本发明技术方案进行详细的说明。
本发明实施例提供的一种太赫兹图像条纹噪声处理方法，如图1所示，包括：S101，对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；S102，对该频域图进行第一次带阻滤波，用于消除条纹噪声所在的频率范围的周期噪声；S103，对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；S104，对经过高通滤波的频域图进行第二次带阻滤波，用于对第一次带阻滤波未滤除完全的条纹噪声进行第二次带阻滤波；S105，将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
在具体的实施方式中，获取的太赫兹图像数据可以是太赫兹成像系统已经获得并存储于存储器中的图像数据，从存储器中读出，也可以是太赫兹外成像系统当前实施采集获得的图像数据，具体的原始图像如图2a所示。
具体地，对该获取的太赫兹图像数据进行傅里叶变换，获得表征太赫兹图像数据的频域特征的频域图，具体包括：采用傅里叶变换对获取的太赫兹图像数据的频谱移频到原点，使得太赫兹图像的频率分布以原点为圆心，对称分布；接着，从该经过傅里叶变换的太赫兹图像上获得频率分布，除圆心亮点外，还存在对称分布的亮点集合，该亮点集合为干扰噪音产生的，及周期性规律的干扰信号。
上述在将频谱移频到圆心可以清晰看到图像频率分布，而且可以分离出有周期性规律的干扰信号，频移到原点的频谱图上可以看出除了圆心以外还存在以某一点为中心，对称分布的亮点集合，这个亮点集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。具体的经过傅里叶变换后获得的频域图如图2b所示。
由于在S101中获得的频域图可以看到干涉条纹噪声所在的频域范围，因此，在S102中可以构造合适的第一带阻滤波器，将该构造的第一带阻滤波器对应的公式和太赫兹图像数据傅里叶变换后对应的公式相乘，滤除频域中大部分的条纹噪声成分。
该第一带阻滤波器是用来抑制距离频域中心一定距离的一个圆环区域的频率，可以用来消除一定频率范围的周期噪声，对进行第一带阻滤波的第一带阻滤波器的选取，具体步骤如下：
从该带阻滤波器的公式为：
其中，D0为需要阻止的频率点与频率中心的距离，W为带阻滤波器的带宽，对于大小为M*N的图像，频率点(u，v)与频域中心的距离为D0(u,v)，其表达式为H0(u,v)为所需带阻滤波器公式，当其值为1时，对此频域下的波段完全通过，当其值为0时，对此频域下的波段完全滤除。根据该频域范围，获得需要阻止的频率点与频域中心距离D0和带阻滤波器的宽带W。从而获得第一带通滤波器的参数。
接着，在S103中，对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声。具体地，对该经过第一次带阻滤波的频域图采用巴特沃斯滤波器进行二阶高通滤波处理，用于衰减或抑制低频分量，突出剩余的条纹噪声，具体地，该巴特沃斯滤波器是傅里叶频域中的一种滤波器类型，该巴特沃斯滤波器的传递函数的截断部分的梯度可以由指数n控制，低阶的巴特沃斯滤波器的截断部分不会很陡，振铃效果可以减轻或者避免。该巴特沃斯滤波器的特点是同频带内的频率响应曲线最大限度平坦，没有起伏，而在阻频带逐渐下降为零。在振幅的对数对角频率的波特图上，从某一边界角频率开始，振幅随着角频率的增加而逐渐减少，趋向负无穷大，二阶巴特沃斯滤波器的衰减率为每倍频12分贝。
具体地，巴特沃斯高通滤波器的传递函数为
其中，D1为巴特沃斯滤波器的截止频率，n为巴特沃斯滤波器的阶数，用来控制巴特沃斯滤波器的陡峭程度,对于大小为M*N的图像，频率点(u，v)与频域中心的距离为D1(u,v)，其表达式为
经过上述巴特沃斯滤波器的之后的频域图由图2c所示，能够看到其中一些干涉条纹并未滤除干净，可以通过此时的频域图找出这些干涉条纹所在的频域范围，便于再次滤波。
因此，在S104中，对经过高通滤波的频域图进行第二次带阻滤波，用于对第一次带阻滤波未滤除完全的条纹噪声进行第二次带阻滤波，获得如图2d所示，此时该第二次带阻滤波采用的第二带阻滤波器也需要构造，由于在第一次带阻滤波过程中，干涉条纹排列紧密，频域图上光电所在位置离中心原点较近，直径较大，因此，该第一带阻滤波器中所选的需要阻止的频率点与频率中心的距离值小，带宽W值大；第二次带阻滤波过程中，干涉条纹排列疏松，频域图上光电所在位置离中心原点较远，直径较小，所以该第二带阻滤波器所选的需要阻止的频率点与频率中心的距离值较大，带宽W值较小，具体地，就是第二带阻滤波器所选的需要阻止的频率点与频率中心的距离大于第一带阻滤波器所选的需要阻止的频率点与频率中心的距离，第二带阻滤波器的带宽小于第一带阻滤波器的带宽。
最后，执行S105，将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。具体如图2e所示。
由图2e可以看出图像的对比度比较低，为了强调图像的整体或局部特性，将原来不清晰的图像变得清晰或者强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需求，因此，在经过傅里叶逆变换之后，对该时域图调整灰度范围，获得如图2f所示的图。
具体地，就是对时域图在0-255的灰度范围内做线性灰度拉伸。具体地，对图像中的像素点进行操作时，用公式描述如下：
g(x,y)＝f(x,y)*h(x,y)，其中是f(x,y)是原图像；h(x,y)为空间转换函数；g(x,y)表示进行处理后的图像。从而得到最终结果图。
使得经过上述处理后的图像不仅消除了条纹噪声，而且还起到图像增强的作用。
基于相同的发明构思，本发明实施例还提供了一种太赫兹图像条纹噪声处理系统，如图3所示，包括：傅里叶变换模块301、第一带阻滤波器302、频域高通滤波器303、第二带阻滤波器304、傅里叶逆变换模块305，其中，傅里叶变换模块301，用于对获取的太赫兹图像数据进行傅里叶变换，获得表征太赫兹图像数据的频域特征的频域图；第一带阻滤波器302，用于对频域图进行第一次带阻滤波，消除条纹噪声所在的频率范围的周期噪声，频域高通滤波器303，用于对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声，第二带阻滤波器304，用于对经过高通滤波的频域图进行第二次带阻滤波，对第一次带阻滤波未滤除完全的条纹噪声的进行第二次带阻滤波，傅里叶逆变换模块305，用于将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
在该具体实施方式中，该太赫兹图像条纹噪声处理系统还包括图像增强模块306，用于对该傅里叶逆变换模块获得的时域图调整灰度范围，从而获得图像增强的图。
以上所述仅为本发明实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种太赫兹图像条纹噪声处理方法，其特征在于，包括如下内容：
对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；
对所述频域图进行第一次带阻滤波，用于消除条纹噪声所在的频率范围的周期噪声；
对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；
对经过高通滤波的频域图进行第二次带阻滤波，用于对第一次带阻滤波未滤除完全的条纹噪声进行第二次带阻滤波；
将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
2.根据权利要求1所述的太赫兹图像条纹噪声处理方法，其特征在于，在将所述经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图之后，还包括：
对所述时域图调整灰度范围。
3.根据权利要求1所述的太赫兹图像条纹噪声处理方法，其特征在于，所述对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图，具体包括：
采用傅里叶变换对获取的太赫兹图像数据的频谱移频到原点，使得所述太赫兹图像的频率分布以原点为圆心，对称分布；
从经过傅里叶变换的太赫兹图像上获得频率分布，除所述圆心亮点外，还存在对称分布的亮点集合，所述亮点集合为干扰噪音产生的，及周期性规律的干扰信号。
4.根据权利要求1所述的太赫兹图像条纹噪声处理方法，其特征在于，对所述频域图进行第一次带阻滤波，用于消除条纹噪声所在的频率范围的周期噪声，具体包括：
对所以频域图找出关于频域中心对称的亮点，确定需要使用的与第一次带阻滤波对应的第一带阻滤波器；
所述第一带阻滤波器用于抑制距离频域中心预设距离的一个圆环区域的频率，其中所述带阻滤波器的公式为：
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mfrac>
<mi>W</mi>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mfrac>
<mi>W</mi>
<mn>2</mn>
</mfrac>
<mo>&le;</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<mi>W</mi>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<mfrac>
<mi>W</mi>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，D0为需要阻止的频率点与频率中心的距离，W为带阻滤波器的带宽,对于大小为M*N的图像，频率点(u，v)与频域中心的距离为D0(u,v)，其表达式为
将所述第一带阻滤波器对应的公式和太赫兹图像数据傅里叶变换后对应的公式相乘，滤除条纹噪声所在的频域范围中的周期噪声。
5.根据权利要求1所述的太赫兹图像条纹噪声处理方法，其特征在于，对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声，具体为：
对经过第一次带阻滤波的频域图采用巴特沃斯滤波器进行二阶高通滤波处理，用于衰减或抑制低频分量，突出剩余的条纹噪声，所述巴特沃斯滤波器的传递函数公式具体为：
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>/</mo>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
其中，D1为巴特沃斯滤波器的截止频率，n为巴特沃斯滤波器的阶数，用来控制所述巴特沃斯滤波器的陡峭程度,对于大小为M*N的图像，频率点(u，v)与频域中心的距离为D1(u,v)，其表达式为
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>-</mo>
<mfrac>
<mi>M</mi>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>-</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>.</mo>
</mrow>
6.根据权利要求4所述的太赫兹图像条纹噪声处理方法，其特征在于，第二带阻滤波器的需要阻止的频率点与频率中心的距离大于第一带阻滤波器的需要阻止的频率点与频率中心的距离，所述第二带阻滤波器的带宽小于第一带阻滤波器的带宽，所述第二带阻滤波器为第二次带阻滤波采用的，第一带阻滤波器为第一次带阻滤波采用的。
7.根据权利要求2所述的太赫兹图像条纹噪声处理方法，其特征在于，对所述时域图调整灰度范围，具体为：
对所述时域图在0-255的灰度范围内做线性灰度拉伸。
8.一种太赫兹图像条纹噪声处理系统，其特征在于，包括：
傅里叶变换模块，用于对获取的太赫兹图像数据进行傅里叶变换，获得表征所述太赫兹图像数据的频域特征的频域图；
第一带阻滤波器，用于对所述频域图进行第一次带阻滤波，消除条纹噪声所在的频率范围的周期噪声；
频域高通滤波器，用于对经过第一次带阻滤波的频域图进行高通滤波，用于衰减或抑制低频分量，突出剩余的条纹噪声；
第二带阻滤波器，用于对经过高通滤波的频域图进行第二次带阻滤波，对第一次带阻滤波未滤除完全的条纹噪声的进行第二次带阻滤波；
傅里叶逆变换模块，用于将经过第二次带阻滤波的频域图采用傅里叶逆变换，转换为时域图。
9.根据权利要求8所述的太赫兹图像条纹噪声处理系统，其特征在于，还包括包括：
图像增强模块，用于对所述时域图调整灰度范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710732679.7A CN107481205B (zh) | 2017-08-23 | 2017-08-23 | 一种太赫兹图像条纹噪声处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710732679.7A CN107481205B (zh) | 2017-08-23 | 2017-08-23 | 一种太赫兹图像条纹噪声处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107481205A true CN107481205A (zh) | 2017-12-15 |
| CN107481205B CN107481205B (zh) | 2020-06-09 |
Family
ID=60602454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710732679.7A Active CN107481205B (zh) | 2017-08-23 | 2017-08-23 | 一种太赫兹图像条纹噪声处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107481205B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
| CN109146812A (zh) * | 2018-08-16 | 2019-01-04 | 上海波汇科技股份有限公司 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
| CN109993174A (zh) * | 2018-12-25 | 2019-07-09 | 华中科技大学 | 一种基于噪声抑制的空中目标检测方法及系统 |
| CN110245384A (zh) * | 2019-05-16 | 2019-09-17 | 中国工程物理研究院激光聚变研究中心 | 一种基于特征频谱带阻滤波的寄生条纹消除方法及装置 |
| CN110838093A (zh) * | 2019-11-05 | 2020-02-25 | 安徽大学 | 一种高效、高质量的fMOST或MOST显微图像条纹噪声去除方法 |
| CN110837130A (zh) * | 2019-11-22 | 2020-02-25 | 中国电子科技集团公司第四十一研究所 | 一种基于毫米波/太赫兹波辐射的目标自动检测算法 |
| CN110866874A (zh) * | 2019-10-21 | 2020-03-06 | 南京大学 | 基于频域的去除光场重建图像中的周期噪声的方法 |
| CN111539967A (zh) * | 2020-04-24 | 2020-08-14 | 电子科技大学 | 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统 |
| CN111784617A (zh) * | 2020-06-09 | 2020-10-16 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种图像处理方法及装置 |
| CN111855672A (zh) * | 2020-07-29 | 2020-10-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种cof软板缺陷检测的方法 |
| CN115272137A (zh) * | 2022-09-28 | 2022-11-01 | 北京万龙精益科技有限公司 | 基于fpga的实时固定模式噪声去除方法、装置、介质及系统 |
| CN116074645A (zh) * | 2022-11-29 | 2023-05-05 | 哈尔滨工业大学 | 一种图像条纹噪声主动抑制方法 |
| CN117830141A (zh) * | 2024-03-04 | 2024-04-05 | 奥谱天成(成都)信息科技有限公司 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140231648A1 (en) * | 2013-02-20 | 2014-08-21 | Battelle Energy Alliance, Llc | Terahertz imaging devices and systems, and related methods, for detection of materials |
| CN104517270A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像处理方法及系统 |
| CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
| CN104574300A (zh) * | 2014-12-25 | 2015-04-29 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像噪声处理方法及系统 |
| US20160216202A1 (en) * | 2013-09-17 | 2016-07-28 | Commissariat à I'énergie atomique et aux énergies alternatives | Terahertz image sensor |
| CN106204490A (zh) * | 2016-07-12 | 2016-12-07 | 厦门大学 | 一种太赫兹脉冲图像去噪方法 |
-
2017
- 2017-08-23 CN CN201710732679.7A patent/CN107481205B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140231648A1 (en) * | 2013-02-20 | 2014-08-21 | Battelle Energy Alliance, Llc | Terahertz imaging devices and systems, and related methods, for detection of materials |
| US20160216202A1 (en) * | 2013-09-17 | 2016-07-28 | Commissariat à I'énergie atomique et aux énergies alternatives | Terahertz image sensor |
| CN104517270A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像处理方法及系统 |
| CN104517269A (zh) * | 2014-12-25 | 2015-04-15 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像条纹处理方法及系统 |
| CN104574300A (zh) * | 2014-12-25 | 2015-04-29 | 深圳市一体太赫兹科技有限公司 | 一种太赫兹图像噪声处理方法及系统 |
| CN106204490A (zh) * | 2016-07-12 | 2016-12-07 | 厦门大学 | 一种太赫兹脉冲图像去噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| 邹园园 等: "基于频域滤波的THz图像条纹噪声处理", 《S计算机工程与应用》 * |
| 陈霖: "连续太赫兹波图像去噪与对比度增强研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537735A (zh) * | 2018-04-16 | 2018-09-14 | 电子科技大学 | 一种焦平面太赫兹成像的图像拼接方法 |
| CN109146812A (zh) * | 2018-08-16 | 2019-01-04 | 上海波汇科技股份有限公司 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
| CN109146812B (zh) * | 2018-08-16 | 2022-09-06 | 上海波汇科技有限公司 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
| CN109993174B (zh) * | 2018-12-25 | 2021-01-05 | 华中科技大学 | 一种基于噪声抑制的空中目标检测方法及系统 |
| CN109993174A (zh) * | 2018-12-25 | 2019-07-09 | 华中科技大学 | 一种基于噪声抑制的空中目标检测方法及系统 |
| CN110245384A (zh) * | 2019-05-16 | 2019-09-17 | 中国工程物理研究院激光聚变研究中心 | 一种基于特征频谱带阻滤波的寄生条纹消除方法及装置 |
| CN110866874A (zh) * | 2019-10-21 | 2020-03-06 | 南京大学 | 基于频域的去除光场重建图像中的周期噪声的方法 |
| CN110866874B (zh) * | 2019-10-21 | 2021-07-30 | 南京大学 | 基于频域的去除光场重建图像中的周期噪声的方法 |
| CN110838093A (zh) * | 2019-11-05 | 2020-02-25 | 安徽大学 | 一种高效、高质量的fMOST或MOST显微图像条纹噪声去除方法 |
| CN110838093B (zh) * | 2019-11-05 | 2022-06-10 | 安徽大学 | 一种fMOST或MOST显微图像条纹噪声去除方法 |
| CN110837130A (zh) * | 2019-11-22 | 2020-02-25 | 中国电子科技集团公司第四十一研究所 | 一种基于毫米波/太赫兹波辐射的目标自动检测算法 |
| CN111539967A (zh) * | 2020-04-24 | 2020-08-14 | 电子科技大学 | 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统 |
| CN111539967B (zh) * | 2020-04-24 | 2023-03-28 | 电子科技大学 | 一种焦平面太赫兹成像中干涉条纹区域识别与处理方法及系统 |
| CN111784617A (zh) * | 2020-06-09 | 2020-10-16 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种图像处理方法及装置 |
| CN111784617B (zh) * | 2020-06-09 | 2023-08-15 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种图像处理方法及装置 |
| CN111855672A (zh) * | 2020-07-29 | 2020-10-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种cof软板缺陷检测的方法 |
| CN115272137A (zh) * | 2022-09-28 | 2022-11-01 | 北京万龙精益科技有限公司 | 基于fpga的实时固定模式噪声去除方法、装置、介质及系统 |
| CN115272137B (zh) * | 2022-09-28 | 2022-12-20 | 北京万龙精益科技有限公司 | 基于fpga的实时固定模式噪声去除方法、装置、介质及系统 |
| CN116074645A (zh) * | 2022-11-29 | 2023-05-05 | 哈尔滨工业大学 | 一种图像条纹噪声主动抑制方法 |
| CN116074645B (zh) * | 2022-11-29 | 2024-02-09 | 哈尔滨工业大学 | 一种图像条纹噪声主动抑制方法 |
| CN117830141A (zh) * | 2024-03-04 | 2024-04-05 | 奥谱天成(成都)信息科技有限公司 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
| CN117830141B (zh) * | 2024-03-04 | 2024-05-03 | 奥谱天成(成都)信息科技有限公司 | 红外图像竖条纹噪声去除方法、介质、设备及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107481205B (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481205A (zh) | 一种太赫兹图像条纹噪声处理方法及系统 | |
| CN103854267B (zh) | 一种基于变分与分数阶微分的图像融合与超分辨率实现方法 | |
| CN104680495B (zh) | 超声图像的自适应去噪方法 | |
| Sattari | High-resolution seismic complex trace analysis by adaptive fast sparse S-transform | |
| CN103700072A (zh) | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 | |
| CN103399348A (zh) | 基于Shearlet变换的地震信号去噪方法 | |
| CN101226635A (zh) | 基于梳状波和拉普拉斯塔形分解的多源图像融合方法 | |
| CN105741305A (zh) | 一种基于平稳小波变换滤除肌电干扰的方法和系统 | |
| CN104849757B (zh) | 消除地震信号中随机噪声系统及方法 | |
| CN108537735B (zh) | 一种焦平面太赫兹成像的图像拼接方法 | |
| CN106680874A (zh) | 基于波形形态特征稀疏化建模的谐波噪声压制方法 | |
| CN103944535A (zh) | 一种利用频响特性配置的全相位滤波器组的方法及其装置 | |
| Yang et al. | Enhanced generalized nonlinear sparse spectrum based on dual-tree complex wavelet packet transform for bearing fault diagnosis | |
| CN109993703A (zh) | 多尺度图像降噪方法及装置 | |
| CN106504208A (zh) | 基于有序最小值与小波滤波的高光谱图像宽条带去除方法 | |
| CN103941280B (zh) | 基于冲激响应不变法的数字核脉冲高斯成形方法 | |
| Tong et al. | Compressive sensing image fusion in heterogeneous sensor networks based on shearlet and wavelet transform | |
| CN108983321B (zh) | 一种基于同步压缩小波变换的提取太阳黑子数和地磁Ap指数的周期分量的方法 | |
| CN104331862B (zh) | 一种并联型分数阶零相位滤波器及其滤波方法 | |
| CN107907542B (zh) | 一种ivmd及能量估计相结合的dspi相位滤波方法 | |
| CN105787887A (zh) | 一种去除dr图像静态滤线栅栅影的方法 | |
| CN105093312A (zh) | 基于频率域多阶微分的地震相对波阻抗预测方法和装置 | |
| CN106157243B (zh) | 基于压缩感知的淡水藻类全息图像增强与重建方法 | |
| Heinen et al. | Wavelet shrinkage on paths for denoising of scattered data | |
| CN102968771A (zh) | 基于Contourlet域多状态HMT模型的含噪图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |