申请/专利权人：南京理工大学

申请日：2023-12-25

公开（公告）日：2024-03-22

公开（公告）号：CN117745578A

主分类号：G06T5/70

分类号：G06T5/70;G06T5/80;G06T5/20;G06T3/4007

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提供了一种基于FPGA横纵梯度处理的去除锅盖的方法，并且可以自适应门控开关算法，防止出现鬼影，其步骤包括：首先对输入图像数据流进行尺度为2的下采样。然后对下采样后的图像数据进行5*5的中值滤波。接着对数据同时进行横梯度处理和纵梯度处理，得到的两个横纵梯度矩阵相同位置的元素求平方和，并对处理后的新数据矩阵统计时设定判断阈值，对矩阵数值高于阈值的将相应位置的横纵梯度矩阵置0。再将得到的两个矩阵分别进行图像重构并重合成一个矩阵，经双线性插值的平滑处理后进行尺度为2的上采样，更新校正矩阵作用于像元数据，对每帧像元数据四角进行9*9邻域求方差，小于门控阈值后关闭算法，存储校正参数改善锅盖效应，提升红外图像质量。

主权项：1.一种基于FPGA横纵梯度处理的去除锅盖的方法，其特征在于，包括以下步骤：步骤1、将一幅原始红外图像数据进行下采样，每隔一行取一行，每隔一列取一列，图像大小由之前的2M行、2N列变成M行、N列，得到下采样图像；步骤2、下采样图像边缘进行两行两列的填充，然后对填充后的图像数据进行5*5的中值滤波，结果更新后得到一个M行、N列的图像，图像数据构成第一矩阵；步骤3、将第一矩阵分别进行横梯度处理和纵梯度处理；横梯度处理就是把第一矩阵第一行元素全部置0，其余每行都减去上一行对应的元素，得到的差值构成横梯度矩阵；纵梯度处理就是把矩阵第一列元素全部置0，其余每列都减去上一列对应的元素，得到的差值构成纵梯度矩阵；步骤4、将横梯度矩阵和纵梯度矩阵相同位置的元素求平方和，平方和大于阈值T的情况下，两个矩阵此位置的元素置0，否则保持不变；步骤5、分别对横梯度矩阵和纵梯度矩阵进行重构，进而实现图像重构：横梯度矩阵重构：将第一矩阵第一行元素相加求平均，赋值给横梯度重构矩阵的第一行，从第二行开始，之后每一行的元素都等于此行的梯度值加上一行的重构值，构成横梯度重构矩阵；纵梯度矩阵重构：将第一矩阵第一列元素相加求平均，赋值给纵梯度重构矩阵的第一列，从第二列开始，之后每一列的元素都等于此列的梯度值加上一列的重构值，构成纵梯度重构矩阵；图像重构：将横梯度重构矩阵值的二分之一与纵梯度重构矩阵值的二分之一相加，构成图像重构矩阵；步骤6、对图像重构矩阵进行找锚点的操作，从第一行第一列元素开始，每隔8行、8列找一个锚点，此后每行每列如此，对图像重构矩阵边缘进行2行2列的填充，以锚点为中心，进行5*5邻域求均值，均值赋值给中心的锚点；步骤7、对四个锚点构成的正方形内的矩阵元素分别进行二次线性插值，更新图像重构矩阵，并进行5*5均值滤波，得到第二矩阵；步骤8、对第二矩阵元素分别除以面均值后进行上采样，第二矩阵由原来的M行、N列变成2M行、2N列，进而得到上采样矩阵；步骤9、增益矩阵Gbase：Gbase＝rate*Gnew+E*GbaseGbase＝Gbasea其中，E为单位矩阵，rate为校正参数，Gnew为上采样矩阵，a为增益矩阵Gbase中最小的元素值；将原始图像数据除以对应位置的增益矩阵得到校正后的像元矩阵，基于场景校正去除锅盖效应；步骤10、将校正后的像元矩阵四角进行9*9邻域求方差，设定门控开关阈值G，当计算当前帧的四角均方差小于G时，存储当前帧增益矩阵Gbase的值，用于后续帧的去锅盖算法校正，否则重复步骤10继续计算。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于FPGA横纵梯度处理的去除锅盖的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD