留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

时空自适应的分焦平面偏振视频PCA去噪

李宁,  赵永强,  潘泉

downloadPDF
文章导航 > 红外与激光工程  > 2019 >  48(10): 1026001-1026001(7)
李宁, 赵永强, 潘泉. 时空自适应的分焦平面偏振视频PCA去噪[J]. 红外与激光工程, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
引用本文: 李宁, 赵永强, 潘泉. 时空自适应的分焦平面偏振视频PCA去噪[J]. 红外与激光工程, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
shu
Li Ning, Zhao Yongqiang, Pan Quan. PCA-based spatial-temporal adaptive denoising of DoFP video for microgrid polarimeters[J]. Infrared and Laser Engineering, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
Citation: Li Ning, Zhao Yongqiang, Pan Quan. PCA-based spatial-temporal adaptive denoising of DoFP video for microgrid polarimeters[J]. Infrared and Laser Engineering, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
shu

时空自适应的分焦平面偏振视频PCA去噪

doi: 10.3788/IRLA201948.1026001
  • 1.

    西北工业大学 深圳研究院,广东 深圳 518057;

  • 2.

    西北工业大学 自动化学院,陕西 西安 710072

基金项目: 

国家自然科学基金（61771391）;深圳市科技创新委员会基础研究（学科布局）项目（JCYJ20170815162956949）

详细信息
    作者简介:

    李宁(1993-),男,博士生,主要从事偏振成像、偏振视觉等方面的研究。Email:ln_neo@mail.nwpu.edu.cn

  • 中图分类号: TP391

PCA-based spatial-temporal adaptive denoising of DoFP video for microgrid polarimeters

  • 1.

    Research & Development Institute of Northwestern Polytechnical University,Shenzhen 518057,China;

  • 2.

    School of Automation,Northwestern Polytechnical University,Xi'an 710072,China

  • 摘要: 分焦平面式（DoFP）偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声，对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析（PCA）提出一种时空自适应DoFP视频数据去噪算法，对于每个待去噪的DoFP图像块，在其局部时空邻域内选取相似的图像块，然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本，且块匹配过程无需采用运动估计，可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法，从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证，结果证明：所提算法可有效抑制噪声，在相同测试条件下，所提算法优于现有算法。
    Abstract: Division of focal plane(DoFP) polarization imaging detector are composed of integrated micro-polarizer array on a focal plane array sensor, which make the DoFP polarimeters capture the polarization information real-time. However, it is difficult to perform the DoFP demosaicking and reconstruct the polarization information due to noise. A PCA-based spatial-temporal adaptive denoising method was presented to work directly on the DoFP videos. For each DoFP patch to be denoised, similar patches were selected within a local spatial-temporal neighborhood. The principal component analysis was performed on the selected patch to remove the noise. The spatial-temporal information of DoFP video was used to construct the sample patches. The proposed method worked directly on the DoFP video without explicit motion estimation. And then a fast bilateral filtering algorithm was used to remove the residual noise in different polarization channels of DoFP images. The experimental results on simulated and real noisy DoFP sequences demonstrate that the proposed denoising method can significantly reduce the noise-caused polarization artifacts and outperform other denoising methods.
  • [1] Miyazaki D, Shigetomi T, Baba M, et al. Surface normal estimation of black specular objects from multiview polarization images[J]. Optical Engineering, 2016, 56(4):041303.
    [2] Terrier P, Devlaminck V, Charbois J M. Segmentation of rough surfaces using a polarization imaging system[J]. JOSA A, 2008, 25(2):423-30.
    [3] Hyde M W, Cain S C, Schmidt J D, et al. Material classification of an unknown object using turbulence-degraded polarimetric imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(1):264-276.
    [4] Li N, Zhao Y, Pan Q, et al. Removal of reflections in LWIR image with polarization characteristics[J]. Optics Express, 2018, 26(13):16488-16504.
    [5] Chen Z, Wang X, Liang R. Snapshot phase shift fringe projection 3D surface measurement[J]. Optics Express, 2015, 23(2):667-673.
    [6] Shen L, Zhao Y, Peng Q, et al. An iterative image dehazing method with polarization[J]. IEEE Transactions on Multimedia, 2018, 21(5):99.
    [7] Reda M, Zhao Y, Chan J C W. Polarization guided autoregressive model for depth recovery[J]. IEEE Photonics Journal, 2017, 9(3):1-16.
    [8] Garcia M, Edmiston C, York T, et al. Bio-inspired imager improves sensitivity in near-infrared fluorescence image-guided surgery[J]. Optica, 2018, 5(4):413-422.
    [9] Zhao Yongqiang, Li Ning, Zhang Peng, et al. Infrared polarization perception and intelligent processing[J]. Infrared and Laser Engineering, 2018, 47(11):1102001. (in Chinese)
    [10] Zhou Xuchang, Li Dongsheng, Mu Yingchun, et al. Study on 640512 polarimetric LWIR QWIP FPA[J]. Infrared and Laser Engineering, 2017, 46(1):0104004. (in Chinese)
    [11] Li N, Zhao Y, Pan Q, et al. Demosaicking DoFP images using Newton's polynomial interpolation and polarization difference model[J]. Optics Express, 2019, 27(2):1376-1391.
    [12] Tibbs A B, Daly I M, Bull D R, et al. Noise creates polarization artefacts[J]. Bioinspiration Biomimetics, 2017, 13(1):015005.
    [13] Tibbs A B, Daly I M, Roberts N W, et al. Denoising imaging polarimetry by adapted BM3D method[J]. JOSA A, 2018, 35(4):690-701.
    [14] Zhang J, Luo H, Liang R, et al. PCA-based denoising method for division of focal plane polarimeters[J]. Optics Express, 2017, 25(3):2391-2400.
    [15] Zhang L, Lukac R, Wu X, et al. PCA-based spatially adaptive denoising of CFA images for single-sensor digital cameras[J]. IEEE Transactions on Image Processing, 2009, 18(4):797-812.
    [16] Zhang L, Dong W, Wu X, et al. Spatial-temporal color video reconstruction from noisy CFA sequence[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2010, 20(6):838-847.
    [17] Chaudhury K N, Dabhade S D. Fast and provably accurate bilateral filtering[J]. IEEE Transactions on Image Processing, 2016, 25(6):2519-2528.
    [18] Guizar-Sicairos M, Thurman S T, Fienup J R. Efficient subpixel image registration algorithms[J]. Optics Letters, 2008, 33(2):156-158.
  • [1] 李鹏越, 续欣莹, 唐延东, 张朝霞, 韩晓霞, 岳海峰.  基于并行多轴自注意力的图像去高光算法 . 红外与激光工程, 2024, 53(3): 20230538-1-20230538-11. doi: 10.3788/IRLA20230538
    [2] 张宇.  基于主成分分析和VU分解法的两步随机相移算法 . 红外与激光工程, 2024, 53(2): 20230596-1-20230596-11. doi: 10.3788/IRLA20230596
    [3] 官子涵, 王敏, 李晓彤.  基于主成分分析和节点像差理论的公差降敏方法 . 红外与激光工程, 2024, 53(2): 20230590-1-20230590-10. doi: 10.3788/IRLA20230590
    [4] 袁盼, 谭竹嫣, 张旭, 金伟其, 孙秉才, 翁静, 李力.  工业气体泄漏红外成像检测及差分光谱滤波检测方法研究 . 红外与激光工程, 2022, 51(8): 20210714-1-20210714-14. doi: 10.3788/IRLA20210714
    [5] 黄宜帆, 贺岩, 胡善江, 侯春鹤, 朱小磊, 李凯鹏, 刘芳华, 陈勇强, 郭守川.  海洋激光雷达图像处理提取海水深度的方法 . 红外与激光工程, 2021, 50(6): 20211034-1-20211034-8. doi: 10.3788/IRLA20211034
    [6] 吴鑫, 伍友利, 牛得清, 刘同鑫, 蔡宇轩, 许瑞.  基于主成分-层次分析的红外抗干扰评估方法研究 . 红外与激光工程, 2021, 50(11): 20210060-1-20210060-10. doi: 10.3788/IRLA20210060
    [7] 付伟伟, 黄坤.  基于微纳器件的全光图像处理技术及应用 . 红外与激光工程, 2020, 49(9): 20201040-1-20201040-14. doi: 10.3788/IRLA20201040
    [8] 万李涛, 熊楠菲, 王栋, 汪子君.  信赖域方法在红外图像序列处理中的应用 . 红外与激光工程, 2020, 49(7): 20190505-1-20190505-7. doi: 10.3788/IRLA20190505
    [9] 田永胜, 侯金, 龙银福, 唐翠姣, 黄玉春, 杨春勇, 陈少平.  光纤倾斜耦合角度的快速精密图像测量 . 红外与激光工程, 2019, 48(10): 1013001-1013001(8). doi: 10.3788/IRLA201948.1013001
    [10] 孔明, 杨天琪, 单良, 郭天太, 王道档, 徐良.  图像能量与对比度的霾检测算法 . 红外与激光工程, 2018, 47(8): 826001-0826001(6). doi: 10.3788/IRLA201847.0826001
    [11] 秦齐, 刘艳, 刘欢欢, 时川, 谭中伟.  图像处理在光纤光斑微位移传感中的应用 . 红外与激光工程, 2018, 47(10): 1022004-1022004(7). doi: 10.3788/IRLA201847.1022004
    [12] 赵永强, 李宁, 张鹏, 姚嘉昕, 潘泉.  红外偏振感知与智能处理 . 红外与激光工程, 2018, 47(11): 1102001-1102001(7). doi: 10.3788/IRLA201847.1102001
    [13] 骆媛, 张科, 纪明.  增强无人机态势感知的彩色图像融合方法 . 红外与激光工程, 2016, 45(S1): 200-206. doi: 10.3788/IRLA201645.S126002
    [14] 张智, 林栩凌, 何红艳.  一种基于量子力学的遥感图像滤波方法研究 . 红外与激光工程, 2016, 45(S2): 140-144. doi: 10.3788/IRLA201645.S226001
    [15] 马媛花, 胡炳樑, 李然, 孙朗, 孙念, 王峥杰.  采用Gyrator变换的泰伯效应及图像去噪 . 红外与激光工程, 2014, 43(2): 665-670.
    [16] 秦玉华, 丁香乾, 宫会丽.  高维特征选择方法在近红外光谱分类中的应用 . 红外与激光工程, 2013, 42(5): 1355-1359.
    [17] 张法全, 王国富, 曾庆宁, 叶金才.  利用重心原理的图像目标最小外接矩形快速算法 . 红外与激光工程, 2013, 42(5): 1382-1387.
    [18] 李运达, 李琦, 刘正君, 王骐.  太赫兹计算机辅助层析图像重构算法仿真研究 . 红外与激光工程, 2013, 42(5): 1228-1235.
    [19] 董建婷, 杨小乐, 董杰.  面阵CMOS图像传感器性能测试及图像处理 . 红外与激光工程, 2013, 42(12): 3396-3401.
    [20] 朱维文, 赵跃进, 朱慧时, 李冰, 孔令琴, 董立泉.  改进的均值滤波算法在太赫兹成像中的应用 . 红外与激光工程, 2013, 42(5): 1241-1246.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  657
  • HTML全文浏览量:  131
  • PDF下载量:  81
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-12
  • 修回日期:  2019-07-20
  • 刊出日期:  2019-10-25

时空自适应的分焦平面偏振视频PCA去噪

doi: 10.3788/IRLA201948.1026001
  • 1. 西北工业大学 深圳研究院,广东 深圳 518057;
  • 2. 西北工业大学 自动化学院,陕西 西安 710072
    • 作者简介:

    李宁(1993-),男,博士生,主要从事偏振成像、偏振视觉等方面的研究。Email:ln_neo@mail.nwpu.edu.cn

  • 收稿日期: 2019-06-12
  • 修回日期: 2019-07-20
  • 刊出日期: 2019-10-25
基金项目:

国家自然科学基金（61771391）;深圳市科技创新委员会基础研究（学科布局）项目（JCYJ20170815162956949）

  • 中图分类号: TP391

摘要: 分焦平面式（DoFP）偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声，对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析（PCA）提出一种时空自适应DoFP视频数据去噪算法，对于每个待去噪的DoFP图像块，在其局部时空邻域内选取相似的图像块，然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本，且块匹配过程无需采用运动估计，可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法，从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证，结果证明：所提算法可有效抑制噪声，在相同测试条件下，所提算法优于现有算法。

English Abstract

    全文HTML

参考文献 (18)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计