基于Huber惩罚函数和引导滤波的红外图像条纹噪声去除方法

为提高红外图像的视觉质量和可用性,提出一种基于Huber惩罚函数和引导滤波(GF)的去条纹噪声算法。该算法首先采用基于Huber惩罚函数的平滑结构,将图像分成平滑部分和高频部分,然后以平滑部分作为引导图像、高频部分作为输入图像,经过引导滤波提取条纹噪声,最后从原图像中减去噪声部分得到校正结果。实验表明,该算法能有效去除条纹噪声的同时保留图像细节,不会造成伪影现象,在去噪能力和细节保留方面都优于传统的GF、中值均衡直方图(MHE)等算法,为去除红外图像的条纹噪声提供了一种解决方案。

对称α稳定分布噪声下的软解映射算法

对称α稳定(SαS)分布噪声是一种非高斯噪声,相对于高斯噪声具有明显的脉冲特性,因此高斯噪声下的软解映射算法不适用于SαS分布噪声中。为解决该问题,根据高斯噪声下软解映射算法的对数似然比和信号幅度呈线性的特点,提出一种SαS分布噪声下基于欧式距离的软解映射算法,只需在高斯噪声下的软解映射算法和译码算法之间加入预处理算法,限制比特软信息的幅度,并将幅度过高的软信息置零。仿真结果显示,该算法实现简单、运算量低,所需信噪比在α=1.84的SαS分布噪声下比Huber算法低0.3 dB,在α=1.3的SαS分布噪声下低2 dB^5 dB。