一种基于全局协同变换BM3D滤波的偏振图像去噪方法及系统

本发明属于图像去噪，具体涉及一种基于全局协同变换bm3d滤波的偏振图像去噪方法。

背景技术：

1、仿生偏振光导航已成为无人载体自主导航领域的重要研究方向，在小型无人车辆、地面机器人等场景中具备广阔的应用前景。偏振视觉姿态测量的核心在于从大气偏振图像中提取太阳矢量、中性点等关键特征，进而解算载体三维姿态；而偏振图像的质量直接决定了特征提取的准确性与姿态测量的精度。

2、在实际工程应用中，偏振图像不可避免地受到外界环境与成像系统的双重噪声干扰。一方面，雾霾、沙尘等复杂天气条件下，大气气溶胶浓度显著升高，太阳光经气溶胶粒子多次散射后，会在偏振图像中形成显著的空间相关噪声，使得噪声不再满足独立同分布特性，而呈现出明显的空间相关性与非均匀分布特征；另一方面，偏振相机自身的光电转换、信号读出与模数转换过程会引入散粒噪声、暗电流噪声、复位噪声等随机噪声，进一步降低图像信噪比。两类噪声叠加会导致太阳矢量估计偏差增大、中性点定位精度下降，严重制约偏振导航系统在复杂天气下的工作性能与环境适应性。因此，针对偏振图像开展有效的去噪处理，抑制气溶胶散射噪声与传感器随机噪声，同时保留偏振特征结构信息，是提升复杂天气下偏振导航精度的关键前提。

3、传统bm3d算法通常基于加性高斯白噪声模型，假设噪声相互独立，并在协同滤波过程中采用统一的噪声方差进行建模，然而，该假设在复杂大气环境中往往难以成立，导致去噪性能受到明显制约。

4、数据驱动的深度学习去噪方法凭借强大的非线性拟合能力，在复杂噪声场景下表现出一定的恢复潜力，相关研究通过生成对抗网络、改进u-net等架构实现偏振图像修复。但该类方法的性能高度依赖大规模标注的偏振图像数据集，而天空偏振导航领域缺乏公开的高质量标注数据集，自建数据集存在场景覆盖有限、数据分布单一的问题，导致模型泛化能力不足，在未知天气与环境下性能衰减明显；同时深度学习模型物理可解释性弱、计算复杂度高，难以满足嵌入式导航平台的实时性需求，工程落地难度较大。

5、此外，部分研究从姿态结果层面对噪声进行后处理优化，通过多尺度分解、异常值检测、自适应滤波等方式对航向角序列进行平滑修正。但这类方法并未从图像源头解决偏振信息退化问题，仅能在一定程度上缓解输出结果的波动，无法从根本上提升偏振特征的提取精度，对姿态测量性能的改善有限。

6、综上，现有偏振图像去噪技术难以同时满足复杂天气下空间相关噪声抑制、偏振特征结构保留、低数据依赖与工程可实现性的多重需求，亟需一种针对气溶胶散射噪声特性、适配偏振图像特征的高精度去噪方法。

技术实现思路

1、本发明提供一种基于全局协同变换bm3d滤波的偏振图像去噪方法及系统，其目的在于解决复杂天气下气溶胶散射引入的空间相关噪声与成像传感器随机噪声叠加导致偏振图像特征退化，而传统去噪方法基于高斯白噪声假设难以有效抑制空间相关噪声且易过度平滑偏振特征，进而降低偏振导航姿态测量精度的问题。

2、第一个方面，本发明的目的在于提供一种基于全局协同变换bm3d滤波的偏振图像去噪方法，包括以下步骤：

3、s1：获取待处理偏振图像对应的偏振角图像与偏振度图像；

4、s2：确定待处理偏振图像的噪声功率谱密度；

5、s3：基于所述噪声功率谱密度，采用全局协同变换bm3d滤波算法，分别对所述偏振角图像与偏振度图像进行协同去噪处理，输出去噪后的偏振图像。

6、更进一步地，提供优选方案：所述s3具体包括：

7、s31：对图像进行分块处理，基于所述噪声功率谱密度优化图像块相似性评估，选取相似图像块构建图像块集合；

8、s32：对所述图像块集合进行三维协同变换，得到变换域谱系数；

9、s33：根据所述噪声功率谱密度对变换域谱系数进行衰减收缩处理；

10、s34：对衰减后的谱系数进行逆变换与加权聚合，得到去噪图像。

11、更进一步地，提供优选方案：所述s31中，基于所述噪声功率谱密度优化图像块相似性评估具体为：

12、在图像块匹配距离计算中引入由空间相关噪声引起的偏置校正项，消除相关噪声对相似性评估的干扰，得到无偏的块匹配距离。

13、更进一步地，提供优选方案：所述s33中，对变换域谱系数进行衰减收缩处理包括硬阈值滤波阶段与维纳滤波阶段；

14、在硬阈值滤波阶段，通过预设阈值将低于阈值的谱系数置零；

15、在维纳滤波阶段，以硬阈值滤波阶段输出的去噪图像为先验，根据先验信号谱与噪声功率谱密度计算维纳滤波系数，对谱系数进行加权衰减。

16、更进一步地，提供优选方案：所述s3中，输出去噪后的偏振图像之前还包括全局傅里叶阈值重滤波步骤，具体为：

17、对初步去噪后的图像残差进行全局傅里叶变换，得到残差频谱；

18、将残差频谱与所述噪声功率谱密度进行对比检验，识别被过度平滑的图像细节对应的频谱分量；

19、根据检验结果构造重滤波输入图像，再次执行全局协同变换bm3d滤波处理，保留偏振特征结构信息。

20、更进一步地，提供优选方案：所述全局傅里叶阈值重滤波步骤分别在硬阈值滤波阶段与维纳滤波阶段各执行一次；

21、在硬阈值滤波阶段执行重滤波后，将输出结果作为维纳滤波阶段的先验图像； 在维纳滤波阶段执行重滤波后，输出最终去噪后的偏振图像。

22、更进一步地，提供优选方案：所述s2中，确定待处理偏振图像的噪声功率谱密度具体为：

23、将气溶胶散射引起的空间相关噪声建模为平稳相关噪声，通过噪声空间相关性卷积核的傅里叶变换，得到对应噪声的功率谱密度。

24、第二个方面，本发明的目的在于提出一种基于全局协同变换bm3d滤波的偏振图像去噪系统，用于实现上述任意一项或多项方案所述的基于全局协同变换bm3d滤波的偏振图像去噪方法，包括：

25、图像获取模块：用于获取待处理偏振图像对应的偏振角图像与偏振度图像；

26、噪声建模模块：用于确定待处理偏振图像的噪声功率谱密度，所述噪声包含气溶胶散射引起的空间相关噪声与成像传感器随机噪声；

27、协同去噪模块：用于基于所述噪声功率谱密度，采用全局协同变换bm3d滤波算法，分别对所述偏振角图像与偏振度图像进行协同去噪处理，输出去噪后的偏振图像。

28、第三个方面，本发明的目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据上述任意一项或多项方案组合所述的基于全局协同变换bm3d滤波的偏振图像去噪方法。

29、第四个方面，本发明的目的在于提供一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行上述任意一项或多项方案组合所述的基于全局协同变换bm3d滤波的偏振图像去噪方法。

30、与现有技术相比，本发明的优势在于：

31、本发明针对传统bm3d方法在处理空间相关噪声方面的不足，提出了一种基于全局协同变换的bm3d偏振图像去噪方法，通过非局部相似块分组与三维协同变换实现稀疏表示，并结合噪声建模与频域阈值调控策略，实现对两类噪声的有效抑制，同时减轻过度平滑问题。实验结果表明，在雾霾天气条件下，所提方法相较于未去噪与均值滤波，偏振角图像平均psnr分别提升17.32%和10.96%；在人为构建的局部沙尘环境下，平均psnr分别提升33.21%和13.06%，验证了所提方法在复杂噪声条件下的有效性，并为后续太阳矢量估计与姿态测量提供了可靠数据支撑。

32、本发明适用于复杂大气环境下的仿生偏振光导航与偏振视觉姿态测量场景。