本技術涉及圖像處理，尤其涉及一種復合成像組件的光學圖像降噪方法及系統(tǒng)。

背景技術：

1、復合成像組件作為現(xiàn)代光電設備的核心技術，廣泛應用于自動駕駛系統(tǒng)、工業(yè)檢測設備、醫(yī)療成像設備等精密光學儀器中，通過集成可見光傳感器、紅外傳感器、激光測距傳感器等多種異構傳感器，能夠在復雜環(huán)境下獲取多光譜、多模態(tài)的圖像信息?，F(xiàn)有的光學圖像降噪技術主要針對單一傳感器進行設計，包括基于小波變換的降噪方法、自適應濾波技術、以及近年來發(fā)展的深度學習降噪網絡等，這些方法在處理單一傳感器的圖像噪聲時表現(xiàn)出良好的效果，能夠有效抑制光子散粒噪聲、熱噪聲、讀出噪聲等常見噪聲類型。同時，一些先進的降噪算法如盲點網絡、自監(jiān)督學習方法等，通過隱藏有噪聲的圖像像素并利用周圍上下文信息進行恢復，在無需干凈參考圖像的情況下實現(xiàn)了較好的降噪性能。

2、然而，現(xiàn)有技術在處理復合成像組件的光學圖像降噪時存在顯著不足，主要表現(xiàn)在難以有效處理多傳感器間的噪聲耦合問題，當多個傳感器同時工作時，不同傳感器之間會產生電磁干擾、熱耦合、振動傳遞等物理耦合現(xiàn)象，導致噪聲在傳感器間相互影響和傳播，傳統(tǒng)的單傳感器降噪方法無法建立和利用這種跨傳感器的噪聲相關性。此外，復合成像組件中不同波段圖像間存在強烈的像素相關性，例如可見光圖像中的目標輪廓與紅外圖像中的熱輻射分布、激光雷達中的距離輪廓高度對應，現(xiàn)有降噪方法缺乏針對這種像素強相關性的專門處理機制，容易在降噪過程中破壞跨波段的特征對應關系，影響后續(xù)的目標識別和測距精度。

3、更深層次的技術問題在于，復合成像組件的應用場景對實時性和邊緣細節(jié)保護提出了嚴格要求，工業(yè)自動化設備、智能監(jiān)控系統(tǒng)等應用中既需要快速響應又要求保持目標特征的完整性，然而現(xiàn)有技術在降噪效果、處理速度、邊緣保護三者之間難以達到平衡。由于缺乏統(tǒng)一的多模態(tài)降噪框架，現(xiàn)有方法通常采用串行處理方式，先對各傳感器獨立降噪再進行數據融合，這種處理流程不僅增加了計算復雜度和時間延遲，還容易在獨立降噪過程中丟失傳感器間的協(xié)調信息，導致融合后的圖像出現(xiàn)空間配準偏差、特征不一致等問題。特別是在強相關性像素區(qū)域，傳統(tǒng)掩碼策略無法有效打破像素間的相關性，容易使網絡學習到噪聲模式而非真實的圖像結構，進而影響整個復合成像組件的成像質量和可靠性。

技術實現(xiàn)思路

1、本技術提供了一種復合成像組件的光學圖像降噪方法及系統(tǒng)，用于解決復合成像組件中多傳感器噪聲耦合和像素強相關性導致的降噪失效問題，提高了復合成像組件在復雜環(huán)境下的成像質量和目標識別精度。

2、第一方面，本技術提供了一種復合成像組件的光學圖像降噪方法，所述復合成像組件的光學圖像降噪方法包括：通過多傳感器時間同步機制對復合成像組件中可見光傳感器、紅外傳感器和激光測距傳感器的原始圖像數據進行幾何校正處理，得到多傳感器噪聲耦合矩陣；根據所述多傳感器噪聲耦合矩陣通過多光譜自適應掩碼生成算法對不同波段圖像進行掩碼策略調整處理，得到環(huán)形掩碼模式和棋盤式掩碼模式；將所述環(huán)形掩碼模式和棋盤式掩碼模式輸入條件掩碼卷積塊進行跨波段特征交互處理，得到多尺度密集連接特征圖；根據所述多尺度密集連接特征圖通過雙盲點自監(jiān)督學習算法對跨波段協(xié)調損失進行權重自適應調整處理，得到降噪預測結果；將所述降噪預測結果輸入基于塊的維納濾波器進行邊緣細節(jié)保護處理，得到復合成像組件的最終降噪圖像。

3、第二方面，本技術提供了一種復合成像組件的光學圖像降噪系統(tǒng)，所述復合成像組件的光學圖像降噪系統(tǒng)包括：

4、校正模塊，用于通過多傳感器時間同步機制對復合成像組件中可見光傳感器、紅外傳感器和激光測距傳感器的原始圖像數據進行幾何校正處理，得到多傳感器噪聲耦合矩陣；

5、生成模塊，用于根據所述多傳感器噪聲耦合矩陣通過多光譜自適應掩碼生成算法對不同波段圖像進行掩碼策略調整處理，得到環(huán)形掩碼模式和棋盤式掩碼模式；

6、交互模塊，用于將所述環(huán)形掩碼模式和棋盤式掩碼模式輸入條件掩碼卷積塊進行跨波段特征交互處理，得到多尺度密集連接特征圖；

7、調整模塊，用于根據所述多尺度密集連接特征圖通過雙盲點自監(jiān)督學習算法對跨波段協(xié)調損失進行權重自適應調整處理，得到降噪預測結果；

8、保護模塊，用于將所述降噪預測結果輸入基于塊的維納濾波器進行邊緣細節(jié)保護處理，得到復合成像組件的最終降噪圖像。

9、第三方面，提供了一種復合成像組件的光學圖像降噪設備，包括：存儲器和至少一個處理器，所述存儲器中存儲有指令；所述至少一個處理器調用所述存儲器中的所述指令，以使得所述復合成像組件的光學圖像降噪設備執(zhí)行上述的復合成像組件的光學圖像降噪方法。

10、第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有指令，當其在計算機上運行時，使得計算機執(zhí)行上述的復合成像組件的光學圖像降噪方法。

11、本技術提供的技術方案中，通過多傳感器時間同步機制對復合成像組件中可見光傳感器、紅外傳感器和激光測距傳感器的原始圖像數據進行幾何校正處理，建立了統(tǒng)一的多傳感器噪聲耦合矩陣，有效解決了傳統(tǒng)單傳感器降噪方法無法處理跨傳感器噪聲相關性的技術難題，使得不同傳感器間的噪聲影響關系得到精確建模和量化分析。多光譜自適應掩碼生成算法根據不同波段的噪聲特性動態(tài)調整掩碼策略，生成的環(huán)形掩碼模式和棋盤式掩碼模式能夠有效打破復合成像組件中像素間的強相關性，避免了傳統(tǒng)固定掩碼策略導致的相關像素信息泄露問題，確保網絡學習到真實的圖像結構而非噪聲模式。條件掩碼卷積塊通過跨波段特征交互處理，實現(xiàn)了多傳感器數據的深度融合，生成的多尺度密集連接特征圖既保留了各波段的獨特信息又建立了波段間的內在聯(lián)系，克服了傳統(tǒng)串行處理方式導致的信息丟失和計算冗余問題。雙盲點自監(jiān)督學習算法對跨波段協(xié)調損失進行權重自適應調整處理，通過雙重約束機制確保網絡在無需大量標注數據的情況下學習到穩(wěn)定可靠的特征表示，特別適用于復合成像組件應用場景中難以獲取干凈參考圖像的實際情況?；趬K的維納濾波器結合邊緣細節(jié)保護處理，在有效抑制噪聲的同時精確保護重要的結構邊緣信息，解決了傳統(tǒng)降噪方法在降噪效果和邊緣保護之間難以平衡的技術問題，確保復合成像組件在工業(yè)檢測、智能監(jiān)控等應用中既能獲得清晰的圖像又能保持目標特征的完整性。

12、多傳感器時間同步機制確保了不同傳感器數據的時間一致性，這對于需要多模態(tài)信息融合的自動駕駛系統(tǒng)和工業(yè)視覺檢測設備至關重要，避免了因時間偏差導致的目標定位誤差和識別失效。自適應掩碼生成算法的引入使得復合成像組件能夠根據實際噪聲分布特性進行智能化處理，相比傳統(tǒng)方法提高了對復雜噪聲環(huán)境的適應能力，特別是在光照變化劇烈或溫度波動較大的工業(yè)環(huán)境中表現(xiàn)出顯著優(yōu)勢。雙盲點自監(jiān)督學習機制降低了對訓練數據的依賴性，使得算法能夠快速適應不同的應用場景和設備配置，為復合成像組件的產業(yè)化應用提供了技術可行性。維納濾波與邊緣保護相結合的后處理策略確保了降噪結果既滿足圖像質量要求又保持了關鍵特征信息，這對于需要精確目標識別和測量的醫(yī)療成像、精密制造等領域具有重要應用價值，有效提升了復合成像組件在這些對圖像質量和特征保真度要求極高的專業(yè)領域中的實用性和可靠性。