CN104504659A - 一种基于提升小波变换的快速iso去噪方法及系统 - Google Patents

Abstract

本发明公开了一种基于提升小波变换的快速ISO去噪方法及系统，涉及图像处理技术，旨在提出能同时保留图像的低对比度信息以及高对比度的边缘信息的快速ISO去噪算法。本发明技术要点：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；对Y通道图像进行n层的线性提升小波变换；逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；小波反变换得到第1层小波变换结果中的去噪后的近似图像；对第1层小波变换结果中的近似图像再次进行去噪；小波反变换得到原始空间的Y通道图像；对原始空间的Y通道图像去噪；分别对U通道图像、V通道图像进行小波变换及去噪；得到三通道图像去噪后的结果。

Description

一种基于提升小波变换的快速ISO去噪方法及系统

技术领域

本发明涉及图像处理技术，尤其是一种快速ISO去噪方法。

背景技术

近年来，随着相机数码化、手机相机化，一个全民摄影时代已经来临。人们可以任意时间、任意场景、任意焦点地进行拍照。

在低亮度或者快速变化的场景下，通常会提高图像传感器的ISO速度来提升感光速度，使得相机在短时间内获得更多的进光量。提升ISO的速度通常是通过提高电信号的增益以及降低感光门限来实现的。传感器感光速度提升的同时往往会引入更多的随机噪声，如果ISO速度提高到400以上时，随机噪声将会逐渐明显起来。

由于高ISO带来的噪声极大地降低了图像的质量，并且由于增加了无用的噪声细节信息，提高了后续处理的复杂性，降低了图像的压缩比例。故此，需要通过数字图像处理的方法来消除高ISO带来的噪声成为了迫切需求。

目前针对ISO噪声的去除算法主要分为小波域和空域去噪算法。

小波域去噪的优势是速度快，可以很好地保留图像的低对比度信息，但其劣势是容易产生伪影，图像边缘信息模糊。

而基于空域的去噪算法中最具有代表性的是非局部均值去噪，其优势是图像的边缘等高对比度信息可以得到很好的保护，去噪效果较为明显，但其劣势是速度慢，容易丢失掉图像的低对比度信息，出现过平滑的现象。

发明内容

故此，针对以上问题，本发明旨在解决这两类去噪算法的不足，提出了一种基于提升小波的快速ISO去噪算法。此算法速度快，去噪效果理想，能同时保留图像的低对比度信息以及高对比度的边缘信息。

本发明提供的快速ISO去噪算法包括：

步骤1：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；

步骤2：对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；

步骤3：逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；

步骤4：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；

步骤5：对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：

设原始Y通道图像的像素值的最小值为Y_min，最大值为Y_max；第1层小波变换结果中的去噪后的近似图像的像素值的最小值为I_min，最大值为I_max；得到比例因子f，f＝(I_max-I_min)/(Y_max-Y_min)；

计算I′＝(I-I_min+Y_min*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4得到的第1层小波变换结果中的近似图像的像素值；

步骤6：对步骤5处理后的第1层小波变换结果中的近似图像再次进行去噪；

步骤7：对步骤6处理后的第1层小波变换结果中的近似图像进行反平移放缩变换：

计算I″′＝I″*f+I_min-Y_min*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值；

步骤8：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；

步骤9：对原始空间的Y通道图像去噪；

分别对U通道图像、V通道图像进行步骤10～12的处理得到原始空间的U通道图像与原始空间的V通道图像：

步骤10：对通道图像进行n-1层线性小波变换；

步骤11：对每一层小波变换的结果中的小波细节图像进行去噪；

步骤12：将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。

进一步，还包括步骤13：将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像。

进一步，所述步骤3还包括，计算Y通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Ymax；利用bishrink去噪算法逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_Yl＝2^l*V_Ymax，l为当前的层数；

所述步骤11还包括，计算U通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Umax；利用bishrink去噪算法逐一对U通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_l＝2^l*V_Umax，l为当前的层数；

或者所述步骤11还包括，计算V通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Vmax；利用bishrink去噪算法逐一对V通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_l＝2^l*V_Vmax，l为当前的层数。

所述步骤6进一步包括，对步骤5处理后的第1层小波变换结果中的近似图像进行非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

所述步骤9进一步包括，对原始空间的Y通道图像非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k2*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

其中a、b为非零自然数，k1、k2为系数。

优选地，a等于3，b等于5，k1等于0.5，k2等于2，n等于5。

本发明还保护了由与上述方法步骤一一对应的功能模块的软系统。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

将图像转换到YUV格式，再将图像分解为Y、U、V通道上的图像，对Y通道图像进行提升小波变换，并在小波域中将bishrink去噪和快速自适应非局部均值去噪相结合，而在U、V通道上只进行小波域上的bishrink去噪。本发明能达到计算快速，去噪效果理想的目的，同时保留图像的低对比度信息以及高对比度的边缘信息，能够真正实现快速ISO噪声图像的清晰化。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为本发明一个优选实施例的流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1，本发明包括：

步骤1：对将RGB格式图像转换成YUV420P的格式。对转换后的YUV格式的图像进行单通道分解：将像素点的Y值作为Y通道图像对应像素点的像素值，以此类推得到U通道图像，V通道图像。

步骤2：对Y通道图像进行n层线性提升小波变换；本优选实施例中n取5，在其他实施例中n还可以取大于或等于3的自然数。

步骤3：计算Y通道图像的传感器噪声水平曲线NLF，并找出噪声曲线的最大噪声方差值，记为V_Ymax。

对3层及3层以上小波变换结果的小波细节图像进行bishrink去噪，其中每一层的噪声方差为V_l＝2^l*V_Ymax，l为当前的层数；在其他实施例可以使用其他去噪算法进行处理；本优选实施例中对3～5层的小波变换结果的小波细节图像进行bishrink去噪。

步骤4：将图像进行小波反变换到第1层：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像。

步骤5：对步骤4中的近似图像进行平移缩放变换，将其像素值范围映射到原始的Y通道图像的范围。其具体映射方式如下：

设原始Y通道图像的像素值的最小值为Y_min，最大值为Y_max，步骤4处理后的第1层小波变换结果的近似图像的像素值的最小值为I_min，最大值为I_max，比例因子为f＝(I_max-I_min)/(Y_max-Y_min)。计算I′＝(I-I_min+Y_min*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4得到的第1层小波变换结果中的近似图像的像素值。

步骤6：对步骤5处理后的近似图像进行快速非局部均值去噪。其中，非局部均值去噪算法通过积分图和相似对称性进行加速。在非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差。优选的，a为3，b为5，k1取0.5。

步骤7：对步骤6处理后的近似图像进行反平移缩放变换：计算I″′＝I″*f+I_min-Y_min*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值。

步骤8：将图像进行小波反变换到第0层，也即原始的空间：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；

步骤9：对反变换后的图像进行快速非局部均值去噪。其中非局部均值算法中的匹配块大小仍为a*a，搜索区域的大小仍为b*b，平滑参数的平方为k2*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差。

步骤10：分别对U、V通道的图像进行n-1层线性提升小波变换；本实施例中为4层线性提成小波变换。

步骤11：对每一层小波变换后的小波细节图像进行bishrink去噪，其中每一层的噪声方差V_l＝2^l*V_Umax或V_l＝2^l*V_Vmax，l为当前的层数；V_Umax为U通道图像的传感器噪声水平曲线的最大噪声方差值，V_Vmax为V通道图像的传感器噪声水平曲线的最大噪声方差值。

步骤12：分别对U、V图像进行小波反变换到原始空间，具体是将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。

步骤13：将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像：根据图像像素点的Y值、V值、U值计算其R值、G值与B值，得到RGB原始图像。

计算图像传感器噪声水平曲线的方法有很多中，本发明提供了一种优选的计算Y通道图像或U通道图像或V通道图像的传感器噪声水平曲线的方法，包括：

步骤a1：对单通道图像进行直方图统计。将像素值范围[0,255]平均分为m个区间，每个区间的大小设为m。遍历整幅灰度图像，统计出单通道图像中的像素点落入各个像素值区间的像素点的个数。其中m为可以整除256的非零自然数，优选取16。

步骤a2：计算直方图的可信灰度区间的比例因子1/f：统计出直方图中像素值区间的像素点的个数大于1/m×a×N的灰度区间的个数f，1/f即是可信像素值区间的比例因子，其中N为单通道图像的像素个数；a的取值范围为[0.588，0.648]，优选为0.618。

步骤a3：标定出直方图中的可信像素值区间：标定出直方图中像素值区间的像素点的个数大于1/f×N的像素值区间；标定出来的像素值区间即为可信像素值区间。

步骤a4：将整幅单通道图像划分成b×b个图像块，计算每个小块的像素值均值与像素值方差；其中b为非零自然数，8≤b≤24，b优选取值为16。

步骤a5：针对直方图的每个可信像素值区间，找出像素值均值在此区间的图像块，再找出像素值均值位于同一可信像素值区间的图像块中像素值方差最小的图像块。由此得到K个图像块以及该K个图像块的像素值均值与像素值方差对(u_k，v_k)，u_k为所述K个图像块的像素值均值，v_k为所述K个图像块的像素值方差，k取1、2、…、K，K为可信像素值区间个数。

步骤a6：找出上述K个方差中的最小值v_min，将其作为均值为0、255处的方差，于是得到两个端点的像素值均值与像素值方差对(0，v_min)，(255，v_min)。

步骤a7：根据这K+2个像素值均值与像素值方差对，用分段的三次Hermite插值出该单通道图像像素值范围为[0，255]的噪声水平曲线。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (10)

1.一种基于提升小波变换的快速ISO去噪算法，其特征在于，包括：

步骤1：将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；

步骤2：对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；

步骤3：逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；

步骤4：将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；

步骤5：对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：

设原始Y通道图像的像素值的最小值为Y_min，最大值为Y_max，第1层小波变换结果中的去噪后的近似图像的像素值的最小值为I_min，最大值为I_max，得到比例因子f，f＝(I_max-I_min)/(Y_max-Y_min)；

计算I′＝(I-I_min+Y_min*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为步骤4处理后的第1层小波变换结果中的近似图像的像素值；

步骤6：对步骤5处理后的第1层小波变换结果中的近似图像再次进行去噪；

步骤7：对步骤6处理后的第1层小波变换结果中的近似图像进行反平移放缩变换：

计算I″′＝I″*f+I_min-Y_min*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为步骤6处理后的第1层小波变换结果中的近似图像的像素值；

步骤8：对步骤7处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；

步骤9：对原始空间的Y通道图像去噪；

分别对U通道图像、V通道图像进行以步骤10～12的处理得到原始空间的U通道图像与原始空间的V通道图像：

步骤10：对通道图像进行n-1层线性小波变换；

步骤11：对每一层小波变换的结果中的小波细节图像进行去噪；

步骤12：将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的通道图像。

2.根据权利要求1所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，还包括步骤13：将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像。

3.根据权利要求1所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述步骤3还包括，计算Y通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Ymax；利用bishrink去噪算法逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_Yl＝2^l*V_Ymax，l为当前的层数；

所述步骤11还包括，计算U通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Umax；利用bishrink去噪算法逐一对U通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_l＝2^l*V_Umax，l为当前的层数；

或者所述步骤11还包括，计算V通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Vmax；利用bishrink去噪算法逐一对V通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_l＝2^l*V_Vmax，l为当前的层数。

4.根据权利要求3所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述步骤6进一步包括，对步骤5处理后的第1层小波变换结果中的近似图像进行非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

所述步骤9进一步包括，对原始空间的Y通道图像非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k2*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

其中a、b为非零自然数，k1、k2为系数。

5.根据权利要求4所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，其中a等于3，b等于5，k1等于0.5，k2等于2，n等于5。

6.一种基于提升小波变换的快速ISO去噪系统，其特征在于，包括：

图像单通道分解模块，用于将图像进行单通道分解，得到Y通道图像，U通道图像及V通道图像；

多层线性提升小波变换模块，用于对Y通道图像进行n层的线性提升小波变换；n为大于或等于3的自然数；

小波细节图像去噪模块，用于逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪；

小波反变换模块，用于将第n层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-1层小波变换结果中的去噪后的近似图像；将第n-1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-2层小波变换结果中的近似图像，以此类推，得到第2层小波变换结果中的去噪后的近似图像，将第2层小波变换结果中的去噪后的近似图像与其小波细节图像进行小波反变换得到第1层小波变换结果中的去噪后的近似图像；

平移放缩变换模块，用于对第1层小波变换结果中的去噪后的近似图像进行平移放缩变换：

设原始Y通道图像的像素值的最小值为Y_min，最大值为Y_max，第1层小波变换结果中的去噪后的近似图像的像素值的最小值为I_min，最大值为I_max，得到比例因子f，f＝(I_max-I_min)/(Y_max-Y_min)；

计算I′＝(I-I_min+Y_min*f)/f；其中I′为平移放缩变换后第1层小波变换结果中的去噪后的近似图像的像素值，I为平移放缩变换前第1层小波变换结果中的去噪后的近似图像的像素值；

近似图像去噪模块，用于对平移放缩变换后第1层小波变换结果中的去噪后的近似图像再次进行去噪；

反平移放缩变换模块，用于对近似图像去噪模块处理后的近似图像进行反平移放缩变换：

计算I″′＝I″*f+I_min-Y_min*f，其中I″′为平移放缩反变换后第1层小波变换结果中的近似图像的像素值；I″为近似图像去噪模块处理后的第1层小波变换结果中的近似图像的像素值；

原始空间Y通道图像计算模块，用于对反平移放缩变换模块处理后的第1层小波变换结果中的近似图像与第1层小波变换结果中的小波细节图像进行小波反变换，得到原始空间的Y通道图像；

原始空间Y通道图像去噪模块，用于对原始空间的Y通道图像去噪；

原始空间的U通道图像与原始空间的V通道图像计算模块，进一步包括用于：

对U通道图像或V通道图像进行n-1层线性小波变换；

对每一层小波变换的结果中的小波细节图像进行去噪；

将第n-1层小波变换结果中的近似图像与其去噪后的小波细节图像进行小波反变换得到第n-2层小波变换结果中的去噪后的近似图像；将第n-2层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行反变换得到第n-3层小波变换结果中的近似图像，以此类推，得到第1层小波变换结果中的去噪后的近似图像，将第1层小波变换结果中的去噪后的近似图像与其去噪后的小波细节图像进行小波反变换得到原始空间的U通道图像或原始空间的V通道图像。

7.根据权利要求6所述的一种基于提升小波变换的快速ISO去噪系统，其特征在于，图像格式转换模块，用于将所述原始空间的Y通道图像、所述原始空间的V通道图像与所述原始空间的U通道图像转换合并得到RGB格式的图像。

8.根据权利要求6所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述小波细节图像去噪模块还用于，计算Y通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Ymax；利用bishrink去噪算法逐一对第3～n层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_Yl＝2^l*V_Ymax，l为当前的层数；

所述原始空间的U通道图像与原始空间的V通道图像计算模块还用于，计算U通道图像或V通道图像的传感器噪声水平曲线并找出所述曲线的最大噪声方差值，记为V_Umax或V_Vmax；利用bishrink去噪算法逐一对U通道图像或V通道图像每一层的小波变换的结果中的小波细节图像进行去噪，其中每一层的噪声方差为V_l＝2^l*V_Umax或V_l＝2^l*V_Vmax，l为当前的层数。

9.根据权利要求8所述的一种基于提升小波变换的快速ISO去噪算法，其特征在于，所述近似图像去噪模块进一步用于，对平移放缩变换后第1层小波变换结果中的去噪后的近似图像进行非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k1*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

所述原始空间Y通道图像去噪模块进一步用于，对原始空间的Y通道图像非局部均值去噪，其中非局部均值去噪算法的参数设置为匹配块的大小为a*a，搜索区域的大小为b*b，平滑参数的平方为k2*NLF(I_i)，I_i为当前像素值，NLF(I_i)为当前像素值在Y通道图像的传感器噪声水平曲线上对应的噪声方差；

其中a、b为非零自然数，k1、k2为系数。

10.根据权利要求9所述的一种基于提升小波变换的快速ISO去噪系统，其特征在于，其中a等于3，b等于5，k1等于0.5，k2等于2，n等于5。