CN105631836A - 一种图像降噪方法和装置 - Google Patents

Abstract

本发明公开了一种图像降噪方法和装置：根据噪声图像和历史降噪图像或历史噪声图像，生成噪声图像对应的运动信息图像；根据运动信息图像和历史精化运动信息图像，生成噪声图像对应的精化运动信息图像；根据噪声图像、精化运动信息图像和历史降噪图像，生成噪声图像对应的降噪图像。应用本发明所述方案，能够提高降噪后的图像质量。

Description

一种图像降噪方法和装置

技术领域

本发明涉及图像处理技术，特别涉及一种图像降噪方法和装置。

背景技术

对于视频图像，由于在摄录、数字压缩、存储、传输过程中将不可避免地受到传输介质和外界信号等干扰的影响，因此当图像到达显示终端时，图像上所承载的图像内容将会发生一定的变化，所述变化可包括各像素点的亮度数值和色彩数值变化等，由于这些变化具有空间和时间上的随机性，因此常被称为图像噪声。

相应地，为了提高图像质量，则需要进行图像降噪处理。

图1为现有图像降噪方式的示意图。如图1所示：

首先，可根据噪声图像和历史降噪图像，或者，根据噪声图像和历史噪声图像，生成噪声图像对应的运动信息图像；具体地，可通过运动检测(MotionDetection)或运动估计(MotionEstimation)等方法，根据噪声图像I_t和保存在工作内存中的k₁帧历史降噪图像或k₁帧历史噪声图像k₁≥1，生成I_t对应的运动信息图像m_t；

之后，可根据噪声图像、运动信息图像和历史降噪图像，生成噪声图像对应的降噪图像；具体地，可通过滤波处理(如时空域滤波)，根据噪声图像I_t、运动信息图像m_t和保存在工作内存中的k₂帧历史降噪图像1≤k₂≤k₁，生成I_t对应的降噪图像O_t。

但是，按照上述方式得到的运动信息并不准确，多多少少会包含有误差，即包含有噪声，而采用包含有噪声的运动信息进行滤波处理，会出现以下问题：1)降噪性能不佳，即降噪后的图像中依然存在噪声；2)容易出现拖尾现象；上述问题均会影响到降噪后的图像质量。

发明内容

有鉴于此，本发明提供了一种图像降噪方法和装置，能够提高降噪后的图像质量。

为了达到上述目的，本发明的技术方案是这样实现的：

一种图像降噪方法，包括：

根据噪声图像和历史降噪图像，或者，根据所述噪声图像和历史噪声图像，生成所述噪声图像对应的运动信息图像；

根据所述运动信息图像和历史精化运动信息图像，生成所述噪声图像对应的精化运动信息图像；

根据所述噪声图像、所述精化运动信息图像和历史降噪图像，生成所述噪声图像对应的降噪图像。

一种图像降噪装置，包括：运动信息生成器、运动信息精化器、滤波器和工作内存；

所述运动信息生成器，用于根据噪声图像和保存在所述工作内存中的历史降噪图像，或者，根据所述噪声图像和保存在所述工作内存中的历史噪声图像，生成所述噪声图像对应的运动信息图像，并将所述运动信息图像发送给所述运动信息精化器；

所述运动信息精化器，用于根据所述运动信息图像和保存在所述工作内存中的历史精化运动信息图像，生成所述噪声图像对应的精化运动信息图像，并将所述精化运动信息图像发送给所述滤波器；

所述滤波器，用于根据所述噪声图像、所述精化运动信息图像和保存在所述工作内存中的历史降噪图像，生成所述噪声图像对应的降噪图像。

可见，采用本发明所述方案，在获取到噪声图像对应的运动信息图像之后，可通过进一步的处理，获取到精化运动信息图像，进而根据精化运动信息图像进行后续处理，以得到所需的降噪图像；从而相比于现有技术，减少了运动信息中所包含的噪声，进而提高了降噪后的图像质量。

附图说明

图1为现有图像降噪方式的示意图。

图2为本发明图像降噪方式的示意图。

图3为本发明图像降噪方法实施例的流程图。

图4为本发明图像降噪装置实施例的组成结构示意图。

具体实施方式

针对现有技术中存在的问题，本发明中提出一种图像降噪方案，能够提高降噪后的图像质量。

为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步的详细说明。

图2为本发明图像降噪方式的示意图；相应地，图3为本发明图像降噪方法实施例的流程图。

参照图2和图3所示，本发明所述的图像降噪方法主要包括以下步骤31～33。

步骤31：根据噪声图像和历史降噪图像，或者，根据噪声图像和历史噪声图像，生成噪声图像对应的运动信息图像。

本步骤中，可根据当前待进行降噪处理的噪声图像I_t和k₁帧历史降噪图像k₁≥1，生成I_t对应的运动信息图像m_t，t表示当前帧，或者，可根据I_t和k₁帧历史噪声图像生成I_t对应的运动信息图像m_t，具体采用哪种方式可根据实际需要而定，k₁的具体取值同样可根据实际需要而定。

另外，可采用运动检测或运动估计方法，根据I_t和或来生成m_t，较佳地，可采用平均绝对偏差(MAD，MeanAbsoluteDeviation)运动检测方法或均方误差(MSE，MeanSquareError)运动检测方法等，来生成m_t。

相应地，根据I_t和来生成m_t的方式可如下方式一所示，根据I_t和来生成m_t的方式可如下方式二所示。

方式一

分别按照以下方式得到m_t中的每个像素点x的取值m_t(x)：

A、针对每帧历史降噪图像O_t-i，分别计算出其对应的运动估计值MV_t(x)。

具体地，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\∈N\left(x\right)}{\mathrm{\Σ}}|I_t\left(y\right)-Q_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\∈N\left(x\right)}{\mathrm{\Σ}}{(I_t\left(y\right)-Q_{t-i}\left(y\right))}^2;$

其它可能的计算方式不作一一列举；

其中，N(x)表示以像素点x为中心点的n*n大小的邻域，y表示位于该邻域中的每个像素点，n为大于1的奇数，具体取值可根据实际需要而定；假设n的取值为3，那么N(x)即为3*3大小的邻域，位于该邻域中的像素点的个数共为9个；特殊地，如果像素点x位于图像的边缘处，那么可通过补零来得到邻域N(x)，具体实现为本领域公知。

B、确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV_t'(x)。

C、根据MV_t'(x)计算出m_t(x)。

具体地，

$m_t\left(x\right)=\exp (-\frac{{\mathrm{MV}}_t^{\′}\left(x\right)}{{\mathrm{\σ}}_x^2});$

或者，

$m_t\left(x\right)=\frac{1}{{\mathrm{\σ}}_x+{\mathrm{MV}}_t^{\′}\left(x\right)};$

或者，

$m_t\left(x\right)=\left\{\begin{array}{cc}1& {\mathrm{MV}}_t^{\&prime;}\left(x\right)==0\\ 1-\frac{{\mathrm{MV}}_t^{\&prime;}\left(x\right)}{{\mathrm{Thr}}_x}& 0<{\mathrm{MV}}_t^{\&prime;}\left(x\right)\&le;{\mathrm{Thr}}_x\\ 0& {\mathrm{MV}}_t^{\&prime;}\left(x\right)>{\mathrm{Thr}}_x\end{array}\right.;$

其它可能的计算方式不作一一列举，通常，m_t(x)是关于MV_t'(x)的值域范围为[0,1]的单调递减函数即可；

其中，σ_x表示预先获取的像素点x的噪声标准差，σ_x可以是预先设定的，也可以是根据I_t估计出的，如果是预先设定的，那么具体取值可根据实际需要而定，Thr_x表示预先设定的运动阈值，或者，Thr_x＝k*σ_x，k为预先设定的系数，具体取值同样可根据实际需要而定。

方式二

分别按照以下方式得到m_t中的每个像素点x的取值m_t(x)：

A、针对每帧历史噪声图像I_t-i，分别计算出其对应的运动估计值MV_t(x)。

具体地，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-I_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-I_{t-i}\left(y\right))}^2.$

B、确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV_t'(x)。

C、根据MV_t'(x)计算出m_t(x)。

具体地，

$m_t\left(x\right)=\exp (-\frac{{\mathrm{MV}}_t^{\&prime;}\left(x\right)}{{\mathrm{\&sigma;}}_x^2});$

或者，

$m_t\left(x\right)=\frac{1}{{\mathrm{\&sigma;}}_x+{\mathrm{MV}}_t^{\&prime;}\left(x\right)};$

或者，

$m_t\left(x\right)=\left\{\begin{array}{cc}1& {\mathrm{MV}}_t^{\&prime;}\left(x\right)==0\\ 1-\frac{{\mathrm{MV}}_t^{\&prime;}\left(x\right)}{{\mathrm{Thr}}_x}& 0<{\mathrm{MV}}_t^{\&prime;}\left(x\right)\&le;{\mathrm{Thr}}_x\\ 0& {\mathrm{MV}}_t^{\&prime;}\left(x\right)>{\mathrm{Thr}}_x\end{array}\right..$

步骤32：根据运动信息图像和历史精化运动信息图像，生成噪声图像对应的精化运动信息图像。

本步骤中，可根据运动信息图像m_t和k₃帧历史精化运动信息图像k₃≥1，生成噪声图像I_t对应的精化运动信息图像m_t′，即可通过时空域滤波处理，对步骤31中得到的m_t进行精化处理，以得到m_t′，k₃的具体取值可根据实际需要而定。

在实际应用中，本步骤至少可以有以下三种实现方式。

方式一

根据m_t和通过时域滤波处理，得到通过对进行空域滤波处理，得到m_t′。

具体地，

可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right));$ (时域滤波)

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{\tilde{m}}}_t\left(x\right)-{\tilde{m}}_t\left(x\right));$ (空域滤波)

其中，表示对进行空域滤波(如均值滤波)处理后得到的空域平滑图像，λ_tem表示预先设定的时域运动信息精化强度，λ_spa表示预先设定的空域运动信息精化强度，具体取值均可根据实际需要而定。

方式二

通过对m_t进行空域滤波处理，得到通过对和进行时域滤波处理，得到m_t′。

具体地，

可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right));$ (空域滤波)

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-{\tilde{m}}_t\left(x\right));$ (时域滤波)

其中，表示对m_t进行空域滤波处理后得到的空域平滑图像。

方式三

通过对m_t和进行协同方式的时域滤波处理和空域滤波处理，得到m_t′。

具体地，

可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

$m_t^{\&prime;}\left(x\right)=m_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}+{\mathrm{\&lambda;}}_{\mathrm{spa}}}.$

步骤33：根据噪声图像、精化运动信息图像和历史降噪图像，生成噪声图像对应的降噪图像。

本步骤中，可根据噪声图像I_t、精化运动信息图像m_t′和k₂帧历史降噪图像1≤k₂≤k₁，通过时空域滤波处理，生成I_t对应的降噪图像O_t，k₂的具体取值可根据实际需要而定。

在实际应用中，本步骤至少可以有以下三种实现方式。

方式一

根据I_t、m_t′和通过时域滤波处理，得到通过对和m_t′进行空域滤波处理，得到O_t。

具体地，

可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-I_t\left(x\right));$ (时域滤波)

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{\tilde{Q}}}_t\left(x\right)-{\tilde{Q}}_t\left(x\right));$ (空域滤波)

其中，表示对进行空域滤波处理后得到的空域平滑图像，λ_tem表示预先设定的时域运动信息精化强度，λ_spa表示预先设定的空域运动信息精化强度。

方式二

通过对I_t和m_t′进行空域滤波处理，得到通过对m_t′和进行时域滤波处理，得到O_t。

具体地，

可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right));$ (空域滤波)

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-{\tilde{Q}}_t\left(x\right));$ (时域滤波)

其中，表示对I_t进行空域滤波处理后得到的空域平滑图像。

方式三

通过对I_t、m_t′和进行协同方式的时域滤波处理和空域滤波处理，得到O_t。

具体地，

可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

$Q_t\left(x\right)=I_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-Q_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))}.$

至此，即完成了关于本发明方法实施例的介绍。

通过上述介绍可以看出，k₁帧历史降噪图像即指在生成I_t对应的O_t之前最近生成的k₁帧降噪图像，k₁帧历史噪声图像即指在获取到I_t之前最近获取到的k₁帧噪声图像，k₃帧历史精化运动信息图像即指在生成I_t对应的m_t′之前最近生成的k₃帧精化运动信息图像。

本发明同时公开了一种图像降噪装置，图4为本发明图像降噪装置实施例的组成结构示意图。如图4所示，包括：运动信息生成器、运动信息精化器、滤波器和工作内存。

所述运动信息生成器，用于根据噪声图像和保存在工作内存中的历史降噪图像，或者，根据噪声图像和保存在工作内存中的历史噪声图像，生成噪声图像对应的运动信息图像，并将运动信息图像发送给运动信息精化器；

运动信息精化器，用于根据运动信息图像和保存在工作内存中的历史精化运动信息图像，生成噪声图像对应的精化运动信息图像，并将精化运动信息图像发送给滤波器；

滤波器，用于根据噪声图像、精化运动信息图像和保存在工作内存中的历史降噪图像，生成噪声图像对应的降噪图像。

其中，

运动信息生成器可根据噪声图像I_t和k₁帧历史降噪图像或者，根据I_t和k₁帧历史噪声图像k₁≥1，生成I_t对应的运动信息图像m_t，t表示当前帧；

运动信息精化器可根据m_t和k₃帧历史精化运动信息图像k₃≥1，生成I_t对应的精化运动信息图像m_t′；

滤波器可根据I_t、m_t′和k₂帧历史降噪图像1≤k₂≤k₁，生成I_t对应的降噪图像O_t。

较佳地，

运动信息生成器可分别按照以下方式得到m_t中的每个像素点x的取值m_t(x)：针对每帧历史降噪图像O_t-i，分别计算出其对应的运动估计值MV_t(x)；确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV_t'(x)；根据MV_t'(x)计算出m_t(x)；

或者，

运动信息生成器可分别按照以下方式得到m_t中的每个像素点x的取值m_t(x)：针对每帧历史噪声图像I_t-i，分别计算出其对应的运动估计值MV_t(x)；确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV_t'(x)；根据MV_t'(x)计算出m_t(x)。

较佳地，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-Q_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-Q_{t-i}\left(y\right))}^2;$

其中，N(x)表示以像素点x为中心点的n*n大小的邻域，y表示位于邻域中的每个像素点，n为大于1的奇数；

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-I_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-I_{t-i}\left(y\right))}^2.$

$m_t\left(x\right)=\exp (-\frac{{\mathrm{MV}}_t^{\&prime;}\left(x\right)}{{\mathrm{\&sigma;}}_x^2});$

或者，

$m_t\left(x\right)=\frac{1}{{\mathrm{\&sigma;}}_x+{\mathrm{MV}}_t^{\&prime;}\left(x\right)};$

或者，

$m_t\left(x\right)=\left\{\begin{array}{cc}1& {\mathrm{MV}}_t^{\&prime;}\left(x\right)==0\\ 1-\frac{{\mathrm{MV}}_t^{\&prime;}\left(x\right)}{{\mathrm{Thr}}_x}& 0<{\mathrm{MV}}_t^{\&prime;}\left(x\right)\&le;{\mathrm{Thr}}_x\\ 0& {\mathrm{MV}}_t^{\&prime;}\left(x\right)>{\mathrm{Thr}}_x\end{array}\right.;$

其中，σ_x表示预先获取的像素点x的噪声标准差，Thr_x表示预先设定的运动阈值，或者，Thr_x＝k*σ_x，k为预先设定的系数。

另外，

运动信息精化器可根据m_t和通过时域滤波处理，得到通过对进行空域滤波处理，得到m_t′；

或者，

运动信息精化器可通过对m_t进行空域滤波处理，得到通过对和进行时域滤波处理，得到m_t′；

或者，

运动信息精化器可通过对m_t和进行协同方式的时域滤波处理和空域滤波处理，得到m_t′。

较佳地，

运动信息精化器可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{\tilde{m}}}_t\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，表示对进行空域滤波处理后得到的空域平滑图像，λ_tem表示预先设定的时域运动信息精化强度，λ_spa表示预先设定的空域运动信息精化强度；

或者，

运动信息精化器可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，表示对m_t进行空域滤波处理后得到的空域平滑图像；

或者，

运动信息精化器可分别按照以下方式得到m_t′中的每个像素点x的取值m_t'(x)：

$m_t^{\&prime;}\left(x\right)=m_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}+{\mathrm{\&lambda;}}_{\mathrm{spa}}}.$

再有，

滤波器可根据I_t、m_t′和通过时域滤波处理，得到通过对和m_t′进行空域滤波处理，得到O_t；

或者，

滤波器可通过对I_t和m_t′进行空域滤波处理，得到通过对m_t′和进行时域滤波处理，得到O_t；

或者，

滤波器可通过对I_t、m_t′和进行协同方式的时域滤波处理和空域滤波处理，得到O_t。

较佳地，

滤波器可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{\tilde{Q}}}_t\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，表示对进行空域滤波处理后得到的空域平滑图像，λ_tem表示预先设定的时域运动信息精化强度，λ_spa表示预先设定的空域运动信息精化强度；

或者，

滤波器可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，表示对I_t进行空域滤波处理后得到的空域平滑图像；

或者，

滤波器可分别按照以下方式得到O_t中的每个像素点x的取值Q_t(x)：

$Q_t\left(x\right)=I_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-Q_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))}.$

另外，

运动信息精化器还可进一步用于，将生成的精化运动信息图像保存到工作内存中；

滤波器还可进一步用于，将生成的降噪图像保存到工作内存中。

需要说明的是，如果运动信息生成器根据I_t和来生成m_t，那么工作内存中可不用保存历史噪声图像，如果运动信息生成器根据I_t和来生成m_t，那么工作内存中则需要保存历史噪声图像，工作内存中保存的历史噪声图像可以是由运动信息生成器发送来的，也可以是由滤波器发送来的；并且，为了节省内存空间，工作内存中可仅保存最近得到的k₁帧历史降噪图像、最近得到的k₁帧历史噪声图像以及最近得到的k₃帧历史精化运动信息图像，比如，当每新保存进一帧降噪图像时，则从已保存的k₁帧降噪图像中删除一帧最早保存的降噪图像。

图4所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明，此处不再赘述。

总之，采用本发明所述方案，在获取到噪声图像对应的运动信息图像之后，可通过进一步的处理，获取到精化运动信息图像，进而根据精化运动信息图像进行后续处理，以得到所需的降噪图像；从而相比于现有技术，减少了运动信息中所包含的噪声，进而提高了降噪后的图像质量。

而且，本发明所述方案可适用于任意格式的图像，如RGB、YUV、BayerRawData等，具有广泛适用性。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (23)

1.一种图像降噪方法，其特征在于，包括：

根据噪声图像和历史降噪图像，或者，根据所述噪声图像和历史噪声图像，生成所述噪声图像对应的运动信息图像；

根据所述运动信息图像和历史精化运动信息图像，生成所述噪声图像对应的精化运动信息图像；

根据所述噪声图像、所述精化运动信息图像和历史降噪图像，生成所述噪声图像对应的降噪图像。

2.根据权利要求1所述的方法，其特征在于，

所述根据噪声图像和历史降噪图像，或者，根据所述噪声图像和历史噪声图像，生成所述噪声图像对应的运动信息图像包括：

根据所述噪声图像I_t和k₁帧历史降噪图像或者，根据所述I_t和k₁帧历史噪声图像k₁≥1，生成所述I_t对应的运动信息图像m_t，t表示当前帧；

所述根据所述运动信息图像和历史精化运动信息图像，生成所述噪声图像对应的精化运动信息图像包括：

根据所述m_t和k₃帧历史精化运动信息图像k₃≥1，生成所述I_t对应的精化运动信息图像m′_t；

所述根据所述噪声图像、所述精化运动信息图像和历史降噪图像，生成所述噪声图像对应的降噪图像包括：

根据所述I_t、所述m′_t和k₂帧历史降噪图像1≤k₂≤k₁，生成所述I_t对应的降噪图像O_t。

3.根据权利要求2所述的方法，其特征在于，

所述根据所述I_t和k₁帧历史降噪图像生成所述I_t对应的运动信息图像m_t包括：

分别按照以下方式得到所述m_t中的每个像素点x的取值m_t(x)：

针对每帧历史降噪图像O_t-i，分别计算出其对应的运动估计值MV_t(x)；

确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV′_t(x)；

根据MV′_t(x)计算出m_t(x)；

所述根据所述I_t和k₁帧历史噪声图像生成所述I_t对应的运动信息图像m_t包括：

分别按照以下方式得到所述m_t中的每个像素点x的取值m_t(x)：

针对每帧历史噪声图像I_t-i，分别计算出其对应的运动估计值MV_t(x)；

确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV′_t(x)；

根据MV′_t(x)计算出m_t(x)。

4.根据权利要求3所述的方法，其特征在于，

所述针对每帧历史降噪图像O_t-i，分别计算出其对应的MV_t(x)包括：

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-Q_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-Q_{t-i}\left(y\right))}^2;$

其中，所述N(x)表示以像素点x为中心点的n*n大小的邻域，所述y表示位于所述邻域中的每个像素点，所述n为大于1的奇数；

所述针对每帧历史降噪图像I_t-i，分别计算出其对应的MV_t(x)包括：

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-I_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-I_{t-i}\left(y\right))}^2.$

5.根据权利要求3所述的方法，其特征在于，

所述根据MV′_t(x)计算出m_t(x)包括：

$m_t\left(x\right)=\exp (-\frac{{{\mathrm{MV}}_t}^{\&prime;}\left(x\right)}{{\mathrm{\&sigma;}}_x^2});$

或者，

$m_t\left(x\right)=\frac{1}{{\mathrm{\&sigma;}}_x+{M{V}_t}^{\&prime;}\left(x\right)};$

或者，

$m_t\left(x\right)=\left\{\begin{array}{cc}1& {{\mathrm{MV}}_t}^{\&prime;}\left(x\right)==0\\ 1-\frac{{{\mathrm{MV}}_t}^{\&prime;}\left(t\right)}{{\mathrm{Thr}}_x}& 0<{{\mathrm{MV}}_t}^{\&prime;}\left(x\right)\&le;{\mathrm{Thr}}_x\\ 0& {{\mathrm{MV}}_t}^{\&prime;}\left(x\right)>{\mathrm{Thr}}_x\end{array}\right.;$

其中，所述σ_x表示预先获取的像素点x的噪声标准差，所述Thr_x表示预先设定的运动阈值，或者，所述Thr_x＝k*σ_x，所述k为预先设定的系数。

6.根据权利要求2所述的方法，其特征在于，

所述根据所述m_t和k₃帧历史精化运动信息图像生成所述I_t对应的精化运动信息图像m′_t包括：

根据所述m_t和所述通过时域滤波处理，得到通过对所述进行空域滤波处理，得到所述m′_t；

或者，

通过对所述m_t进行空域滤波处理，得到通过对所述和所述进行时域滤波处理，得到所述m′_t；

或者，

通过对所述m_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述m′_t。

7.根据权利要求6所述的方法，其特征在于，

所述根据所述m_t和所述通过时域滤波处理，得到通过对所述进行空域滤波处理，得到所述m′_t包括：

分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\stackrel{\&OverBar;}{~}}{m}}_t\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，所述表示对所述进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

8.根据权利要求6所述的方法，其特征在于，

所述通过对所述m_t进行空域滤波处理，得到通过对所述和所述进行时域滤波处理，得到所述m′_t包括：

分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，所述表示对所述m_t进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

9.根据权利要求6所述的方法，其特征在于，

所述通过对所述m_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述m′_t包括：

分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

$m_t^{\&prime;}\left(x\right)=m_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}+{\mathrm{\&lambda;}}_{\mathrm{spa}}};$

其中，所述表示对所述m_t进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

10.根据权利要2所述的方法，其特征在于，

所述根据所述I_t、所述m′_t和k₂帧历史降噪图像生成所述I_t对应的降噪图像O_t包括：

根据所述I_t、所述m′_t和所述通过时域滤波处理，得到通过对所述和所述m′_t进行空域滤波处理，得到所述O_t；

或者，

通过对所述I_t和所述m′_t进行空域滤波处理，得到通过对所述所述m′_t和所述进行时域滤波处理，得到所述O_t；

或者，

通过对所述I_t、所述m′_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述O_t。

11.根据权利要10所述的方法，其特征在于，

所述根据所述I_t、所述m′_t和所述通过时域滤波处理，得到通过对所述和所述m′_t进行空域滤波处理，得到所述O_t包括：

分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\stackrel{\&OverBar;}{~}}{Q}}_t\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，所述表示对所述进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

12.根据权利要10所述的方法，其特征在于，

所述通过对所述I_t和所述m′_t进行空域滤波处理，得到通过对所述所述m′_t和所述进行时域滤波处理，得到所述O_t包括：

分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，所述表示对所述I_t进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

13.根据权利要10所述的方法，其特征在于，

所述通过对所述I_t、所述m′_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述O_t包括：

分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

$Q_t\left(x\right)=I_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-Q_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))};$

其中，所述表示对所述I_t进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度。

14.一种图像降噪装置，其特征在于，包括：运动信息生成器、运动信息精化器、滤波器和工作内存；

所述运动信息生成器，用于根据噪声图像和保存在所述工作内存中的历史降噪图像，或者，根据所述噪声图像和保存在所述工作内存中的历史噪声图像，生成所述噪声图像对应的运动信息图像，并将所述运动信息图像发送给所述运动信息精化器；

所述运动信息精化器，用于根据所述运动信息图像和保存在所述工作内存中的历史精化运动信息图像，生成所述噪声图像对应的精化运动信息图像，并将所述精化运动信息图像发送给所述滤波器；

所述滤波器，用于根据所述噪声图像、所述精化运动信息图像和保存在所述工作内存中的历史降噪图像，生成所述噪声图像对应的降噪图像。

15.根据权利要求14所述的装置，其特征在于，

所述运动信息生成器根据所述噪声图像I_t和k₁帧历史降噪图像或者，根据所述I_t和k₁帧历史噪声图像k₁≥1，生成所述I_t对应的运动信息图像m_t，t表示当前帧；

所述运动信息精化器根据所述m_t和k₃帧历史精化运动信息图像k₃≥1，生成所述I_t对应的精化运动信息图像m′_t；

所述滤波器根据所述I_t、所述m′_t和k₂帧历史降噪图像1≤k₂≤k₁，生成所述I_t对应的降噪图像O_t。

16.根据权利要求15所述的装置，其特征在于，

所述运动信息生成器分别按照以下方式得到所述m_t中的每个像素点x的取值m_t(x)：针对每帧历史降噪图像O_t-i，分别计算出其对应的运动估计值MV_t(x)；确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV′_t(x)；根据MV′_t(x)计算出m_t(x)；

或者，

所述运动信息生成器分别按照以下方式得到所述m_t中的每个像素点x的取值m_t(x)：针对每帧历史噪声图像I_t-i，分别计算出其对应的运动估计值MV_t(x)；确定出计算得到的k₁个MV_t(x)中的最小值、最大值、中值或均值，将确定结果作为MV′_t(x)；根据MV′_t(x)计算出m_t(x)。

17.根据权利要求16所述的装置，其特征在于，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-Q_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-Q_{t-i}\left(y\right))}^2;$

其中，所述N(x)表示以像素点x为中心点的n*n大小的邻域，所述y表示位于所述邻域中的每个像素点，所述n为大于1的奇数；

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}|I_t\left(y\right)-I_{t-i}\left(y\right)|;$

或者，

${\mathrm{MV}}_t\left(x\right)=\frac{1}{n^2}\underset{y\&Element;N\left(x\right)}{\mathrm{\&Sigma;}}{(I_t\left(y\right)-I_{t-i}\left(y\right))}^2.$

18.根据权利要求16所述的装置，其特征在于，

$m_t\left(x\right)=\exp (-\frac{{{\mathrm{MV}}_t}^{\&prime;}\left(x\right)}{{\mathrm{\&sigma;}}_x^2});$

或者，

$m_t\left(x\right)=\frac{1}{{\mathrm{\&sigma;}}_x+{M{V}_t}^{\&prime;}\left(x\right)};$

或者，

$m_t\left(x\right)=\left\{\begin{array}{cc}1& {{\mathrm{MV}}_t}^{\&prime;}\left(x\right)==0\\ 1-\frac{{{\mathrm{MV}}_t}^{\&prime;}\left(t\right)}{{\mathrm{Thr}}_x}& 0<{{\mathrm{MV}}_t}^{\&prime;}\left(x\right)\&le;{\mathrm{Thr}}_x\\ 0& {{\mathrm{MV}}_t}^{\&prime;}\left(x\right)>{\mathrm{Thr}}_x\end{array}\right.;$

其中，所述σ_x表示预先获取的像素点x的噪声标准差，所述Thr_x表示预先设定的运动阈值，或者，所述Thr_x＝k*σ_x，所述k为预先设定的系数。

19.根据权利要求15所述的装置，其特征在于，

所述运动信息精化器根据所述m_t和所述通过时域滤波处理，得到通过对所述进行空域滤波处理，得到所述m′_t；

或者，

所述运动信息精化器通过对所述m_t进行空域滤波处理，得到通过对所述和所述进行时域滤波处理，得到所述m′_t；

或者，

所述运动信息精化器通过对所述m_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述m′_t。

20.根据权利要求19所述的装置，其特征在于，

所述运动信息精化器分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\stackrel{\&OverBar;}{~}}{m}}_t\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，所述表示对所述进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度；

或者，

所述运动信息精化器分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

${\tilde{m}}_t\left(x\right)=m_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right));$

$m_t^{\&prime;}\left(x\right)={\tilde{m}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-{\tilde{m}}_t\left(x\right));$

其中，所述表示对所述m_t进行空域滤波处理后得到的空域平滑图像；

或者，

所述运动信息精化器分别按照以下方式得到所述m′_t中的每个像素点x的取值m_t'(x)：

$m_t^{\&prime;}\left(x\right)=m_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}\underset{i=1}{\overset{k_3}{\mathrm{\&Sigma;}}}(m_{t-i}^{\&prime;}\left(x\right)-m_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}({\stackrel{\&OverBar;}{m}}_t\left(x\right)-m_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}}{k_3}+{\mathrm{\&lambda;}}_{\mathrm{spa}}}.$

21.根据权利要15所述的装置，其特征在于，

所述滤波器根据所述I_t、所述m′_t和所述通过时域滤波处理，得到通过对所述和所述m′_t进行空域滤波处理，得到所述O_t；

或者，

所述滤波器通过对所述I_t和所述m′_t进行空域滤波处理，得到通过对所述所述m′_t和所述进行时域滤波处理，得到所述O_t；

或者，

所述滤波器通过对所述I_t、所述m′_t和所述进行协同方式的时域滤波处理和空域滤波处理，得到所述O_t。

22.根据权利要21所述的装置，其特征在于，

所述滤波器分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\stackrel{\&OverBar;}{~}}{Q}}_t\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，所述表示对所述进行空域滤波处理后得到的空域平滑图像，所述λ_tem表示预先设定的时域运动信息精化强度，所述λ_spa表示预先设定的空域运动信息精化强度；

或者，

所述滤波器分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

${\tilde{Q}}_t\left(x\right)=I_t\left(x\right)+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right));$

$Q_t\left(x\right)={\tilde{Q}}_t\left(x\right)+\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-{\tilde{Q}}_t\left(x\right));$

其中，所述表示对所述I_t进行空域滤波处理后得到的空域平滑图像；

或者，

所述滤波器分别按照以下方式得到所述O_t中的每个像素点x的取值Q_t(x)：

$Q_t\left(x\right)=I_t\left(x\right)+\frac{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}\underset{i=1}{\overset{k_2}{\mathrm{\&Sigma;}}}(Q_{t-i}\left(x\right)-Q_t\left(x\right))+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))({\stackrel{\&OverBar;}{I}}_t\left(x\right)-I_t\left(x\right))}{\frac{{\mathrm{\&lambda;}}_{\mathrm{tem}}{m}_t^{\&prime;}\left(x\right)}{k_2}+{\mathrm{\&lambda;}}_{\mathrm{spa}}(1-m_t^{\&prime;}\left(x\right))}.$

23.根据权利要求14所述的装置，其特征在于，

所述运动信息精化器进一步用于，将生成的所述精化运动信息图像保存到所述工作内存中；

所述滤波器进一步用于，将生成的所述降噪图像保存到所述工作内存中。