CN108122206A - 一种低照度图像降噪方法及装置 - Google Patents
一种低照度图像降噪方法及装置 Download PDFInfo
- Publication number
- CN108122206A CN108122206A CN201611075591.4A CN201611075591A CN108122206A CN 108122206 A CN108122206 A CN 108122206A CN 201611075591 A CN201611075591 A CN 201611075591A CN 108122206 A CN108122206 A CN 108122206A
- Authority
- CN
- China
- Prior art keywords
- image
- texture
- foreground
- noise reduction
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 85
- 230000009467 reduction Effects 0.000 claims abstract description 80
- 238000005286 illumination Methods 0.000 claims description 75
- 238000001914 filtration Methods 0.000 claims description 53
- 238000012549 training Methods 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种低照度图像降噪方法,包括:获取低照度图像;根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域;将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。本发明还同时公开了一种低照度图像降噪装置。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种低照度图像降噪方法及装置。
背景技术
近年来,随着网络和计算机的普及,将视频监控设备应用到城市公共安防和智能家居等领域,已经呈现迅猛的发展趋势。同时,人们对视频监控得到的图像质量的要求也越来越高,即:希望得到高清、低码流的视频图像。然而,低照度如夜晚、背光、室内等条件,往往会大大降低视频监控设备的性能,使视频监控设备获得的图像可视性降低,导致很难辨别图像中的关键人或物等信息。通常,将在上述低照度场景下拍摄的图像称为低照度图像,且由于低照度图像中含有大量噪声,不仅降低了图像质量,严重影响人眼对图像的辨识度,还使得智能交通、目标识别等基于低照度图像进行处理的计算机视觉系统的性能受到较大影响。
为改善图像的视觉效果,通常会对低照度图像进行图像增强处理,突出图像中感兴趣的部分,增强图像中的有用信息,减弱或去除不需要的信息,这样使有用信息得到加强,从而得到一种更加实用的图像或者转换成一种更适合人或机器分析处理的图像。然而,对于传统的图像增强技术比如去雾霾,采用该技术对图像进行处理之后,会大大增强图像中原有的噪声,往往在图像中出现大片的颜色噪声和一些亮度噪声。因此,对低照度图像进行降噪处理,是一个亟待解决的问题。
对于传统的降噪方法,单独的空域滤波虽能滤除一些噪声,但很容易造成图像细节的损失,或产生块效应,尤其是在量化参数(QP,Quantization Parameter)比较大的H264视频编码中,采用空域滤波编码出来的图像容易出现变糊的现象;单独的时域滤波虽然能很好地利用视频帧间的相关性,可以滤除静止的图像中存在的噪声,但是对于图像中运动的物体,会产生严重的“拖尾”现象;相比于单独的空域滤波和时域滤波,时空域联合滤波虽能在一定程度上抑制噪声,但在对像素空间完成滤波后,会使图像的边缘部分变得不是很明显,导致整个图像的显示效果变得模糊,以至于图像边缘的细节丢失。可见,上述这些现有降噪方法在滤除图像噪声的同时,不能保证物体的色彩饱和度,且在低照度场景下滤除噪声的同时,很难保留物体的细节。
发明内容
有鉴于此,本发明实施例期望提供一种低照度图像降噪方法及装置,旨在解决现有降噪方法对低照度图像处理后所存在的上述问题,能够有效降低图像噪声,最大限度地保持图像的原有信息。
为达到上述目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供一种低照度图像降噪方法,所述方法包括:
获取低照度图像;
根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域;
将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
上述方案中,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
上述方案中,在所述获取低照度图像之前,所述方法还包括:训练学习正常光照强度的参考背景图像。
上述方案中,在所述将所述低照度图像分割成不同的纹理区域之后,所述方法还包括:计算各纹理区域内像素点灰度的标准差;
所述对所述前景图像区域进行降噪处理,包括:
根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
上述方案中,所述对所述背景图像区域进行降噪处理,包括:
对所述背景图像区域的亮度分量信号进行时域滤波;
基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
本发明实施例还提供一种低照度图像降噪装置,所述装置包括:图像获取模块区域划分模块、降噪处理模块;其中,
所述图像获取模块,用于获取低照度图像;
所述区域划分模块,用于根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
所述降噪处理模块,用于对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域,并将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
上述方案中,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
上述方案中,所述装置还包括:训练学习模块,用于在所述图像获取模块获取低照度图像之前,训练学习正常光照强度的参考背景图像。
上述方案中,所述装置还包括:计算模块,用于在所述区域划分模块将所述低照度图像分割成不同的纹理区域之后,计算各纹理区域内像素点灰度的标准差;
所述降噪处理模块包括:前景亮度分量信号处理模块、前景色度分量信号处理模块;其中,
所述前景亮度分量信号处理模块,用于根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
所述前景色度分量信号处理模块,用于根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
上述方案中,所述降噪处理模块还包括:背景亮度分量信号处理模块、背景色度分量信号处理模块;其中,
所述背景亮度分量信号处理模块,用于对所述背景图像区域的亮度分量信号进行时域滤波;
所述背景色度分量信号处理模块,用于基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
本发明实施例所提供的低照度图像降噪方法及装置,获取低照度图像;根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域,并将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。如此,充分利用低照度图像的特点,将降噪技术与纹理锐化技术相结合,能够有效降低图像噪声,且在滤除噪声的过程中,尽量保证物体的色彩饱和度,以及减少物体的细节损失,以最大限度地保持图像的原有信息,提高用户的主观感受。
附图说明
图1为本发明实施例一提供的低照度图像降噪方法的流程示意图;
图2为本发明实施例二提供的低照度图像降噪方法的具体实现流程示意图;
图3为本发明实施例三提供的低照度图像降噪装置的组成结构示意图。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容,下面结合附图对本发明实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明。
实施例一
如图1所示,本发明实施例中低照度图像降噪方法的实现流程,包括以下步骤:
步骤101:获取低照度图像;
在执行本步骤之前,所述方法还包括:训练学习正常光照强度的参考背景图像。
这里,首先,根据图像运动估计算法,将正常光照强度下的图像中的运动物体和静止物体分离出来,通常,将运动物体所处的区域称为前景图像区域,将静止物体所处的区域称为背景图像区域;然后,采用智能学习算法训练学习到正常光照强度的参考背景图像。优选地,所述智能学习算法可采用神经网络学习算法中的k-means聚类算法;其中,在光线良好的情况下,所述参考背景图像会一直自动进行背景更新。
这里,在图像或视频处理应用中,运动估计是一个非常基础的预处理步骤,但运动估计的计算量非常大,因此,对运动估计算法进行并行处理具有重要意义,本发明实施例采用基于区域的运动估计算法,将图像中的运动物体分离出来。其中,对于如何根据图像运动估计算法,分离正常光照强度下的图像中的运动物体和静止物体,属于现有技术,在此不再一一赘述。
这里,需要说明的是,需预先固定监控摄像机位,并在同一位置以同一拍摄角度采集正常光照强度下的图像和低照度图像。
步骤102:根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
这里,可采用现有的超像素分割技术,根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域;可根据图像运动估计算法,将所述纹理区域划分为前景图像区域和背景图像区域;
在本步骤中,将所述低照度图像分割成不同的纹理区域之后,所述方法还包括:计算各纹理区域内像素点灰度的标准差;其中,所述像素点灰度的标准差属于纹理区域的特征信息之一;
其中,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
进一步地,在将所述低照度图像分割成不同的纹理区域后,所述方法还包括:提取各纹理区域的特征信息;其中,所述各纹理区域的特征信息包括:各纹理区域内像素点灰度的标准差,以及各纹理区域内像素点灰度的梯度值。
这里,将各纹理区域内像素点灰度的标准差,作为图像的纹理和噪声水平参数,以便后续根据图像的纹理和噪声水平参数,对图像进行加权平均。
步骤103:对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域;
这里,所述对所述前景图像区域进行降噪处理,包括:
根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
这里,可根据各纹理区域内像素点灰度的标准差与滤波系数之间的映射关系,确定与前景图像区域的各纹理区域对应的滤波系数;其中,该确定过程属于现有技术,在此不再一一赘述。
具体来说,分别采用不同的滤波系数,利用三维块匹配滤波器(BM3D)对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区,可进一步确定各纹理区域的亮暗程度,进而根据各纹理区域的亮暗程度,选择大小合适的滤波系数,并对所述前景图像进行纹理结构的提取,此时,得到的是不含噪声的主要纹理图像,即纹理锐化图像;其中,对于亮度较高的纹理区域,则选择较小的滤波系数,而对于亮度较低的纹理区域,则选择相对较大的滤波系数,也就是说,所述滤波系数可以是用户根据经验选择的经验值。最后,将第一降噪分量图像与纹理锐化图像相叠加,得到第二降噪分量图像,以完成对前景图像亮度分量信号的降噪处理。而对于前景图像色度分量信号,会根据图像各纹理区域的亮暗程度,采用不同的滤波系数对所述前景图像区域的色度分量信号进行分区域滤波,以实现低照度图像的色彩还原。
这里,锐化的目的在于突出物体的边缘轮廓,便于目标识别,常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。
需要特别指出的是,使用BM3D进行滤波,能够在实现去除图像噪声的同时,尽可能多地保留图像的纹理细节。
这里,所述对所述背景图像区域进行降噪处理,包括:
对所述背景图像区域的亮度分量信号进行时域滤波;
基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
具体来说,由于背景图像区域中的画面景物相对固定,因此,采用时域滤波进行降噪的效果会比较好。即:通常是对同一景物连续拍摄几张图像,然后根据图像的纹理和噪声水平参数,对这几张图像做加权平均处理操作,这样就可以得到噪声相对比较小的图像。
步骤104:将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
这里,可通过程序采用现有的加权叠加合成、半透明叠加合成或渐变合成等方法对处理后的前景图像区域和背景图像区域进行合成,以得到完整的一副效果图。
本发明实施例根据图像纹理信息的不同,将低照度的视频监控图像分割为背景区和前景区,并对背景区和前景区采用不同的处理策略进行降噪处理,且对完成降噪处理后的背景区和前景区进行合成,将合成后的图像作为最终得到的降噪图像。这样,能够有效降低图像噪声,最大限度地保持图像的原有信息。同时,降噪后的视频图像不仅能够降低编码码流,使码流平稳,有利于网络传输,还能在低照度场景下放大增益;同时也方便用户提取图像的特征信息,为后续的视频智能分析做准备。
实施例二
下面对本发明实施例低照度图像降噪方法的具体实现过程做进一步地详细说明。
图2给出了本发明实施例低照度图像降噪方法的具体实现流程示意图,如图2所示,包括以下步骤:
步骤201:采集监控图像;
步骤202:根据光感判断当前的光照环境是属于正常光照,还是属于低照度的场景,若是正常光照,则执行步骤203;若是低照度的场景,则执行步骤205;
这里,可采用光线传感器对光线进行检测。
步骤203:对正常光照的图像进行运动检测背景的学习;
这里,可根据图像运动估计算法,将正常光照强度下的图像中的运动物体和静止物体分离出来;通常,将运动物体所处的区域称为前景图像区域,将静止物体所处的区域称为背景图像区域。
这里,可采用神经网络学习算法中的任意一种算法来对正常光照的图像进行运动检测背景的训练学习,以得到正常光照强度的参考背景图像。优选地,可采用k-means聚类算法对参考背景图像进行训练学习。
步骤204:获取正常光照强度的参考背景图像,并转入步骤206;
这里,在光线良好的情况下,所述参考背景图像会一直自动进行背景更新。
步骤205:将低照度图像分割成不同的纹理区域;
这里,可采用现有的超像素分割技术,根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并提取各纹理区域内像素点灰度的标准差;其中,所述像素点灰度的标准差属于纹理区域的特征信息之一,所述纹理区域的特征信息还包括:像素点灰度的梯度值。这里,将各纹理区域内像素点灰度的标准差,作为图像的纹理和噪声水平参数,以便后续根据图像的纹理和噪声水平参数,对图像进行加权平均。
步骤206:基于参考背景图像,将所述纹理区域划分为前景图像区域和背景图像区域;
这里,可根据图像运动估计算法,将所述纹理区域划分为前景图像区域和背景图像区域;所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
步骤207:对前景图像区域和背景图像区域分别进行降噪处理;
这里,所述对前景图像区域进行降噪处理,包括:
根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
这里,可根据各纹理区域内像素点灰度的标准差与滤波系数之间的映射关系,确定与前景图像区域的各纹理区域对应的滤波系数;其中,该确定过程属于现有技术,在此不再一一赘述。
这里,利用BM3D对各纹理区域的亮度分量信号进行滤波,能够在实现去除图像噪声的同时,尽可能多地保留图像的纹理细节。
这里,所述对背景图像区域进行降噪处理,包括:
对所述背景图像区域的亮度分量信号进行时域滤波;
基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
所述时域滤波,通常是对同一景物连续拍摄几张图像,然后根据图像的纹理和噪声水平参数,对这几张图像做加权平均处理操作,这样就可以得到噪声相对比较小的图像。
步骤208:将降噪处理后的前景图像区域和背景图像区域进行合成;
这里,可通过程序采用现有的加权叠加合成、半透明叠加合成或渐变合成等方法对处理后的前景图像区域和背景图像区域进行合成,以得到完整的一副效果图。
步骤209:输出降噪视频图像。
本发明实施例根据图像纹理信息的不同,将低照度的视频监控图像分割为背景区和前景区,并对背景区和前景区采用不同的处理策略进行降噪处理,且对完成降噪处理后的背景区和前景区进行合成,将合成后的图像作为最终得到的降噪图像。这样,能够有效降低图像噪声,最大限度地保持图像的原有信息。同时,降噪后的视频图像不仅能够降低编码码流,使码流平稳,有利于网络传输,还能在低照度场景下放大增益;同时也方便用户提取图像的特征信息,为后续的视频智能分析做准备。
实施例三
为实现上述方法,本发明实施例还提供了一种低照度图像降噪装置,如图3所示,该装置包括图像获取模块301、区域划分模块302、降噪处理模块303;其中,
所述图像获取模块301,用于获取低照度图像;
所述区域划分模块302,用于根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
所述降噪处理模块303,用于对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域,并将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
其中,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
这里,所述装置还包括:训练学习模块304,用于在所述图像获取模块301获取低照度图像之前,训练学习正常光照强度的参考背景图像。
所述装置还包括:计算模块305,用于在所述区域划分模块302将所述低照度图像分割成不同的纹理区域之后,计算各纹理区域内像素点灰度的标准差。
这里,所述降噪处理模块303包括:前景亮度分量信号处理模块、前景色度分量信号处理模块;其中,
所述前景亮度分量信号处理模块,用于根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
所述前景色度分量信号处理模块,用于根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
所述降噪处理模块303还包括:背景亮度分量信号处理模块、背景色度分量信号处理模块;其中,
所述背景亮度分量信号处理模块,用于对所述背景图像区域的亮度分量信号进行时域滤波;
所述背景色度分量信号处理模块,用于基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
在实际应用中,所述图像获取模块301、区域划分模块302、降噪处理模块303、训练学习模块304、计算模块305均可由位于图像处理终端上的中央处理器(CPU,CentralProcessing Unit)、微处理器(MPU,Micro Processor Unit)、数字信号处理器(DSP,Digital Signal Processor)、或现场可编程门阵列(FPGA,Field Programmable GateArray)等实现。
本发明实施例获取低照度图像;根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域,并将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。如此,充分利用低照度图像的特点,将降噪技术与纹理锐化技术相结合,能够有效降低图像噪声,且在滤除噪声的过程中,尽量保证物体的色彩饱和度,以及减少物体的细节损失,以最大限度地保持图像的原有信息,提高用户的主观感受。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种低照度图像降噪方法,其特征在于,所述方法包括:
获取低照度图像;
根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域;
将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
2.根据权利要求1所述的方法,其特征在于,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
3.根据权利要求2所述的方法,其特征在于,在所述获取低照度图像之前,所述方法还包括:训练学习正常光照强度的参考背景图像。
4.根据权利要求2所述的方法,其特征在于,在所述将所述低照度图像分割成不同的纹理区域之后,所述方法还包括:计算各纹理区域内像素点灰度的标准差;
所述对所述前景图像区域进行降噪处理,包括:
根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
5.根据权利要求3所述的方法,其特征在于,所述对所述背景图像区域进行降噪处理,包括:
对所述背景图像区域的亮度分量信号进行时域滤波;
基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
6.一种低照度图像降噪装置,其特征在于,所述装置包括:图像获取模块区域划分模块、降噪处理模块;其中,
所述图像获取模块,用于获取低照度图像;
所述区域划分模块,用于根据图像纹理信息的不同,将所述低照度图像分割成不同的纹理区域,并将所述纹理区域划分为前景图像区域和背景图像区域;
所述降噪处理模块,用于对所述前景图像区域和所述背景图像区域采用不同的处理策略分别进行降噪处理,获得处理后的前景图像区域和背景图像区域,并将所述处理后的前景图像区域和背景图像区域进行合成,得到降噪图像。
7.根据权利要求6所述的装置,其特征在于,所述前景图像区域和所述背景图像区域均包括分量信号;所述分量信号包括:亮度分量信号和色度分量信号。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:训练学习模块,用于在所述图像获取模块获取低照度图像之前,训练学习正常光照强度的参考背景图像。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:计算模块,用于在所述区域划分模块将所述低照度图像分割成不同的纹理区域之后,计算各纹理区域内像素点灰度的标准差;
所述降噪处理模块包括:前景亮度分量信号处理模块、前景色度分量信号处理模块;其中,
所述前景亮度分量信号处理模块,用于根据各纹理区域内像素点灰度的标准差,确定与所述前景图像区域的各纹理区域对应的滤波系数;分别采用各自对应的滤波系数对各纹理区域的亮度分量信号进行滤波,得到第一降噪分量图像;根据所述前景图像的不同纹理分区提取纹理结构,得到纹理锐化图像;将所述第一降噪分量图像与所述纹理锐化图像相叠加,得到第二降噪分量图像;
所述前景色度分量信号处理模块,用于根据不同的纹理区域,对所述前景图像区域的色度分量信号采用不同的滤波系数进行分区域滤波。
10.根据权利要求8所述的装置,其特征在于,所述降噪处理模块还包括:背景亮度分量信号处理模块、背景色度分量信号处理模块;其中,
所述背景亮度分量信号处理模块,用于对所述背景图像区域的亮度分量信号进行时域滤波;
所述背景色度分量信号处理模块,用于基于所述正常光照强度的参考背景图像,对所述背景图像区域的色度分量信号进行时域滤波。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611075591.4A CN108122206A (zh) | 2016-11-29 | 2016-11-29 | 一种低照度图像降噪方法及装置 |
PCT/CN2017/097318 WO2018099136A1 (zh) | 2016-11-29 | 2017-08-14 | 一种低照度图像降噪方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611075591.4A CN108122206A (zh) | 2016-11-29 | 2016-11-29 | 一种低照度图像降噪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108122206A true CN108122206A (zh) | 2018-06-05 |
Family
ID=62225934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611075591.4A Withdrawn CN108122206A (zh) | 2016-11-29 | 2016-11-29 | 一种低照度图像降噪方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108122206A (zh) |
WO (1) | WO2018099136A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246332A (zh) * | 2018-08-31 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 视频流降噪方法和装置、电子设备及存储介质 |
CN109660821A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN109915986A (zh) * | 2018-07-24 | 2019-06-21 | 永康市异造科技有限公司 | 分体式空调器无线报警平台 |
CN110213462A (zh) * | 2019-06-13 | 2019-09-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及图像处理电路 |
CN110264420A (zh) * | 2019-06-13 | 2019-09-20 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN111754416A (zh) * | 2019-03-29 | 2020-10-09 | 通用电气精准医疗有限责任公司 | 用于磁共振图像中背景噪音降低的系统和方法 |
CN112950484A (zh) * | 2019-12-11 | 2021-06-11 | 鸣医(上海)生物科技有限公司 | 一种对摄影影像进行颜色污染祛除的方法 |
CN113689373A (zh) * | 2021-10-21 | 2021-11-23 | 深圳市慧鲤科技有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
US11582400B2 (en) | 2019-04-09 | 2023-02-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of image processing based on plurality of frames of images, electronic device, and storage medium |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353348B (zh) * | 2018-12-24 | 2023-11-24 | 中国移动通信有限公司研究院 | 一种图像处理方法、装置、采集设备及存储介质 |
WO2021081903A1 (zh) * | 2019-10-31 | 2021-05-06 | 深圳先进技术研究院 | 图像的去噪方法、装置及计算机可读存储介质 |
CN110992239B (zh) * | 2019-11-14 | 2023-03-24 | 中国航空工业集团公司洛阳电光设备研究所 | 一种基于单片ddr3芯片的图像时域滤波与显示的方法 |
CN111145210B (zh) * | 2019-12-20 | 2023-09-08 | 上海富瀚微电子股份有限公司 | 一种前景提取方法及装置、可读存储介质 |
CN111462008B (zh) * | 2020-03-31 | 2023-04-11 | 湖南优美科技发展有限公司 | 低照度图像增强方法、低照度图像增强装置和电子设备 |
CN113674158A (zh) * | 2020-05-13 | 2021-11-19 | 浙江宇视科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112085686A (zh) * | 2020-08-21 | 2020-12-15 | 北京迈格威科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113052836A (zh) * | 2021-04-21 | 2021-06-29 | 深圳壹账通智能科技有限公司 | 电子身份照片检测方法、装置、电子设备及存储介质 |
CN113240607A (zh) * | 2021-05-26 | 2021-08-10 | Oppo广东移动通信有限公司 | 图像去噪方法、装置、电子设备及存储介质 |
CN114862711B (zh) * | 2022-04-29 | 2023-03-31 | 西安理工大学 | 基于双重互补先验约束的低照度图像增强与去噪方法 |
CN117152182B (zh) * | 2023-10-31 | 2024-02-20 | 深圳市巨龙创视科技有限公司 | 一种超低照度网络相机图像处理方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428409A (zh) * | 2012-05-15 | 2013-12-04 | 深圳中兴力维技术有限公司 | 一种基于固定场景的视频降噪处理方法及装置 |
US20150104100A1 (en) * | 2013-01-07 | 2015-04-16 | Huawei Device Co., Ltd. | Image Processing Method and Apparatus, and Shooting Terminal |
CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
-
2016
- 2016-11-29 CN CN201611075591.4A patent/CN108122206A/zh not_active Withdrawn
-
2017
- 2017-08-14 WO PCT/CN2017/097318 patent/WO2018099136A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428409A (zh) * | 2012-05-15 | 2013-12-04 | 深圳中兴力维技术有限公司 | 一种基于固定场景的视频降噪处理方法及装置 |
US20150104100A1 (en) * | 2013-01-07 | 2015-04-16 | Huawei Device Co., Ltd. | Image Processing Method and Apparatus, and Shooting Terminal |
CN105046658A (zh) * | 2015-06-26 | 2015-11-11 | 北京大学深圳研究生院 | 一种低照度图像处理方法和装置 |
CN105654436A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种基于前景背景分离的背光图像增强去噪方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109915986A (zh) * | 2018-07-24 | 2019-06-21 | 永康市异造科技有限公司 | 分体式空调器无线报警平台 |
CN109915986B (zh) * | 2018-07-24 | 2021-03-23 | 浙江德塔森特数据技术有限公司 | 分体式空调器无线报警平台 |
CN109246332A (zh) * | 2018-08-31 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 视频流降噪方法和装置、电子设备及存储介质 |
CN109660821A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN111754416A (zh) * | 2019-03-29 | 2020-10-09 | 通用电气精准医疗有限责任公司 | 用于磁共振图像中背景噪音降低的系统和方法 |
US11582400B2 (en) | 2019-04-09 | 2023-02-14 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of image processing based on plurality of frames of images, electronic device, and storage medium |
CN110213462A (zh) * | 2019-06-13 | 2019-09-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及图像处理电路 |
CN110264420A (zh) * | 2019-06-13 | 2019-09-20 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN110264420B (zh) * | 2019-06-13 | 2023-04-25 | Oppo广东移动通信有限公司 | 基于多帧图像的图像处理方法和装置 |
CN112950484A (zh) * | 2019-12-11 | 2021-06-11 | 鸣医(上海)生物科技有限公司 | 一种对摄影影像进行颜色污染祛除的方法 |
CN113689373A (zh) * | 2021-10-21 | 2021-11-23 | 深圳市慧鲤科技有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2018099136A1 (zh) | 2018-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122206A (zh) | 一种低照度图像降噪方法及装置 | |
KR102104403B1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
EP2852152B1 (en) | Image processing method, apparatus and shooting terminal | |
CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
CN101853497A (zh) | 一种图像增强方法和装置 | |
CN101742292B (zh) | 基于图像内容信息的环路滤波方法和滤波器 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
Li et al. | Low illumination video image enhancement | |
Kim et al. | A novel framework for extremely low-light video enhancement | |
Liu et al. | Single image haze removal via depth-based contrast stretching transform | |
CN116363011A (zh) | 一种基于频域分频的多分支低照度图像增强方法 | |
CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
Kansal et al. | Fusion-based image de-fogging using dual tree complex wavelet transform | |
Soumya et al. | Day color transfer based night video enhancement for surveillance system | |
Hu et al. | A region-based video de-noising algorithm based on temporal and spatial correlations | |
Xu et al. | Global image dehazing via frequency perception filtering | |
CN111383242B (zh) | 一种图像透雾处理方法及装置 | |
Gujral et al. | A Novel Defogging Technique for Dehazing Images | |
Adidela et al. | Single image and video Dehazing: A dark channel prior (DCP)-based approach | |
CN108174056A (zh) | 一种时空域联合的微光视频降噪方法 | |
Kumari et al. | Improved single image and video dehazing using morphological operation | |
CN112752064A (zh) | 电力通信光缆监控视频的处理方法和系统 | |
Naseeba et al. | KP Visibility Restoration of Single Hazy Images Captured in Real-World Weather Conditions | |
Kaur et al. | Improved dark channel prior using gabor filter and CLAHE | |
Kamboj et al. | Color Edge Detection in RGB Color Space Using Automatic Threshold Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180605 |
|
WW01 | Invention patent application withdrawn after publication |