CN108389170A - 多广角摄像机重叠区域的图像增强及去噪方法和装置 - Google Patents
多广角摄像机重叠区域的图像增强及去噪方法和装置 Download PDFInfo
- Publication number
- CN108389170A CN108389170A CN201810187818.7A CN201810187818A CN108389170A CN 108389170 A CN108389170 A CN 108389170A CN 201810187818 A CN201810187818 A CN 201810187818A CN 108389170 A CN108389170 A CN 108389170A
- Authority
- CN
- China
- Prior art keywords
- image
- denoising
- pending area
- sharpening
- perona
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000009792 diffusion process Methods 0.000 claims description 35
- 238000002156 mixing Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000003706 image smoothing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000003707 image sharpening Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000007704 transition 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种多广角摄像机重叠区域的图像增强及去噪方法和装置,涉及图像处理技术领域,主要目的是在增强图像视觉效果的同时消除噪声,保留图像的边缘细节信息,所述方法包括:从信息融合后的图像中选取预设区域作为待处理区域;对所述待处理区域进行锐化;采用Perona‑Malik模型对锐化后的待处理区域进行去噪;将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。本发明主要用于图像增强及去噪。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种多广角摄像机重叠区域的图像增强及去噪方法和装置。
背景技术
在图像处理中,图像增强技术对于提高图像的质量起着重要作用。它通过有选择的强调图像中某些信息而抑制掉另一些信息,以改善图像的视觉效果,来适应图像不同的应用场合。
现有的图像增强技术主要是在频率域和空间域两个层次上进行,前者是把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强,通常可以采用滤波器来实现,后者是对图像中的像素点进行操作,通常可以采用局部求平均值和中值滤波来实现。
在对图像进行增强后,也会使得噪声的边缘也增加对比度,进而导致噪声更明显。这些噪声对图像的真实细节情况有一定的影响。通常情况下,在图像增强后会对图像进行去噪处理,传统的去噪方法如高斯滤波由于其各向通行扩散而不能保持边界信息,基于偏微分方程的变分去噪方法由于其各向异性的特性可以在消除噪声的同时保持边界信息,但是该去噪方法不具有向后扩散性,使得图像边缘细节显示效果不理想。
发明内容
本发明提供一种多广角摄像机重叠区域的图像增强及去噪方法和装置,能够在增强图像视觉效果的同时消除噪声,保留图像的边缘细节信息。
一方面,本发明提供了一种多广角摄像机重叠区域的图像增强及去噪方法,包括:
从信息融合后的图像中选取预设区域作为待处理区域;
对所述待处理区域进行锐化;
采用Perona-Malik模型对锐化后的待处理区域进行去噪;
将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
进一步地,所述从信息融合后的图像中选取预设区域作为待处理区域包括:
通过对原始图像的重叠区域进行信息融合,得到融合图像;
从所述融合图像中选取规则重叠区域作为待处理区域。
进一步地,所述对所述待处理区域进行锐化,具体用于:
根据拉普拉斯算子确定锐化滤波器;
遍历所述待处理区域中的像素点,根据所述锐化滤波器对所述待处理区域进行滤波锐化。
进一步地,所述采用Perona-Malik模型对锐化后的待处理区域进行去噪包括:
根据Perona-Malik模型采用迭代法对锐化后的待处理区域进行去噪;
获取每次迭代后的图像梯度,根据所述每次迭代后的图像梯度确定所述Perona-Malik模型的扩散系数。
进一步地,在所述将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像之后,所述方法还包括:
获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
进一步地,所述方法还包括:
通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
另一方面,本发明提供了一种多广角摄像机重叠区域的图像增强及去噪装置,包括:
选取单元,用于从信息融合后的图像中选取预设区域作为待处理区域;
锐化单元,用于对所述待处理区域进行锐化;
去噪单元,用于采用Perona-Malik模型对锐化后的待处理区域进行去噪;
拼接单元,用于将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
进一步地,所述选取单元包括:
融合模块,用于通过对原始图像的重叠区域进行信息融合,得到融合图像;
选取模块,用于从所述融合图像中选取规则重叠区域作为待处理区域。
进一步地,所述锐化单元包括:
第一确定模块,用于根据拉普拉斯算子确定锐化滤波器;
锐化模块,用于遍历所述待处理区域中的像素点,根据所述锐化滤波器对所述待处理区域进行滤波锐化。
进一步地,所述去噪单元包括:
去噪模块,用于根据Perona-Malik模型采用迭代法对锐化后的待处理区域进行去噪;
第二确定模块,用于获取每次迭代后的图像梯度,根据所述每次迭代后的图像梯度确定所述Perona-Malik模型的扩散系数。
进一步地,所述装置还包括:
融合单元,用于获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
进一步地,所述装置还包括:
评估单元,用于通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
由上述技术方案可知,本发明提供的一种多广角摄像机重叠区域的图像增强及去噪方法和装置,通过对待处理区域进行锐化,能够增强图像中灰度突变的区域,减弱图像中灰度的缓慢变化区域,突出图像细节,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,采用各向异性扩散方程来消除图像噪声,较好的保留了原始图像的边缘信息。与现有技术的图像增强方法相比,本发明实施例采用的Perona-Malik模型具有图像边缘增强的功能,Perona-Malik模型的扩散系数是图像梯度的单调递减函数,在灰度梯度规模较大处,也就是图像边缘处扩散较慢,在灰度梯度规模较小处,也就是图像平滑区域扩散较快,进而在消除图像噪声的同时较好的保留了图像的边缘信息。
附图说明
图1为本发明一实施例提供的图像增强及去噪方法的流程示意图;
图2为本发明另一实施例提供的图像增强及去噪方法的流程示意图;
图3为本发明一实施例提供的图像增强及去噪装置的组成框图;
图4为本发明另一实施例提供的图像增强及去噪装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明一实施例提供的图像增强及去噪方法的流程示意图,如图1所示,所述方法包括:
101、从信息融合后的图像中选取预设区域作为待处理区域。
对于本发明实施例,在使用摄像机拍摄的过程中,通常会有连拍现象,此时会出现多张具有重叠区域的图片,通过对重叠的图片进行信息融合,将多张图片中重叠区域的图像信息汇总,融合后图像包含所有原始拍摄图像的明显突出信息,最大限度的提取重叠区域的有利信息,综合成高质量的图片,以提高重叠区域图像信息的利用率。
其中,预设区域为融合后图像中的部分区域,这里区域可以为方形区域、圆形区域等规则区域,还可以为通过特殊形状选取的不规则区域,本发明实施例对预设区域不进行限定。
对于本发明实施例,这里的待处理区域为综合至少两张原始图像的有用信息所得到的图像区域,可以用于后期处理,由于信息融合过程中已经对图像进行了很好的信息提取,进而后期处理阶段相对容易很多。
102、对所述待处理区域进行锐化。
由于经过信息融合后的待处理区后,图像质量可能会下降,会出现模糊现象,而图片增强技术中需要突出边缘和轮廓信息,通过对待处理区域进行锐化能够加强图像的边缘或轮廓,使图像看起来比较清晰。
应说明的是,本发明实施例对锐化方法不进行限定,可以为微分锐化方法,还可以为高通滤波锐化方法,对于微分锐化方法主要有梯度锐化和拉普拉斯锐化,由于图像锐化主要影响图像中的低频分量,不影响图像中的高频分量,从而锐化后的图像更适合人眼观察和识别。
103、采用Perona-Malik模型对锐化后的待处理区域进行去噪。
由于图像锐化使噪声受到比信号还要强的增强,所以锐化后的待处理区域使得噪声变得更加明显,对图像的真实细节情况产生了一定都影响,本发明实施例采用Perona-Malik模型对锐化后的待处理区域进行去噪。
其中,Perona-Malik模型是一种经典的非线性图像扩散模型,该模型能够根据设定的阈值对图像光滑区域进行扩散,并能自适应地保持图像边缘,使得图像边界和其他区域扩散速度不一致,具有各向异性扩散的特点。
对于本发明实施例,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,由于Perona-Malik模型采用各向异性扩散方程,不仅可以保留锐化后的待处理区域边缘信息,还可以消除图像噪声。
104、将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
对于本发明实施例,去噪后的待处理区域为对原始图像重叠部分进行的处理,进一步还需将去噪后的待处理区域与融合后的图像进行拼接来最大程度的还原图像,还原后的图像相比原始图像,能够更好的保留原始图像的边缘信息,并且拼接后的图片具有更高的清晰度。
本发明实施例提供的一种图像增强及去噪方法,通过对待处理区域进行锐化,能够增强图像中灰度突变的区域,减弱图像中灰度的缓慢变化区域,突出图像细节,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,采用各向异性扩散方程来消除图像噪声,较好的保留了原始图像的边缘信息。与现有技术的图像增强方法相比,本发明实施例采用的Perona-Malik模型具有图像边缘增强的功能,Perona-Malik模型的扩散系数是图像梯度的单调递减函数,在灰度梯度规模较大处,也就是图像边缘处扩散较慢,在灰度梯度规模较小处,也就是图像平滑区域扩散较快,进而在消除图像噪声的同时较好的保留了图像的边缘信息。
图2示出了本发明另一实施例提供的图像增强及去噪方法的流程示意图,如图2所示,所述方法包括:
201、通过对原始图像的重叠区域进行信息融合,得到融合图像。
本发明实施例中的图像可以为飞艇、无人直升飞机或者固定翼飞机模型在高空作业过程中通过定时的方式来拍摄得到的,此时可能造成在一个小的范围内有多张图像,当然还可以为通过相邻广角摄像机拍摄的多张图像,本发明实施例对图像的拍摄方式不进行限定。
对于本发明实施例,可以将原始图像的重叠区域内的像元进行融合,还可以在提取原始图像重叠区域的特征后,将原始图像的重叠区域的特征进行融合,还可以在将原始图像的重叠区域进行分类后,确定各个类别中的特征影像,根据特征影像将原始图像的重叠区进行融合,本发明实施例对融合方式不进行限定,通过对原始图像的重叠区域进行信息融合后,能够提取重叠区域的有利信息,综合成高质量的融合图像。
202、从所述融合图像中选取规则重叠区域作为待处理区域。
为了方便计算,本发明实施例在不限规则的重叠区域内选取规则重叠区域作为待处理区域,这里的规则区域可以为方形、梯形等多边形,本发明实施例对此不进行限定,为了方便观察,优选规则四边形。
203、根据拉普拉斯算子确定锐化滤波器。
其中,拉普拉斯算子是不依赖于边缘方向的二阶微分算子,是常用的二阶导数算子,具有线性特性和旋转不变,即各项同性的性质,对于本发明实施例,根据拉普拉斯算子确定的锐化滤波器可以表示成如下形式:
上述拉普拉斯算子是常用的边缘增强算子,相当于一种各向同性滤波器,即滤波器的响应与滤波器作用图像的突变方向无关,并且实现简单。
204、遍历所述待处理区域中的像素点,根据所述锐化滤波器对所述待处理区域进行滤波锐化。
需要说明的是,为了防止处理后的区域与融合后图像拼接后会出现明显边界,这里将待处理区域的宽度和高度分别向左、向下扩展10个像素,使待处理区域中灰度反差增强,从而增强待处理区域中边缘信息,有利于轮廓抽取。
另外,上述的锐化方法既可以产生拉普拉斯锐化处理的效果,同时又能保留原始图像的背景信息,将原始图像叠加到拉普拉斯变换的处理结果中去,可以使图像中的各灰度值得到保留,使灰度突变处的对比度得到增强,最终结果是在保留图像背景的前提下,突现出图像中小的细节信息。
205、采用Perona-Malik模型对锐化后的待处理区域进行去噪。
为了解决同向扩散方程的缺点,本发明实施例采用迭代法根据Perona-Malik模型对锐化后的待处理区域进行去噪,获取每次迭代后的图像梯度,将每次迭代后的图像梯度作为确定Perona-Malik模型扩散系数的依据,进一步对锐化后的待处理区域进行去噪。
上述Perona-Malik模型的迭代公式为:
其中,t为迭代次数,ut+1为第t+1次的图像,ut为第t次的图像,cNx,y,cSx,y,cEx,y,cWx,y为四个方向上的扩散系数,λ为比例系数;
本实施例中选取扩散系数为:
其中,k是一个可以预设也可以随着迭代结果变化的梯度门限,由于扩散系数是梯度的单调递减函数,在灰度梯度模较大处,即在图像边缘附近扩散较慢,而在灰度梯度模较小的地方,即在图像的平滑区域扩散较快。
对于本发明实施例,可以选取迭代次数t=3,梯度门限k=40,比例系数λ=0.15,在通过Perona-Malik模型对待处理区域进行去噪后,可以在出色地消除待处理区域的噪声的同时完美地保留待处理区域的边缘信息。
206、将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
本发明实施例通过将去噪后的待处理区域与所述融合后的图像进行拼接来最大程度的还原图像,还原后的图像相比原始图像,能够更好的保留原始图像的边缘信息,并且拼接后的图片具有更高的清晰度。
207、获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
本发明实施例中,可以看出待处理区域与融合后的图像拼接在一起增强后的图像有了明显边界,因此对增强后的图像在边界处进行渐入渐出融合,进而对增强后的图像进行完善,使得图像拼接处颜色逐渐过渡,并且避免拼接后的图像模糊和缝合线
208、通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊,因此本发明实施例采用无参考图像清晰度的评价指标NRSS对增强后的图像进行评估,
其中,无参考图像清晰度的评价指标NRSS是针对图像模糊的无参考质量评价算法,该指标认为清晰的图像比模糊图像所包含的细节信息更多,即可以通过比较图像中高频信息的丰富程度来比较图像的清晰度,进而用图像的清晰度来代表图像质量。由于没有原始参考图像,NRSS将待评价图像进行低通滤波,得到的图像就作为待评价图像的参考图像;如果原图像清晰,那么低通滤波操作就会损失大部分的高频信息,得到的图像与原图像的结构相似度就比较小。该指标采用SSIM算法作为判断图像结构相似度的方法
具体采用NRSS对增强后的图像进行评估的步骤可以包括但不限于如下所述:
步骤a:对增强后的图像低通滤波,构造其参考图像;
实验表明,当高斯平滑滤波器为7×7大小且二维高斯曲线标准差σ=6时,既可以与成像系统较好的匹配,又可以获得良好的评价效果。设增强后的图像为A,滤波后图像为A*。
步骤b:采用Sobel算子,在水平方向和竖直方向,分别提取图像A和A*的边缘信息,得到图像A和A*的梯度图像T和T*。
步骤c:采用SSIM算法计算图像T和T*的结构相似度mssim,mssim值越小,证明原始图像越清晰,NRSS算法评分nrss=1-mssim,所以增强后的图像的nrss值越大,该图像越清晰。
采用NRSS算法对原始图像和采用各个算法处理后图像的图像质量进行评价,分数越高,质量越高;对于本发明实施例中,原始图像质量为0.6640;增强及高斯滤波后图像质量为0.5064;经过拉普拉斯锐化增强及保边缘滤波后的图像质量为0.8875。可见经过拉普拉斯锐化增强及保边缘滤波后的图像,相较于原始图像清晰度有了大幅提升,相较于高斯滤波,保边缘滤波保留了边缘信息,具有更高的清晰度。
本发明实施例提供的另一种图像增强及去噪方法,通过对待处理区域进行锐化,能够增强图像中灰度突变的区域,减弱图像中灰度的缓慢变化区域,突出图像细节,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,采用各向异性扩散方程来消除图像噪声,较好的保留了原始图像的边缘信息。与现有技术的图像增强方法相比,本发明实施例采用的Perona-Malik模型具有图像边缘增强的功能,Perona-Malik模型的扩散系数是图像梯度的单调递减函数,在灰度梯度规模较大处,也就是图像边缘处扩散较慢,在灰度梯度规模较小处,也就是图像平滑区域扩散较快,进而在消除图像噪声的同时较好的保留了图像的边缘信息。
另外,通过拉普拉斯算子确定的滤波器对待处理图像进行锐化,可以增强图像中灰度突变的区域,减弱图像中灰度变化缓慢的区域,突现出图像中小的细节信息。
进一步地,作为图1所示方法的具体实现,图3示出了本发明实施例提供的一种图像增强及去噪装置的组成框图,如图3所示,该装置包括:
选取单元31,可以用于从信息融合后的图像中选取预设区域作为待处理区域;
锐化单元32,可以用于对所述待处理区域进行锐化;
去噪单元33,可以用于采用Perona-Malik模型对锐化后的待处理区域进行去噪;
拼接单元34,可以用于将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
本发明实施例提供的一种图像增强及去噪装置,通过对待处理区域进行锐化,能够增强图像中灰度突变的区域,减弱图像中灰度的缓慢变化区域,突出图像细节,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,采用各向异性扩散方程来消除图像噪声,较好的保留了原始图像的边缘信息。与现有技术的图像增强方法相比,本发明实施例采用的Perona-Malik模型具有图像边缘增强的功能,Perona-Malik模型的扩散系数是图像梯度的单调递减函数,在灰度梯度规模较大处,也就是图像边缘处扩散较慢,在灰度梯度规模较小处,也就是图像平滑区域扩散较快,进而在消除图像噪声的同时较好的保留了图像的边缘信息。
进一步地,如图4所示,所述装置还包括:
融合单元35,可以用于获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
评估单元36,可以用于通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
进一步地,所述选取单元31包括:
融合模块311,可以用于通过对原始图像的重叠区域进行信息融合,得到融合图像;
选取模块312,可以用于从所述融合图像中选取规则重叠区域作为待处理区域。
进一步地,所述锐化单元32包括:
第一确定模块321,可以用于遍历所述待处理区域中的像素点,根据拉普拉斯算子确定锐化滤波器;
锐化模块322,可以用于根据所述锐化滤波器对所述待处理区域进行滤波锐化。
进一步地,所述去噪单元33包括:
去噪模块331,可以用于根据Perona-Malik模型采用迭代法对锐化后的待处理区域进行去噪;
第二确定模块332,可以用于获取每次迭代后的图像梯度,根据所述每次迭代后的图像梯度确定所述Perona-Malik模型的扩散系数。
本发明实施例提供的另一种图像增强及去噪装置,通过对待处理区域进行锐化,能够增强图像中灰度突变的区域,减弱图像中灰度的缓慢变化区域,突出图像细节,通过采用Perona-Malik模型对锐化后的待处理区域进行去噪,采用各向异性扩散方程来消除图像噪声,较好的保留了原始图像的边缘信息。与现有技术的图像增强方法相比,本发明实施例采用的Perona-Malik模型具有图像边缘增强的功能,Perona-Malik模型的扩散系数是图像梯度的单调递减函数,在灰度梯度规模较大处,也就是图像边缘处扩散较慢,在灰度梯度规模较小处,也就是图像平滑区域扩散较快,进而在消除图像噪声的同时较好的保留了图像的边缘信息。
另外,通过拉普拉斯算子确定的滤波器对待处理图像进行锐化,可以增强图像中灰度突变的区域,减弱图像中灰度变化缓慢的区域,突现出图像中小的细节信息。
最后需要说明的是,以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的权利要求保护的范围。
Claims (10)
1.一种多广角摄像机重叠区域的图像增强及去噪方法,其特征在于,包括:
从信息融合后的图像中选取预设区域作为待处理区域;
对所述待处理区域进行锐化;
采用Perona-Malik模型对锐化后的待处理区域进行去噪;
将去噪后的待处理区域与所述信息融合后的图像进行拼接,得到增强后的图像。
2.根据权利要求1所述的图像增强及去噪方法,其特征在于,所述从信息融合后的图像中选取预设区域作为待处理区域包括:
通过对原始图像的重叠区域进行信息融合,得到融合图像;
从所述融合图像中选取规则重叠区域作为待处理区域。
3.根据权利要求1所述的图像增强及去噪方法,其特征在于,所述对所述待处理区域进行锐化包括:
根据拉普拉斯算子确定锐化滤波器;
遍历所述待处理区域中的像素点,根据所述锐化滤波器对所述待处理区域进行滤波锐化。
4.根据权利要求1所述的图像增强及去噪方法,其特征在于,所述采用Perona-Malik模型对锐化后的待处理区域进行去噪包括:
根据Perona-Malik模型采用迭代法对锐化后的待处理区域进行去噪;
获取每次迭代后的图像梯度,根据所述每次迭代后的图像梯度确定所述Perona-Malik模型的扩散系数。
5.根据权利要求1-5中任一项所述的图像增强及去噪方法,其特征在于,在所述将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像之后,所述方法还包括:
获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
6.根据权利要求5所述的图像增强及去噪方法,其特征在于,所述方法还包括:
通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
7.一种多广角摄像机重叠区域的图像增强及去噪装置,其特征在于,包括:
选取单元,用于从信息融合后的图像中选取预设区域作为待处理区域;
锐化单元,用于对所述待处理区域进行锐化;
去噪单元,用于采用Perona-Malik模型对锐化后的待处理区域进行去噪;
拼接单元,用于将去噪后的待处理区域与所述融合后的图像进行拼接,得到增强后的图像。
8.根据权利要求7所述的图像增强及去噪装置,其特征在于,所述选取单元包括:
融合模块,用于通过对原始图像的重叠区域进行信息融合,得到融合图像;
选取模块,用于从所述融合图像中选取规则重叠区域作为待处理区域;
所述锐化单元包括:
第一确定模块,用于根据拉普拉斯算子确定锐化滤波器;
锐化模块,用于遍历所述待处理区域中的像素点,根据所述锐化滤波器对所述待处理区域进行滤波锐化;
所述去噪单元包括:
去噪模块,用于根据Perona-Malik模型采用迭代法对锐化后的待处理区域进行去噪;
第二确定模块,用于获取每次迭代后的图像梯度,根据所述每次迭代后的图像梯度确定所述Perona-Malik模型的扩散系数。
9.根据权利要求7-8中任一项所述的图像增强及去噪装置,其特征在于,所述装置还包括:
融合单元,用于获取所述增强后的图像边界,对所述增强后的图像边界处进行渐入渐出融合。
10.根据权利要求9所述的图像增强及去噪装置,其特征在于,所述装置还包括:
评估单元,用于通过无参考图像清晰度的评价指标对所述增强后的图像进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187818.7A CN108389170A (zh) | 2018-03-07 | 2018-03-07 | 多广角摄像机重叠区域的图像增强及去噪方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187818.7A CN108389170A (zh) | 2018-03-07 | 2018-03-07 | 多广角摄像机重叠区域的图像增强及去噪方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108389170A true CN108389170A (zh) | 2018-08-10 |
Family
ID=63066862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187818.7A Pending CN108389170A (zh) | 2018-03-07 | 2018-03-07 | 多广角摄像机重叠区域的图像增强及去噪方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108389170A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008954A (zh) * | 2019-03-29 | 2019-07-12 | 重庆大学 | 一种基于多阈值融合的复杂背景文本图像提取方法及系统 |
WO2020078102A1 (zh) * | 2018-10-17 | 2020-04-23 | 北京达佳互联信息技术有限公司 | 图像增强方法、装置和计算机可读存储介质 |
CN112465804A (zh) * | 2020-12-11 | 2021-03-09 | 芜湖恩之伟汽车零部件有限公司 | 一种用于汽车轮毂的加工检测设备 |
CN112669242A (zh) * | 2021-03-16 | 2021-04-16 | 四川大学 | 基于改进图像增强算法与生成对抗网络的夜景复原方法 |
CN113269681A (zh) * | 2021-04-20 | 2021-08-17 | 飞马滨(青岛)智能科技有限公司 | 一种基于多算法融合的水下实时图像增强方法 |
CN113450264A (zh) * | 2020-03-27 | 2021-09-28 | 上海途擎微电子有限公司 | 去振铃效应的方法及其相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093348A (zh) * | 2006-06-22 | 2007-12-26 | 三星电子株式会社 | 便携式终端中全景摄影的装置和方法 |
CN101540046A (zh) * | 2009-04-10 | 2009-09-23 | 凌阳电通科技股份有限公司 | 基于图像特征的全景图拼接方法和装置 |
CN103514591A (zh) * | 2012-06-15 | 2014-01-15 | 深圳市蓝韵实业有限公司 | 基于orb配准的dr图像拼接方法及系统 |
US20140064636A1 (en) * | 2007-11-29 | 2014-03-06 | Sri International | Multi-scale adaptive fusion with contrast normalization |
CN104318517A (zh) * | 2014-11-19 | 2015-01-28 | 北京奇虎科技有限公司 | 一种图像拼接处理方法、装置及客户端 |
CN104361569A (zh) * | 2014-11-11 | 2015-02-18 | 浙江宇视科技有限公司 | 图像拼接的方法及装置 |
CN105069749A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 一种轮胎模具图像的拼接方法 |
-
2018
- 2018-03-07 CN CN201810187818.7A patent/CN108389170A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093348A (zh) * | 2006-06-22 | 2007-12-26 | 三星电子株式会社 | 便携式终端中全景摄影的装置和方法 |
US20140064636A1 (en) * | 2007-11-29 | 2014-03-06 | Sri International | Multi-scale adaptive fusion with contrast normalization |
CN101540046A (zh) * | 2009-04-10 | 2009-09-23 | 凌阳电通科技股份有限公司 | 基于图像特征的全景图拼接方法和装置 |
CN103514591A (zh) * | 2012-06-15 | 2014-01-15 | 深圳市蓝韵实业有限公司 | 基于orb配准的dr图像拼接方法及系统 |
CN104361569A (zh) * | 2014-11-11 | 2015-02-18 | 浙江宇视科技有限公司 | 图像拼接的方法及装置 |
CN104318517A (zh) * | 2014-11-19 | 2015-01-28 | 北京奇虎科技有限公司 | 一种图像拼接处理方法、装置及客户端 |
CN105069749A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 一种轮胎模具图像的拼接方法 |
Non-Patent Citations (2)
Title |
---|
QI LI 等: "Real-time terahertz scanning imaging byuse of a pyroelectric array camera and image denoising", 《JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A》 * |
程慧斌: "偏微分方程在图像处理中的应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020078102A1 (zh) * | 2018-10-17 | 2020-04-23 | 北京达佳互联信息技术有限公司 | 图像增强方法、装置和计算机可读存储介质 |
CN110008954A (zh) * | 2019-03-29 | 2019-07-12 | 重庆大学 | 一种基于多阈值融合的复杂背景文本图像提取方法及系统 |
CN113450264A (zh) * | 2020-03-27 | 2021-09-28 | 上海途擎微电子有限公司 | 去振铃效应的方法及其相关装置 |
CN112465804A (zh) * | 2020-12-11 | 2021-03-09 | 芜湖恩之伟汽车零部件有限公司 | 一种用于汽车轮毂的加工检测设备 |
CN112669242A (zh) * | 2021-03-16 | 2021-04-16 | 四川大学 | 基于改进图像增强算法与生成对抗网络的夜景复原方法 |
CN113269681A (zh) * | 2021-04-20 | 2021-08-17 | 飞马滨(青岛)智能科技有限公司 | 一种基于多算法融合的水下实时图像增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108389170A (zh) | 多广角摄像机重叠区域的图像增强及去噪方法和装置 | |
CN108376391B (zh) | 一种智能化红外图像场景增强方法 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN103514583B (zh) | 图像锐化方法及设备 | |
US9406108B2 (en) | Deblurring of an image from a sequence of images | |
US6959117B2 (en) | Method and apparatus for deblurring and re-blurring image segments | |
CN111161167B (zh) | 基于中通道补偿和自适应大气光估计的单幅图像去雾方法 | |
CN104933679A (zh) | 一种放大图像的方法及其对应系统 | |
CN108154482A (zh) | 基于暗通道先验和多方向加权tv的图像盲去模糊方法 | |
CN102201111A (zh) | 自适应图像修复方法 | |
Leu | Edge sharpening through ramp width reduction | |
Kudo et al. | Image dehazing method by fusing weighted near-infrared image | |
CN105243647A (zh) | 一种基于线性空间滤波的图像增强方法 | |
Bao et al. | An edge-preserving filtering framework for visibility restoration | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN111598800A (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 | |
CN106504216A (zh) | 基于变分模型的单幅图像去雾方法 | |
CN105243651A (zh) | 基于近似方差和暗色块像素统计信息的图像边缘增强方法 | |
CN110246099B (zh) | 一种保持结构边缘的图像去纹理方法 | |
Abbaspour et al. | A new fast method for foggy image enhancement | |
Negru et al. | Exponential image enhancement in daytime fog conditions | |
Zhang et al. | Image restoration method based on the combination of heat conduction equation and anisotropic coupled diffusion equations | |
CN114648460A (zh) | 一种抑制黑白边的图像锐化方法 | |
CN110378857B (zh) | 一种用于移除夜间车载视频中挡风玻璃上反射层的方法 | |
Munezawa et al. | Noise removal method for moving images using 3-D and time-domain total variation regularization decomposition |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |