CN109919855A - 一种基于多帧影像的快速保边去噪方法 - Google Patents

Abstract

本发明公开了一种基于多帧影像的快速保边去噪方法，对多帧含噪影像进行多帧影像配准、提取多帧边缘、提取多帧共同边缘以及对多帧保边滤波处理获得清晰去噪图。本发明能以较小的计算量对多帧影像进行运算，结合多帧信息有效区分共同边缘和噪声，得到边缘清晰的去噪图像，显著改善图像质量和相应的目视效果。

Description

一种基于多帧影像的快速保边去噪方法

技术领域

本发明涉及图像处理领域，特别涉及一种基于多帧影像的快速保边去噪方法。

背景技术

受各种因素影响，图像在生成和传输过程中均有可能产生不同程度的噪声，导致图像质量降低，不仅显著影响视觉体验，也对后续图像利用带来诸多不利影响。根据图像与噪声的统计特性和频域分布规律，学者们提出了各种去噪方法。其中基于滤波器的方法由于计算简单、运行速度快得到了广泛的应用。常见的基于滤波器的图像去噪方法包括均值滤波、高斯滤波、中值滤波、小波滤波等。基于滤波器的图像去噪方法是根据噪声能量一般集中于高频、而图片能量则分布于一定区间这一特点设计的，因此具有一定的局限性。

滤波器在消除噪声的同时，也会消除图像部分原有的高频信息，造成边缘损失、图像模糊。为了解决这个问题，陆续有学者提出了可以有效保留图像边缘的保边滤波器，如双边滤波器、导向滤波器等。设计保边滤波器的目的是在进行滤波的同时，对图像的边缘信息进行检测和保护，也就是在有效滤除噪声的同时，保持图像的边缘和细节。但是现有的保边滤波方法在很多情况下仍然不能很好地工作，如何准确地区分图像的噪声和边缘对现有的方法仍是个难点。

实际应用中，大量的噪声图像具有与之相关的上下文图像，如视频帧、手机连拍影像等。对于同一场景下的多张噪声影像而言，每张影像的噪声分布都是相同的、随机的、互不相关的，因此可结合多帧影像的信息去除噪声。

发明内容

本发明所要解决的技术问题是提供一种基于多帧影像的快速保边去噪方法，能以较小的计算量对多帧影像进行运算，结合多帧信息有效区分共同边缘和噪声，得到边缘清晰的去噪图像，显著改善图像质量和相应的目视效果，有效解决现有技术中的不足。

本发明是通过以下技术方案来实现的：一种基于多帧影像的快速保边去噪方法，对多帧含噪影像进行多帧影像配准、提取多帧边缘、提取多帧共同边缘以及对多帧保边滤波处理获得清晰去噪图。

作为优选的技术方案，帧影像配准的具体方法包括：

(1)对于获取的多帧影像，选取第一帧影像为参考帧，其余帧为配准帧；

(2)采用灰度投影算法计算配准帧与参考帧之间的平移向量；

(3)根据(2)中计算的平移向量，对各配准帧进行平移，从而与参考帧对齐，其中配准帧平移后边界的空缺值根据参考帧补齐。

作为优选的技术方案，提取影像边缘的具体方法包括：

(1)按照下式计算影像在每个像素处的方差,

var＝mean(I*I)–mean(I)*mean(I)

其中，mean(I*I)＝ΣI*I/N，mean(I)＝ΣI/N分别是(I*I)和I在当前像素邻域内的平均值，I表示归一化的像素值，N代表邻域内像素值数量；

(2)按照下式计算影像在每个像素处的边缘强度，

edge＝var/(var+eps)

其中，var表示(1)中计算得到的当前像素的方差，eps表示小正数，具体实施时效果较好的经验值为0.01；

(3)将小于一定阈值的边缘强度置0,从而降低噪声的影响。

作为优选的技术方案，提取多帧共同边缘的方法如下：

(1)若n帧影像中有任一帧影像的边缘强度为0,则共同边缘强度值为0；

(2)若n帧影像的边缘强度全不为0,则共同边缘强度值为n帧边缘强度的均值。

作为优选的技术方案，对多帧影像进行保边滤波的具体步骤包括：

(1)分别对多帧影像进行均值滤波，得到平滑后的多帧影像；

(2)对平滑后的多帧影像进行帧间均值滤波，得到平滑后的多帧合成影像，记为smoothI，此时由于多次平滑，大部分噪声已经去除，但同时图像也被大幅度平滑，边缘信息损失严重；

(3)对未平滑的多帧影像进行帧间中值滤波，得到噪声略为减少的多帧合成影像，记为sharpI，帧间中值滤波利用多帧影像噪声的互不相关性，可去除部分噪声，同时保持图像原有的锐利边缘；

(4)按照下式得到最终的去噪影像cleanI:

cleanI＝edge*sharpI+(1–edge)*smoothI

其中edge为归一化的多帧共同边缘强度值。

本发明的有益效果是：本发明能以较小的计算量对多帧影像进行运算，结合多帧信息有效区分共同边缘和噪声，得到边缘清晰的去噪图像，显著改善图像质量和相应的目视效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的工作流程图。

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(包括任何附加权利要求、摘要和附图)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所示，对多帧含噪影像进行多帧影像配准、提取多帧边缘、提取多帧共同边缘以及对多帧保边滤波处理获得清晰去噪图，下面具体介绍各个部分的具体操作方法。

多帧影像配准的具体方法包括：

(1)对于获取的多帧影像，选取第一帧影像为参考帧，其余帧为配准帧；

(2)采用灰度投影算法计算配准帧与参考帧之间的平移向量；

灰度投影算法是一种计算相似图像之间相似物体平移向量的算法，对其算法原理简要阐述如下：对于参考帧和配准帧，分别将其灰度值映射成两个独立的一维波形，分别得到参考帧和配准帧的行、列投影曲线，然后计算参考帧和配准帧的行、列投影曲线的相关性，当相关性最大时，即得到参考帧和配准帧的行、列平移向量。采用欧式距离计算投影曲线的相关性，当欧式距离最小时，表示相关性最大。

(3)根据(2)中计算的平移向量，对各配准帧进行平移，从而与参考帧对齐，其中配准帧平移后边界的空缺值根据参考帧补齐。

提取影像边缘的具体方法包括：

(1)按照下式计算影像在每个像素处的方差,

var＝mean(I*I)–mean(I)*mean(I)

其中，mean(I*I)＝ΣI*I/N，mean(I)＝ΣI/N分别是(I*I)和I在当前像素邻域内的平均值，I表示归一化的像素值，N代表邻域内像素值数量；

(2)按照下式计算影像在每个像素处的边缘强度，

edge＝var/(var+eps)

其中，var表示(1)中计算得到的当前像素的方差，eps表示小正数，具体实施时效果较好的经验值为0.01；

(3)将小于一定阈值的边缘强度置0,从而降低噪声的影响。

边缘提取方法是基于图像的方差的，方差大的地方边缘强度高，方差小的地方边缘强度低，基于方差的方法能够提取清晰、准确的边缘信息，同时对噪声具有一定的抗性。

提取多帧共同边缘的具体方法包括：

(1)若n帧影像中有任一帧影像的边缘强度为0,则共同边缘强度值为0；

(2)若n帧影像的边缘强度全不为0,则共同边缘强度值为n帧边缘强度的均值。由于多帧影像噪声的分布互不相关，该方法可在一定程度上进一步抑制噪声，生成有意义的共同边缘。

对多帧影像进行保边滤波的具体方法包括：

(1)分别对多帧影像进行均值滤波，得到平滑后的多帧影像；

(2)对平滑后的多帧影像进行帧间均值滤波，得到平滑后的多帧合成影像，记为smoothI，此时由于多次平滑，大部分噪声已经去除，但同时图像也被大幅度平滑，边缘信息损失严重；

(3)对未平滑的多帧影像进行帧间中值滤波，得到噪声略为减少的多帧合成影像，记为sharpI，帧间中值滤波利用多帧影像噪声的互不相关性，可去除部分噪声，同时保持图像原有的锐利边缘；

(4)按照下式得到最终的去噪影像cleanI:

cleanI＝edge*sharpI+(1–edge)*smoothI

其中edge为归一化的多帧共同边缘强度值。

最终的去噪图是sharpI和smoothI的加权融合，权值系数即为多帧共同边缘强度值。在边缘强度较高时，sharpI所占的比重较大，从而保持图像的边缘；在边缘强度较低时，smoothI所占的比重较大，从而进行局部平滑和帧间平滑，以去除噪声的影响。

本发明的有益效果是：本发明能以较小的计算量对多帧影像进行运算，结合多帧信息有效区分共同边缘和噪声，得到边缘清晰的去噪图像，显著改善图像质量和相应的目视效果。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (5)

1.一种基于多帧影像的快速保边去噪方法，其特征在于：对多帧含噪影像进行多帧影像配准、提取多帧边缘、提取多帧共同边缘以及对多帧保边滤波处理获得清晰去噪图。

2.如权利要求1所述的基于多帧影像的快速保边去噪方法，其特征在于，多帧影像配准的具体方法包括：

(1)对于获取的多帧影像，选取第一帧影像为参考帧，其余帧为配准帧；

(2)采用灰度投影算法计算配准帧与参考帧之间的平移向量；

(3)根据(2)中计算的平移向量，对各配准帧进行平移，从而与参考帧对齐，其中配准帧平移后边界的空缺值根据参考帧补齐。

3.如权利要求1所述的基于多帧影像的快速保边去噪方法，其特征在于，提取影像边缘的具体方法包括：

(1)按照下式计算影像在每个像素处的方差,

var＝mean(I*I)–mean(I)*mean(I)

其中，mean(I*I)＝ΣI*I/N，mean(I)＝ΣI/N分别是(I*I)和I在当前像素邻域内的平均值，I表示归一化的像素值，N代表邻域内像素值数量；

(2)按照下式计算影像在每个像素处的边缘强度，

edge＝var/(var+eps)

其中，var表示(1)中计算得到的当前像素的方差，eps表示小正数，具体实施时效果较好的经验值为0.01；

(3)将小于一定阈值的边缘强度置0,从而降低噪声的影响。

4.如权利要求1所述的基于多帧影像的快速保边去噪方法，其特征在于，提取多帧共同边缘的方法如下：

(1)若n帧影像中有任一帧影像的边缘强度为0,则共同边缘强度值为0；

(2)若n帧影像的边缘强度全不为0,则共同边缘强度值为n帧边缘强度的均值。

5.如权利要求1所述的基于多帧影像的快速保边去噪方法，其特征在于，对多帧影像进行保边滤波的具体步骤包括：

(1)分别对多帧影像进行均值滤波，得到平滑后的多帧影像；

(2)对平滑后的多帧影像进行帧间均值滤波，得到平滑后的多帧合成影像，记为smoothI，此时由于多次平滑，大部分噪声已经去除，但同时图像也被大幅度平滑，边缘信息损失严重；

(3)对未平滑的多帧影像进行帧间中值滤波，得到噪声略为减少的多帧合成影像，记为sharpI，帧间中值滤波利用多帧影像噪声的互不相关性，可去除部分噪声，同时保持图像原有的锐利边缘；

(4)按照下式得到最终的去噪影像cleanI:

cleanI＝edge*sharpI+(1–edge)*smoothI

其中edge为4中计算得到的归一化的多帧共同边缘强度值。