CN110246088A - 基于小波变换的图像亮度降噪方法及其图像降噪系统 - Google Patents
基于小波变换的图像亮度降噪方法及其图像降噪系统 Download PDFInfo
- Publication number
- CN110246088A CN110246088A CN201810187220.8A CN201810187220A CN110246088A CN 110246088 A CN110246088 A CN 110246088A CN 201810187220 A CN201810187220 A CN 201810187220A CN 110246088 A CN110246088 A CN 110246088A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- frequency layer
- wavelet coefficient
- difference value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000009467 reduction Effects 0.000 title claims abstract description 56
- 230000009466 transformation Effects 0.000 title claims abstract description 33
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 56
- 238000001914 filtration Methods 0.000 claims description 49
- 230000003044 adaptive effect Effects 0.000 claims description 22
- 239000000654 additive Substances 0.000 claims description 11
- 230000000996 additive effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 239000012141 concentrate Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000218691 Cupressaceae Species 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003595 spectral 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一基于小波变换的图像亮度降噪方法包括步骤：提取一图像信号中的一亮度分量；多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；分阶段对每一高频层小波系数进行相应的滤波处理；和进行小波多分辨率逆变换，以获得降噪之后的该图像信息的亮度分量。
Description
技术领域
本发明涉及图像处理领域，更具体地，涉及一基于小波变换的图像亮度降噪方法及其图像降噪系统。
背景技术
随着技术的发展，计算设备被逐渐地应用于现代社会的各个层面，并对现代社会的发展做出了巨大的贡献，包括但不限于，数码相机，摄像机，智能手机，导航系统等。特别地，近年来，数码相机等具有采集图像功能的设备变得越来越流行，且对其成像品质要求越来越高。
如图1为一图像采集设备的示意图，其包括一光学镜头1P，一感光芯片2P，一AD转化器(Analog-to-digital converter)3P和一图像处理器4P。特别地，该感光芯片2P，例如CCD 感光芯片或CMOS感光芯片，包括一二维阵列像素，其中每一像素用以通过光电反应将光信号转化为可识别运算的的电信号。
在工作过程中，藉由该光学镜头1P所采集的光线在该感光芯片2P的每一像素处发生成像反应，并藉由该AD转化器3P产生图像原始数据。该图像原始数据，进一步地，被该图像处理器4P所处理并生成一彩色图像(RGB彩色图像或YUV彩色图像)或灰度图像。本领域的技术人员应知晓，当需生成彩色图像时，该图像采集设备还设有一彩色滤镜5P，例如拜耳滤镜，其中该彩色滤镜5P设置于该感光芯片2P和该光学镜头1P之间，以使得光线在抵至该感光芯片2P前被该彩色滤镜5P所过滤，从而抵至该感光芯片2P的每一像素的光线仅为单色光。相应地，在后续图像处理的过程中，该图像处理器4P使用相应的算法，例如去马赛克算法，还原被测目标的彩色信息，以获取彩色图像。
在采集图像的过程中，由于各种原因，会产生一定的图像噪声。图像噪声为图像中不需要的干扰部分，其存在一方面影响人眼对于图像的主观视觉感受；另一方面，对后续基于图像信息的研究及应用开发造成一定影响。按照图像与噪声之间的相关性划分，可将图像噪声划分为加性噪声和乘性噪声，其中加性噪声与图像信号之间是相加关系，即不管有没有图像信号，加性图像噪声皆存在，而乘性噪声一般由图像传输信道不理想引起，成性噪声与图像信号之间是相乘关系，即，只有图像信号存在，乘性噪声才会存在。按照图像彩色分量划分，图像噪声可以分为亮度噪声和色度噪声，其中亮度噪声为图像彩色信息的亮度分量中的噪声，色度噪声为图像彩色信息的色度分量中的噪声。不同的噪声具有不同的性质，相应地，其降噪的算法也会产生相应的变化。
现有的图像降噪方法中，基于小波变换域的图像降噪方法引起了广泛地关注。小波变换是实现信号的线性空间-频率分解的理论和算法，其可对信号实施局部分析，可在任意的时间和空间域中分析信号。
特别地，基于小波变化域的阈值去噪方法，对小波变换域去噪领域的研究起了重要的推动作用。小波变换具有能量压缩性，当图像经过小波变换后，大部分能量集中于少数幅度较大的小波系数上，这些小波系数一般代表图像信号中的重要特征，例如边缘，纹理等；而另一部分能量则集中于多数幅度系数较小的小波系数上，这些小波系数一般代表着噪声。简单来说，基于小波变化域的阈值去噪方法就是通过设置一参考阈值，并将小波系数与该参考阈值进行比较，其中将小于该参考阈值的小波系数设置为0，而对于大于该参考阈值的小波系数，则通过某种阈值函数，例如软阈值，硬阈值，半软阈值，或绞刑架阈值等，进行修正得到其优化系数。从上述分析可知，基于小波阈值的去噪方法，其核心关键在于阈值函数的选取和参考阈值的计算。
然而，现有基于小波变化域的阈值去噪方法，在实际应用中却存在诸多待改进的问题。具体地说，现有该参考阈值的计算基于噪声为单纯的加性高斯白噪声的理想假设，然而，实际图像中的噪声为由乘性和加性噪声所组成的混合噪声。也就是说，用现有的参考阈值计算方法所获取的该参考阈值并不能准确地体现图像中噪声和信号的区分强度特征。
其次，在实际图像中，图像细节信息，例如边缘或轮廓等，其在小波变化域中与噪声具有相近的小波系数，因此，在进行降噪的过程中，细节和噪声具有极大可能被混为一起。特别地，在暗光条件下，细节甚至会被噪声所淹没。此时，无论采取哪种一现有的阈值函数，例如软阈值，硬阈值，半软阈值，或绞刑架阈值等，都会对图像中的部分弱细节造成损失。
此外，实际图像中存在一定的离散孤立强噪声点，对于这部分噪声，如果去噪强度设置太强则容易造成图像细节模糊；如果去噪强度设置太弱，则无法获取适合的去噪效果。
还有，现有的基于小波变换域的阈值去噪方法，其仅对高频层的小波系数作相应地处理；而对低频层的小波系数却几乎不作处理。由于，在实际图像中，低频小波系数层中同样存在块状低频噪声，导致块状低频噪声无法有效消除。
因此，对于一种能够提高图像质量的降噪方法的需求是切实存在的。
发明内容
本发明的主要目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，所述图像降噪方法能相对更为有效地对图像信息中的亮度分量进行降噪，以提高图像的成像视觉效果和利于后续的图像研究和应用开发。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，通过一混合噪声模型求解基于小波变换的图像亮度降噪的参考阈值，使得亮度信号和噪声能从强度上相对更优地区分，以优化降噪效果。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，其中所述混合噪声模型包括一加性高斯白噪声模型和一乘性松柏噪声模型，从而所述混合噪声模型能更真实地反应噪声和信号的强度，以加强噪声和信号之间的区分度。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，在对高频层小波系数进行处理的过程中，对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理，以使得在噪声能够有效滤除的同时，防止边缘信息发生损失。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，对高频层小波系数进行分阶段滤波，其中在第一阶段滤波中通过对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理，以有效地保持边缘信息；在第二阶段滤波处理中，对每一高频层的除了边缘信息之外高频层小波系数进行自适应软阈值函数处理，以对低信噪比的信号进行随噪声强度变换的衰减，以保持图像中强度较弱的高频纹理信息。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，对高频层小波系数进行分阶段滤波，其中在第一阶段滤波中通过对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理，以有效地保持边缘信息；在第二阶段滤波处理中，对每一高频层的除了边缘信息之外高频层小波系数进行自适应软阈值函数处理，以对低信噪比的信号进行随噪声强度变换的衰减，以保持图像中强度较弱的高频纹理信息。
本发明的另一目的在于提供一基于小波变换的图像亮度降噪方法及其图像降噪系统，其中，所述图像亮度降噪方法对低频层小波系数进行滤波处理，以有效地去除单独处理高频层去除不掉的低频噪声，同时，对孤立强高频噪声起到抑制作用。
通过下面的描述，本发明的其它优势和特征将会变得显而易见，并可以通过权利要求书中特别指出的手段和组合得到实现。
依本发明，前述以及其它目的和优势可以通过一图像降噪方法被实现，其包括：
提取一图像信号中的一图像亮度分量；
多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；
对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理；
将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，以获得一差异值；
根据该差异值和一参考阈值进行自适应软阈值函数处理，以获得一调整差异值，其中该自适应软阈值函数根据如下方式对该差异值进行处理，当该差异值大于该参考小波阈值时，该调整差异值为某一预设值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与系数Slop之间的乘积，其中该系数Slop随该参考阈值线性变化；和
将该调整差异值与原始该高频层小波系数进行相加，以获取滤波之后的该高频层小波系数；
在本发明的一实施例中，所述图像降噪方法还包括步骤：
进行小波多分辨率逆变换，以获取降噪之后的该图像信息的亮度分量。
在本发明的一实施例中，在根据该差异值和一参考小波阈值进行自适应软阈值函数处理，以获得一调整差异值的步骤中，该参考小波阈值根据一混合噪声模型计算而得，其中所述混合噪声模型包括加性高斯白噪声模型和乘性松柏噪声模型。
在本发明的一实施例中，所述对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理的步骤，还包括步骤：
对每一高频层小波系数进行局部邻域内基于边缘信息的双边滤波处理。
在本发明的一实施例中，所述图像降噪方法还包括步骤：
对每一低频层的小波系数进行滤波处理，其包括步骤：
对每一低频层小波系数进行局部邻域内基于边缘信息的滤波处理；和
将基于边缘信息的滤波处理之后的该低频层小波系数与原始该低频层的小波系数进行叠加，其中叠加比例根据图像信息参数进行确定。
在本发明的一实施例中，在提取一图像信号中的一亮度分量的步骤之前还包括：
获取一被测目标的RGB彩色图像信息；
将该被测目标的RGB彩色图像信息转化为YUV彩色图像信息；和
提取该被测目标的YUV彩色信息中的Y亮度分量信息。
在本发明的一实施例中，所述图像降噪方法还包括步骤：
将降噪之后的该图像信息的亮度分量与原先的UV彩色信息分别插值，以获得降噪后的该被测目标的YUV彩色信息；和
将降噪后的该被测目标的YUV彩色信息转化为该被测目标的RGB彩色图像信息。
根据本发明的另一方面，本发明还提供一图像降噪系统，其包括：
一处理器，其能够按照如下图像降噪方法进行图像降噪，包括步骤：
提取一图像信号中的一亮度分量；
多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；
对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理；
将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，以获得一差异值；
根据该差异值和一参考小波阈值进行自适应软阈值函数处理，以获得一调整差异值，其中该自适应软阈值函数根据如下方式对该差异值进行处理，当该差异值大于该参考小波阈值时，该调整差异值为某一给定值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与基于该参考小波阈值线性变化的一系数Slop之间的乘积；和
将该调整差异值与原始该高频层小波系数进行相加，以获取滤波之后的该高频层小波系数；
在本发明的一实施例中，所述处理器还能：
根据一混合噪声模型和相关图像参数求解该参考阈值。
在本发明的一实施例中，所述处理器还能：
对每一低频层的小波系数进行滤波处理，其包括步骤：
对每一低频层小波系数进行局部邻域内基于边缘信息的滤波处理；
将基于边缘信息的滤波处理之后的该低频层小波系数与原始该低频层的小波系数进行叠加，其中叠加比例根据图像信息参数进行确定。
在本发明的一实施例中，所述处理器还能：
获取一被测目标的RGB彩色图像信息；
将该被测目标的RGB彩色图像信息转化为YUV彩色图像信息；
提取该被测目标的YUV彩色信息中的Y亮度分量信息。
在本发明的一实施例中，所述处理器还能：
进行小波多分辨率逆变换，以获得降噪之后的该图像信息的亮度分量。
在本发明的一实施例中，所述处理器还能：
将降噪之后的该图像信息的亮度分量与原先的UV彩色信息分别插值，以获得降噪后的该被测目标的YUV彩色信息；和
将降噪后的该被测目标的YUV彩色信息转化为该被测目标的RGB彩色图像信息。
附图说明
图1为一现有的图像采集设备的示意图。
图2为根据本发明一较佳实施例的一图像亮度降噪方法的框图图。
图3示意的是依据本发明上述较佳实施例的一提取图像信息中亮度分量步骤的框图示意图。
图4示意的是将图像亮度信号进行多分辨率小波分解的示意图。
图5示意的是5×5局部邻域的滤波窗口示意图。
图6示意的是依据本发明上述较佳实施例的一自适应软阈值函数示意图。
图7示意的是在图像亮度信号多分辨率小波分解过程中，上一级别的低频层与下一级别的低频层和高频层之间的分解关系。
图8示意的是依据本发明上述较佳实施例的一对每一低频层的小波系数进行滤波处理的流程。
图9为根据本发明上述较佳实施例的另一图像降噪方法的框图示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一或多个”，即在一实施例中，一元件的数量可以为一，而在另外的实施例中，所述元件的数量可以为多个，术语“一”不能理解为对数量的限制。
如图2所示，依据本发明一第一较佳实施例的一图像降噪系统被阐明，其中所述图像降噪系统可被集成于任一图像采集设备的一处理器，例如数码相机，摄像机等，或任一具有图像采集功能的电子设备的一处理器，例如智能手机，平板电脑等，供对该图像采集设备或该电子设备所采集的图像进行降噪处理，以提高图像成像的视觉效果及利于后续基于图像信息的研究和相关应用的开发。
本领域的技术人员应知晓，由于各类原因，图像采集过程一定伴随着图像噪声的产生，相较于图像信息，图像噪声为图像中不需要的干扰信息。通常地，图像降噪的基本思路在于寻找或创造图像信息和图像噪声在同一域内，例如时间域，空间域、变换域等，不同表现形式和特征，以根据特定的表现形式和特征将图像噪声和图像信号进行区分并将对应图像噪声的部分去除。
现有的基于小波变换域的图像阈值降噪方法延续了这一图像降噪的基本思路。本领域的技术人员应知晓，小波变换具有能量压缩性，当图像经过小波变换后，大部分能量集中于少数幅度较大的小波系数上，这些小波系数一般代表图像信号中的重要特征，例如边缘，纹理等；而另一部分能量则集中于多数幅度系数较小的小波系数上，这些小波系数一般代表着噪声。因此，基于图像信号和图像噪声在小波变化域的这一特征，可设置一参考阈值，并将小波系数与该参考阈值进行比较，其中将小于该参考阈值的小波系数设置为0，而对于大于该参考阈值的小波系数，则通过某种阈值函数，例如软阈值，硬阈值，半软阈值，或绞刑架阈值等，进行修正得到其优化系数。由上述分析可知，基于小波阈值的去噪方法，其核心关键在于阈值函数的选取和该参考阈值的计算。
然而，现有的基于小波变换域的图像阈值降噪方法，却失于充分考虑图像信号和图像噪声在实际图像中的复杂特性，导致在阈值函数处理和该参考阈值的求解上面过于理想化，导致图像降噪的实际效果难以满足期望的要求。
相应地，本发明的核心技术方案在于对现有的基于小波变换域的图像阈值降噪方法进行优化，其中，所述图像降噪方法综合考虑实际图像中图像信号和图像噪声的复杂性，以提高图像降噪的效果。
特别地，本发明所提供的所述图像降噪系统及其图像降噪方法，针对于图像中亮度信息进行降噪。本领域的技术人员应知晓，图像亮度信息又称为图像的灰度信息，即，图像在去除色度信息之后所剩下的信息，代表着图像的明暗对比度。因此，去除图像亮度信息中的噪声，有利于提高图像的整体视觉效果。本领域的人还应知晓，现有的图像采集设备或电子设备所采集的图像通常包括，RGB彩色图像，YUV彩色图像和灰度图像，RGB图像将彩色的色度、亮度、饱和度信息杂糅地表示，因此当需对RGB图像进行亮度降噪时，需将RGB图像中的亮度分量单独提取出来。常用的手法包括，将RGB图像信号转化为YUV图像信号，其中Y代表亮度信号，UV代表色度信号。此外，对于灰度图像而言，其仅包括被测目标的亮度信息，故可直接利用所述图像降噪系统进行亮度降噪。
进一步地，如图2所示，本发明所提供的所述图像降噪系统基于如下描述的图像降噪方法进行运作，其中所述图像降噪方法包括步骤：
A提取一图像信号中的一亮度分量；
B多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；
C对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理；
D将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，以获得一差异值；
E根据该差异值和一参考阈值进行自适应软阈值函数处理，以获得一调整差异值，其中该自适应软阈值函数根据如下方式对该差异值进行处理，当该差异值大于该参考小波阈值时，该调整差异值为某一给定值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与基于该参考小波阈值线性变化的一系数Slop之间的乘积；
F将该调整差异值与原始该高频层小波系数进行相加，以获取滤波之后的该高频层小波系数；和
G进行小波多分辨率逆变换，以获得降噪之后的该图像信息的亮度分量。
相应地，在步骤A中，当该图像信息为YUV图像信号或灰度图像信号时，可直接提取该YUV图像信号中或该灰度图像信号中的亮度信息，以供后续的图像亮度降噪之用。然而，当该图像信号为RGB图像信号时，正如前所述，RGB图像信号将彩色的色度、亮度、饱和度等信息杂糅地表示，因此需将RGB图像中的亮度分量单独提取出来。在本发明一具体的实施方案中，可将RGB图像信号转化为YUV图像信号以单独提取图像亮度分量，其中Y代表亮度信号，UV代表色度信号。
特别地，RGB图像信号转化为YUV图像信号的转化关系用公式表示为：
Y＝aR+bG+cB+d；…………………(1)
U＝eR+fG+gB+h；…………………(2)
V＝iR+jG+kB+l；………………….(3)
其中，该转化公式满足条件(1)：a+b+c＝1和条件(2)：三组参量所形成的向量(a，b， c)、(e，f，g)、(i，j，k)之间相互线性不相关。
基于上述条件(1)和条件(2)，优选地，可获取转化公式：
Y＝0.299*R+0.587*G+0.114*B；…………………(4)
U＝-0.169*R-0.331*G+0.5*B+128；…………………(5)
V＝0.5*R-0.419*G-0.081*B+128；…………………(6)
相应地，基于转化公式(4)(5)(6)可将RGB图像信号转化为YUV图像信号，从而实现单独图像信号中的一亮度分量的技术目的。
相应地，在本发明的一实施例中，如图3所示，所述步骤A还包括步骤：
A1获取一RGB图像信号；和
A2将该RGB图像信号转化为YUV图像信号，并提取Y分量为该图像信号的亮度分量。
进一步地，在步骤B中，利用小波多分辨率分解该图像信号中的该亮度分量，以将该亮度分量转换至一小波域中。小波变换具有一种能量集中的能力，能够使得信息的大部分能量都集中在少数小波系数上。如图4所示，经过小波变换，可以将该图像的该亮度分量逐级分离成具有不同尺度的子图像中。本领域的技术人员应知晓，原图经过小波变换后生成四个分量部分：低频分量LL，高频分量LH，HL，HH，HL，其中低频分量保留了原图的大部分信息，高频分量包含了边缘，区域轮廓等细节信息。相应地，低频分量具有一组低频小波系数，每一高频分量包括一组高频小波系数。特别地还可进一步地对LL进行第j级小波分解，得到 2j分辨率下的图像表示，正因为如此，在图像的多分辨率小波分解的示意图中，仅会显示一个LL分量，但实际上并非如此。应注意的是，每一上一分解尺度的低频层系数与下一分解尺度的高频层系数之间存在一定的相关关系。
如图4所示，在本发明的该较佳实施中，对该图像的该亮度分量进行三级分解。应容易理解的是，在本发明另外的实施例中，对该图像的该亮度分量还可进行其他不同级别的分解，但应注意的是，分解的级别越多，后续图像反构(步骤G)的难度系数越高，同时，分解的级别越高带来的计算量也会相应增加，因此需合理地选择图像分解的级别。
进一步地，该高频分量包含了图像边缘、区域轮廓等细节信息，因此在对每一高频小波系数层进行降噪处理的过程中，需充分考虑图像细节信息(边缘或轮廓信息)和图像噪声难以通过简单的小波系数值的大小来区分的技术难题。如果类似于现有技术中仅通过简单的阈值函数对高频层小波系数做调整，则很有可能将图像细节信息当作噪声滤除，导致图像质量噪声损失。
相应地，在本发明所提供的所述图像降噪方法中，设计了步骤C：对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理。应容易理解，对高频层小波系数进行局部邻域内基于边缘信息的滤波处理，可有效地保持边缘、轮廓等图像细节信息。特别地，在本发明的该较佳实施例中，该对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理，可选用双边滤波器，其公式表示如下：
其中(i，j)为滤波窗口内的坐标，f(i,j) 表示对应点的小波系数值；(k，l)为滤波窗口中心点的坐标；w(i，j)表示对应点在该滤波窗口内小波系数值加权权重比；g(k，l)为滤波窗口中心点经过双边滤波后的小波系数值；值表示当前滤波窗口内的噪声强度；值表示距离的标准偏差强度，根据输入图像信息参数确定； m为强度控制系数，可根据实际调试效果确定。
特别地，双边滤波器所选择的滤波窗口的大小可根据实际精度要求进行选择，例如，如图5所示，选择5×5或3×3像素的滤波窗口，其中(k，l)代表该滤波窗口中心坐标，其他坐标点(i,j)为中心点(k，l)的领域内的点，因此在本发明中该双边滤波器本质上为邻域内基于边缘信息的双边滤波器。
此外，值表示当前滤波窗口内的噪声强度，由一混合噪声模型求解而得。本领域的技术人员应知晓，同样表征着后续步骤E中该参考阈值的大小，关于混合噪声模型及其所带来的优势会于后续步骤E的描述中详细阐述，在次不过多赘述。
本领域的技术人员应知晓，在本发明另外的实施例中，对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理的步骤，还可采用其他基于边缘信息的滤波器进行处理，例如局部边缘保持(Local edge-preserving LEP)滤波器，引导滤波器(GuidedImage Filtering， GIF)等，对比并不为本发明所局限。
特别地，在执行完步骤C之后，可有效地保持边缘、轮廓灯细节信息的高频层小波系数，因此，只需执行步骤D：将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，便仅有除了边缘、轮廓灯细节信息之外的高频层小波系数参与步骤E 的阈值函数处理过程。通过步骤C将边缘、轮廓等细节信息的高频层小波系数有效地保留，从而当执行完步骤D之后，通过这样的方式，对高频层小波系数进行分级处理，其中第一级处理对应的步骤为步骤C，其目的在于，保持边缘、轮廓等图像亮度细节信息的高频层小波系数，第二级处理对应的步骤为步骤D和步骤E，其目的在于对除了边缘、轮廓等细节信息之外的高频层小波系数(包括低信噪比的区域)进行滤波处理。
更具体地说，在步骤D中，基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数作差，以获得一差异值。应容易理解，其差异值代表着除了边缘、轮廓等细节信息之外的高频层小波系数。进一步地，通过步骤E对基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数之间的差异值进行调整。步骤E在形式上类似于现有小波阈值函数调整过程中，本质上却发生巨大的转变，其一：现有的小波阈值调整函数处理的对象直接为高频层小波系数，无法对边缘信息和噪声进行有效地甄别；其二，现有的小波阈值调整函数的参考阈值的计算，基于的模型为：单纯的加性高斯白噪声模型，无法体现噪声自身存在的特征(加性噪声和乘性噪声)；其三，在低信噪比的图像区域，无论采取哪种一现有的阈值函数，例如软阈值，硬阈值，半软阈值，或绞刑架阈值等，都会对图像中的部分弱细节造成损失。
在本发明的该较佳实施例中，所述步骤E的关键依旧在于小波阈值函数的构件和该参考阈值的计算。特别地，在本发明中，该参考阈值的计算基于的噪声模型为混合噪声模型，该噪声模型综合了加性高斯白噪声模型和乘性泊松噪声模型，从而其能对亮度信号和亮度噪声从强度上作出更好的区分。相对应地，基于该混合噪声模型所求解的该参考阈值更能反应亮度噪声和亮度信息在高频层小波系数上所体现的差别。值得一提的是，该混合噪声模型还被应用于步骤步骤C中，以利于提高局部邻域内基于边缘信息的滤波精度和效果。
另一方面，在本发明的该较佳实施例中，所述步骤E选择的阈值处理函数为自适应软阈值函数，具体函数参考附图6，其中X表示基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数之间的差异值，threshold表示参考阈值，Y表示调整差异值，Slop 表示调整曲线斜率(根据threshold值作调整)。
参照附图可知，该自适应软阈值函数根据如下方式对该差异值进行处理，其中当该差异值大于该参考小波阈值时，该调整差异值为某一预设值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与系数Slop之间的乘积，其中系数Slop根据该参考阈值的变化而调整。
需特别注意的是，在本发明中，滤窗内的每一坐标点通过该混合噪声模型皆可得到一特定的参考阈值，也就是，对应于滤窗内的任一坐标点而言，其Threshold的具体的值会产生相应的变化。进一步地，在本发明中该参考阈值由一混合噪声模型求解而得，其受该坐标点的噪声强度的影响。
特别地，当该差异值小于该参考小波阈值时，如图6所示，如果对应的坐标点噪声强度较大，则该差值(X)也相对较大(仍小于该参考小波阈值)，同时，藉由该混合噪声模型所求解的该参考阈值threshold也相对较大，而该Slop反而降低，从而最终获取的调整差异值，相较于参考阈值相对较小的自适应软阈值函数调整曲线，相对较小。相反地，当该差异值小于该参考小波阈值时，如果对应的坐标点噪声强度较小，则该差值(X)也相对较小(仍小于该参考小波阈值)，同时，藉由该混合噪声模型所求解的该参考阈值threshold也相对较小，而该Slop反而增加，从而最终获取的调整差异值，相较于参考阈值相对较大的自适应软阈值函数调整曲线所获取的调整差异值，相对较大。从直观效果上来看，在本发明中，该阈值调整函数根据滤窗内特定坐标点的噪声强度(高频层小波系数的值)可变化地调节，以使得该差异值根据滤窗内该特定坐标点的噪声强度而作自适应的变化，由此命名该阈值调整函数为自适应软阈值调整函数。
在执行完步骤E之后，将该调整差异值与原始该高频层小波系数进行相加，以获得分级滤波之后的该高频层小波系数。应领会的是，通过这样的方式，可保持图像高信噪比区域的高频层小波系数的同时，对图像低信噪比区域的高品层小波系数进行了随着噪声强度变化的不同程度地衰减，能很好地保持图像中强度较弱的高频纹理信息。
进一步地，可执行步骤G，进行小波多分辨率逆变换，以将图像亮度分量从小波域重新转化为空间域中，以获得降噪之后的该图像信息的亮度分量。
值得一提的是，如前所述，在多分辨率小波分解的过程中，对LL进行第2j级小波分解，以获取下一级的LL，HL，HH，LH分量，如图7所示。也就是说，每一上一分解尺度的低频层系数与下一分解尺度的高频层系数之间存在一定的相关关系。现有的基于小波阈值的图像降噪方法，通常不会对低频层小波系数进行滤波处理，然而，一方面，在低频层小波系数中存在大块低频噪声；另一方面，下一级的高频层小波系数与上一级的低频层小波系数之间存在相关关系，从而可通过对低频层的处理优化下一级的高频层小波系数的降噪处理。
相应地，如图8所示，在本发明的该较佳实施例中，在执行步骤G之前，还包括步骤：
J对每一低频层的小波系数进行滤波处理。
更具体地说，在本发明的该较佳实施例中，所述对每一低频层的小波系数进行滤波处理大的步骤，还包括步骤：
J1对每一低频层小波系数进行局部邻域内基于边缘信息的滤波处理；
J2将基于边缘信息的滤波处理之后的该低频层小波系数与原始该低频层的小波系数进行叠加，其中叠加比例根据图像信息参数进行确定。
相类似地，在步骤J1中，对每一低频小波系数进行局部邻域内基于边缘方向的滤波，例如双边滤波器，其公式如下：
其中(i，j)为滤波窗口内的坐标；f(i,j)为对应点的小波系数值；(k，l)为滤波窗口中心点的坐标；w(i，j)表示对应点在该滤波窗口内小波系数值加权权重比；g(k，l)为滤波窗口中心点经过双边滤波后的小波系数值；值表示当前滤波窗口内的噪声强度；wgrad(i,j)值表示对应点在该滤波窗口内小波系数梯度归一化权重；m为强度控制系数，可根据实际调试效果确定。
特别地，双边滤波器所选择的滤波窗口的大小可根据实际精度要求进行选择，例如选择 5×5或3×3像素的滤波窗口，其中(k，l)代表该滤波窗口中心坐标，其他坐标点(i,j) 为中心点(k，l)的领域内的点，因此在本发明中该双边滤波器本质上为邻域内基于边缘信息的双边滤波器。
应领会的是，通过对低频层小波系数进行滤波处理，可有效地去除单独处理高频层去除不掉的大块低频噪声，同时，对孤立强高频噪声起到抑制作用。
进一步地，执行步骤G以获得降噪之后的该图像信息的亮度分量之后，需重新将该降噪之后的图像亮度分量与原先的UV彩色信息进行融合，以获得降噪之后的该被测目标YUV彩色信息。
相对应地，在本发明的该较佳实施例中，所述图像降噪方法还包括步骤：
H将降噪之后的该图像信息的亮度分量与原先的UV彩色信息分别插值，以获得降噪后的该被测目标的YUV彩色信息。
值得一提的是，在本发明的一些实施例中，所述图像降噪方法还包括步骤：
I将降噪后的该被测目标的YUV彩色信息转化为该被测目标的RGB彩色图像信息。
相对应地，基于步骤A中，RGB图像信号转化为YUV图像信号的转化关系：
Y＝aR+bG+cB+d；…………………(1)
U＝eR+fG+gB+h；…………………(2)
V＝iR+jG+kB+l；………………….(3)
可得出：
R＝Y+1.4075*(V-128)；
G＝Y-0.3455*(U-128)-0.7169*(V-128)；
B＝Y+1.779*(U-128)；
从而，藉由YUV-RGB转化公式可将降噪之后的YUV图像信号转化为RGB图像信号。
由此可以看到本发明目的可被充分有效完成。用于解释本发明功能和结构原理的所述实施例已被充分说明和描述，且本发明不受基于这些实施例原理基础上的改变的限制。因此，本发明包括涵盖在附属权利要求书要求范围和精神之内的所有修改。
Claims (10)
1.一基于小波变换的图像亮度降噪方法，其特征在于，包括步骤：
提取一图像信号中的一亮度分量；
多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；
对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理；
将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，以获得一差异值；
根据该差异值和一参考阈值进行自适应软阈值函数处理，以获得一调整差异值，其中该自适应软阈值函数根据如下方式对该差异值进行处理，当该差异值大于该参考小波阈值时，该调整差异值为某一预设值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与一系数Slop之间的乘积，其中该系数Slop随该参考阈值线性变化；和
将该调整差异值与原始该高频层小波系数相加，以获取滤波之后的该高频层小波系数；和
进行小波多分辨率逆变换，以获得降噪之后的该图像信息的亮度分量。
2.如权利要求1所述图像亮度降噪方法，其中，所述对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理的步骤，还包括步骤：
利用局部领域内基于边缘信息的双边滤波器对每一高频层小波系数进行滤波处理。
3.如权利要求2所述的图像亮度降噪方法中，其中，所述根据该差异值和一参考阈值进行自适应软阈值函数处理，以获得一调整差异值的步骤，还包括步骤：
藉由一混合噪声模型求解该参考阈值，其中该混合噪声模型包括一加性高斯白噪声模型和一乘性泊松噪声模型。
4.如权利要求1所述的图像亮度降噪方法，其中，所述提取一图像信号中的一亮度分量的步骤，还包括步骤：
获取一被测目标的RGB图像信号；和
将该RGB图像信号转化为YUV图像信号，并提取Y分量为该图像信号的亮度分量。
5.如权利要求1至4任一所述的图像亮度降噪方法，其中，所述图像亮度降噪方法，还包括步骤：
对每一低频层小波系数进行局部邻域内基于边缘信息的滤波处理；和
将基于边缘信息的滤波处理之后的该低频层小波系数与原始该低频层小波系数进行叠加，其中叠加比例根据图像信息参数进行确定。
6.如权利要求5所述的图像亮度降噪方法，其中，所述图像亮度降噪方法，还包括步骤：
将降噪之后的该图像信息的亮度分量与原先的UV彩色信息分别插值，以获得降噪后的该被测目标的YUV彩色信息。
7.如权利要求6所述的图像亮度降噪方法，其中，所述图像亮度降噪方法，还包括步骤：
将降噪后的该被测目标的YUV彩色信息转化为该被测目标的RGB彩色图像信息。
8.一图像降噪系统，其特征在于，包括：
一处理器，其中所述处理器能：
提取一图像信号中的一亮度分量；
多分辨率分解该图像信号中的该亮度分量至一小波变换域，以获取至少一组小波系数，其中所述至少一组小波系数包括至少一高频层小波系数和至少一低频层小波系数；
对每一高频层小波系数进行局部邻域内基于边缘信息的滤波处理；
将基于边缘信息的滤波处理之后的该高频层小波系数与原始该高频层小波系数进行作差，以获得一差异值；
根据该差异值和一参考阈值进行自适应软阈值函数处理，以获得一调整差异值，其中该自适应软阈值函数根据如下方式对该差异值进行处理，当该差异值大于该参考小波阈值时，该调整差异值为某一预设值；当该差异值小于该参考小波阈值时，该调整差异值等于该差异值与一系数Slop之间的乘积，其中该系数Slop随该参考阈值线性变化；和
将该调整差异值与原始该高频层小波系数相加，以获取滤波之后的该高频层小波系数；和
进行小波多分辨率逆变换，以获得降噪之后的该图像信息的亮度分量。
9.如权利要求8所述的图像降噪系统，其中，所述处理器还能：
对每一低频层小波系数进行局部邻域内基于边缘信息的滤波处理；和
将基于边缘信息的滤波处理之后的该低频层小波系数与原始该低频层小波系数进行叠加，其中叠加比例根据图像信息参数进行确定。
10.如权利要求8或9任一所述的图像降噪系统，其中，在所述根据该差异值和一参考阈值进行自适应软阈值函数处理以获得一调整差异值的步骤中，该参考阈值通过一混合噪声模型求解获得，其中该混合噪声模型包括一加性高斯白噪声模型和一乘性泊松噪声模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810187220.8A CN110246088B (zh) | 2018-03-07 | 2018-03-07 | 基于小波变换的图像亮度降噪方法及其图像降噪系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810187220.8A CN110246088B (zh) | 2018-03-07 | 2018-03-07 | 基于小波变换的图像亮度降噪方法及其图像降噪系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110246088A true CN110246088A (zh) | 2019-09-17 |
| CN110246088B CN110246088B (zh) | 2021-07-13 |
Family
ID=67882005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810187220.8A Active CN110246088B (zh) | 2018-03-07 | 2018-03-07 | 基于小波变换的图像亮度降噪方法及其图像降噪系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110246088B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819721A (zh) * | 2021-02-04 | 2021-05-18 | 湖南兴芯微电子科技有限公司 | 一种图像彩色噪声降噪的方法和系统 |
| CN113074627A (zh) * | 2021-03-12 | 2021-07-06 | 中国科学院生物物理研究所 | 直接电子探测相机的成像方法、装置及计算机设备 |
| CN113284065A (zh) * | 2021-05-26 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频图像的去噪方法、装置、电子设备和可读存储介质 |
| CN114155161A (zh) * | 2021-11-01 | 2022-03-08 | 富瀚微电子(成都)有限公司 | 图像去噪方法、装置、电子设备与存储介质 |
| CN114584256A (zh) * | 2020-11-30 | 2022-06-03 | 默升科技集团有限公司 | 链路速度协商期间的均衡器训练 |
| CN114972110A (zh) * | 2022-06-15 | 2022-08-30 | 明峰医疗系统股份有限公司 | 一种ct图像处理方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639936A (zh) * | 2009-04-28 | 2010-02-03 | 北京捷科惠康科技有限公司 | 一种x射线图像增强方法及系统 |
| CN102590553A (zh) * | 2012-02-29 | 2012-07-18 | 北京航空航天大学 | 一种基于小波消噪的加速度计温度补偿方法 |
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| CN104639800A (zh) * | 2013-11-08 | 2015-05-20 | 华为终端有限公司 | 一种用于图像降噪的方法及终端 |
| WO2016180429A1 (en) * | 2015-05-08 | 2016-11-17 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for magnetic resonance imaging with improved sensitivity by noise reduction |
| CN106353649A (zh) * | 2016-09-18 | 2017-01-25 | 广东电网有限责任公司珠海供电局 | 一种基于提升小波变换的局部放电信号去噪方法 |
-
2018
- 2018-03-07 CN CN201810187220.8A patent/CN110246088B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101639936A (zh) * | 2009-04-28 | 2010-02-03 | 北京捷科惠康科技有限公司 | 一种x射线图像增强方法及系统 |
| CN102590553A (zh) * | 2012-02-29 | 2012-07-18 | 北京航空航天大学 | 一种基于小波消噪的加速度计温度补偿方法 |
| CN104639800A (zh) * | 2013-11-08 | 2015-05-20 | 华为终端有限公司 | 一种用于图像降噪的方法及终端 |
| CN103700072A (zh) * | 2013-12-17 | 2014-04-02 | 北京工业大学 | 一种基于自适应小波阈值和双边滤波器的图像去噪方法 |
| WO2016180429A1 (en) * | 2015-05-08 | 2016-11-17 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for magnetic resonance imaging with improved sensitivity by noise reduction |
| CN106353649A (zh) * | 2016-09-18 | 2017-01-25 | 广东电网有限责任公司珠海供电局 | 一种基于提升小波变换的局部放电信号去噪方法 |
Non-Patent Citations (3)
| Title |
|---|
| A.P.BRADLEY等: "A wavelet visible difference predictor", 《IEEE》 * |
| ARVIND PANDEY等: "Image De-noising based on Non Local Means(NLM) using Curvelet transformation", 《INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY (IJERT)》 * |
| 欧阳春娟 等: "基于小波变换的自适应模糊阈值去噪算法", 《计算机工程与应用》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114584256A (zh) * | 2020-11-30 | 2022-06-03 | 默升科技集团有限公司 | 链路速度协商期间的均衡器训练 |
| CN112819721A (zh) * | 2021-02-04 | 2021-05-18 | 湖南兴芯微电子科技有限公司 | 一种图像彩色噪声降噪的方法和系统 |
| CN113074627A (zh) * | 2021-03-12 | 2021-07-06 | 中国科学院生物物理研究所 | 直接电子探测相机的成像方法、装置及计算机设备 |
| CN113074627B (zh) * | 2021-03-12 | 2022-06-10 | 中国科学院生物物理研究所 | 直接电子探测相机的成像方法、装置及计算机设备 |
| CN113284065A (zh) * | 2021-05-26 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频图像的去噪方法、装置、电子设备和可读存储介质 |
| CN114155161A (zh) * | 2021-11-01 | 2022-03-08 | 富瀚微电子(成都)有限公司 | 图像去噪方法、装置、电子设备与存储介质 |
| CN114155161B (zh) * | 2021-11-01 | 2023-05-09 | 富瀚微电子(成都)有限公司 | 图像去噪方法、装置、电子设备与存储介质 |
| CN114972110A (zh) * | 2022-06-15 | 2022-08-30 | 明峰医疗系统股份有限公司 | 一种ct图像处理方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110246088B (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110246088A (zh) | 基于小波变换的图像亮度降噪方法及其图像降噪系统 | |
| CN105096280B (zh) | 处理图像噪声的方法及装置 | |
| Gupta et al. | Review of different local and global contrast enhancement techniques for a digital image | |
| US9135681B2 (en) | Image chroma noise reduction | |
| US6807300B1 (en) | Noise reduction method utilizing color information, apparatus, and program for digital image processing | |
| CN111583123A (zh) | 一种基于小波变换的融合高低频信息的图像增强算法 | |
| CN111260580B (zh) | 图像去噪方法、计算机装置及计算机可读存储介质 | |
| Suganya et al. | Survey on image enhancement techniques | |
| CN103985097B (zh) | 一种非均匀照度的图像增强方法 | |
| CN107784639B (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
| CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
| CN107862666A (zh) | 基于nsst域的混合遥感图像增强方法 | |
| CN109389560A (zh) | 一种自适应加权滤波图像降噪方法、装置及图像处理设备 | |
| CN107979712A (zh) | 一种视频降噪方法及装置 | |
| Dhariwal | Comparative analysis of various image enhancement techniques | |
| CN109949256B (zh) | 一种基于傅里叶变换的天文图像融合方法 | |
| CN112801925A (zh) | 基于信息熵最大化消除水波纹影响的水下图像增强方法 | |
| CN104766285A (zh) | 一种水下降质图像的自适应增强方法 | |
| RU2448367C1 (ru) | Способ повышения визуальной информативности цифровых полутоновых изображений | |
| CN109859138A (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
| Wen et al. | A survey of image dehazing algorithm based on retinex theory | |
| Borker et al. | Contrast Enhancement and Visibility Restoration of Underwater Optical Images Using Fusion. | |
| Kannan et al. | Optimal decomposition level of discrete wavelet transform for pixel based fusion of multi-focused images | |
| KR101287508B1 (ko) | 주요 밝기 레벨 및 적응적 밝기값 변환에 의한 대비 개선 장치 및 방법 | |
| CN110175959B (zh) | 一种台风云图增强方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190917 Assignee: Zhejiang Shunwei Technology Co.,Ltd. Assignor: SUNNY OPTICAL (ZHEJIANG) RESEARCH INSTITUTE Co.,Ltd. Contract record no.: X2024330000055 Denomination of invention: A method for image brightness denoising based on wavelet transform and its image denoising system Granted publication date: 20210713 License type: Common License Record date: 20240515 |