CN110503625B - 一种cmos图像信号相关噪声参数估计方法 - Google Patents

一种cmos图像信号相关噪声参数估计方法 Download PDF

Info

Publication number
CN110503625B
CN110503625B CN201910589179.1A CN201910589179A CN110503625B CN 110503625 B CN110503625 B CN 110503625B CN 201910589179 A CN201910589179 A CN 201910589179A CN 110503625 B CN110503625 B CN 110503625B
Authority
CN
China
Prior art keywords
pixel
image
texture
image block
low
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.)
Active
Application number
CN201910589179.1A
Other languages
English (en)
Other versions
CN110503625A (zh
Inventor
李锦彧
张钰
宋佳忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201910589179.1A priority Critical patent/CN110503625B/zh
Publication of CN110503625A publication Critical patent/CN110503625A/zh
Application granted granted Critical
Publication of CN110503625B publication Critical patent/CN110503625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种CMOS图像信号相关噪声参数估计方法。图像灰度熵虽然对于无噪图像的纹理分析有较好的结果，但对于包含噪声的图像并不是十分理想。本发明的步骤如下：一、在目标图像中提取出多个大小为d×d的图像块。二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度。三、将各图像块按照纹理强度从小到大进行排序；取前M个图像块作为低纹理图像块。四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值。五、得到目标图像的信号相关噪声参数。本发明通过改进的局部二值模式定义了一种较为精确的计算图像块纹理强度的新方法，并将其应用到低纹理图像块的选择中。

Description

一种CMOS图像信号相关噪声参数估计方法
技术领域
本发明属于计算机图像处理技术领域，具体涉及一种基于局部二值模式的CMOS图像信号相关噪声参数估计方法。
背景技术
在CMOS图像传感器采集过程中会不可避免地会产生噪声，其中两个突出的噪声源是热噪声和光子噪声，它们可以被建模为泊松-高斯噪声模型。该模型由表征光子噪声的信号相关(泊松)项和表征热噪声的信号无关(高斯)项组成。使用参数噪声模型对图像进行后续的去噪或其他应用前需要根据图像估计信号相关噪声参数。
目前，估计泊松-高斯噪声模型噪声参数的方法基本上都是基于散点图：对噪声图像进行分块，挑选低纹理图像块，每块图像估计出一对像素值和噪声方差，然后拟合出噪声参数。此方法的难点在于低纹理图像块的挑选，已经提出的有基于梯度方法和基于图像局部灰度熵的方法；然而，基于梯度的方法只考虑了图像水平和垂直方向上像素值变化情况，并不能特别准确的检测图像的纹理强度，而图像灰度熵虽然对于无噪图像的纹理分析有较好的结果，但对于包含噪声的图像并不是十分理想，因此，如何更为精确地挑选低纹理图像块是提高参数估计准确性的关键。
发明内容
本发明的目的在于提供一种基于局部二值模式的CMOS图像信号相关噪声参数估计方法。
本发明的具体步骤如下：
步骤一、在目标图像中提取出多个大小为d×d的图像块，10≤d≤25。
步骤二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度。
局部二进制模式方法具体如下：
2-1.将2赋值给i和j。
2-2.以图像块中第i行第j列像素点作为目标像素点。对目标像素点的像素值与目标像素点八领域内像素点的像素值分别作差，得到八个像素差值；若八领域内一个像素点对应的像素差值大于阈值z，则将该像素点标记为1，否则，将该像素点标记为0。
2-3.计算目标像素点八领域内像素点的标记跳变次数t(i,j)。若目标像素点八领域内相邻像素点的标记不相同，则表示一次标记跳变。之后，进入步骤2-4。
2-4.若j＜d-1，则将j增大1，并执行步骤2-2和2-3；若j＝d-1且i＜d-1，则将1赋值给j，将i增大1，并执行步骤2-2和2-3；否则，计算图像块的纹理信息
Figure BDA0002115529620000021
步骤三、将各图像块按照纹理强度Tk从小到大进行排序；取前M个图像块作为低纹理图像块；M＝λ·(p-d+1)·(q-d+1)；10％≤λ≤25％。
步骤四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值，具体如下：
计算各低纹理图像块的像素估计值
Figure BDA0002115529620000022
其中，Gk(i,j)为第k张低纹理图像块内第i行第j列像素点的像素值，k＝1,2,…,M。
计算第k张低纹理图像块的噪声方差估计值
Figure BDA0002115529620000023
其中，
Figure BDA0002115529620000024
为向量
Figure BDA0002115529620000025
的二范数；Gk为第k张低纹理图像块对应的图像矩阵；umin是第k张低纹理图像块的最小方差方向，最小方差方向为协方差矩阵∑G的最小特征值所对应的特征向量：
Figure BDA0002115529620000026
步骤五、对步骤四得到的M个像素-噪声方差估计值数对
Figure BDA0002115529620000027
进行线性最小二乘拟合，得到目标图像对应的信号相关噪声参数。
作为优选，步骤一中，提取图像块的方法为：确定一个大小为d×d的窗口，将窗口按照从上到下、从左到右的顺序依次移动一个像素，每次移动后窗口内的区域即为一个图像块。
作为优选，z＝16。
本发明具有的有益效果是：
1、本发明通过改进的局部二值模式定义了一种较为精确的计算图像块纹理强度的新方法，并将其应用到低纹理图像块的选择中。
2、本发明利用计算所得的图像块的纹理强度，较为准确地挑选出低纹理图像块，然后再计算这些低纹理图像块的像素-噪声方差估计值数对，最终提高了参数估计的准确性。
具体实施方式
以下对本发明作进一步说明。
本发明中所述的信号相关噪声参数为泊松-高斯噪声模型中的两个噪声参数。泊松-高斯噪声模型具体如下：
z(x)＝y(x)+ω(y(x))ξ(x)，ξ(x)～N(0,b)ω(y(x))～P(ay(x))
σ2(y(x))＝ay(x)+b
其中，x表示像素位置；z(x)表示噪声图像在x处的像素值；y(x)表示x处滤除噪声后的像素值；ω(y(x))ξ(x)表示x处的综合噪声项；ξ(x)为高斯噪声项，服从均值为0，方差为b的高斯分布；ω(y(x))为与y(x)相关的泊松噪声项，服从参数为ay(x)的泊松分布；最终，噪声图像在x处的噪声的方差近似计算为σ2(y(x))＝ay(x)+b。a、b即本发明需要确定的信号相关噪声参数。
该CMOS图像信号相关噪声参数估计方法具体如下：
步骤一、在大小为p×q的目标图像中提取出多个大小为d×d的图像块，d＝16；具体方法为：确定一个大小为d×d的窗口，将窗口按照从上到下、从左到右的顺序依次移动一个像素，每次移动后窗口内的区域即为一个图像块，每一个图像块的像素值都组成一个图像矩阵。即大小为p×q的目标图像提取出(p-d+1)×(q-d+1)个图像块。
步骤二、对每一个提取出的图像块利用改进的局部二进制模式(LBP)方法计算纹理强度。
改进的局部二进制模式(LBP)方法具体如下：
2-1.将2赋值给i和j。
2-2.以图像块中第i行第j列像素点作为目标像素点。对目标像素点的像素值与目标像素点八领域内像素点的像素值分别作差，得到八个像素差值；若八领域内一个像素点对应的像素差值大于16，则将该像素点标记为1，否则，将该像素点标记为0。
2-3.计算目标像素点八领域内像素点的标记跳变次数t(i,j)。若目标像素点八领域内相邻像素点的标记不相同，则表示一次标记跳变。举例来说，若八领域内像素点的标记分别为10101100，则对应的标记跳变次数t(i,j)等于6。之后，进入步骤2-4。
2-4.若j＜d-1，则将j增大1，并执行步骤2-2和2-3；若j＝d-1且i＜d-1，则将1赋值给j，将i增大1，并执行步骤2-2和2-3；否则，计算图像块的纹理信息
Figure BDA0002115529620000041
步骤三、将各图像块按照纹理强度Tk从小到大进行排序；取前M个图像块作为低纹理图像块；M＝λ·(p-d+1)·(q-d+1)；λ＝20％。
步骤四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值，具体如下：
计算各低纹理图像块的像素估计值
Figure BDA0002115529620000042
其中，Gk(i,j)为第k张低纹理图像块内第i行第j列像素点的像素值，k＝1,2,…,M。
计算第k张低纹理图像块的噪声方差估计值
Figure BDA0002115529620000043
其中，
Figure BDA0002115529620000044
为向量
Figure BDA0002115529620000045
的二范数；Gk为第k张低纹理图像块对应的图像矩阵；
Figure BDA0002115529620000046
为向量umin的转置；umin是第k张低纹理图像块的最小方差方向，最小方差方向通过PCA计算为由下式定义的协方差矩阵∑G的最小特征值所对应的特征向量：
Figure BDA0002115529620000047
步骤五、对步骤四得到的M个像素-噪声方差估计值数对
Figure BDA0002115529620000048
进行线性最小二乘拟合，得到目标图像对应的泊松-高斯噪声模型信号相关噪声参数。
具体为，令
Figure BDA0002115529620000049
且
Figure BDA00021155296200000410
利用最小二乘法拟合出信号相关噪声参数a和b如下：
Figure BDA00021155296200000411
根据泊松-高斯噪声模型信号相关噪声参数，能够对目标图像进行去噪滤波等操作。
以下对本发明的估计精度进行验证：
用本发明、方法二、方法对10幅实验图像估计结果的均方误差(MSE)如表1所示。方法二为基于梯度的方法，方法三为基于局部灰度熵的方法。实验中给图像加入由a＝{0.005,0.010,0.015}和b＝{0.0016,0.0036,0.0064}组合得到的九对噪声参数所对应的泊松-高斯噪声，
Figure BDA0002115529620000051
和
Figure BDA0002115529620000052
分别表示十幅实验图像噪声参数a和b的估计结果相对于参数设置值的均方误差。
结论：从表1中可以看出，综合各种噪声情景，采用本发明得到的10幅图像估计结果的均方误差最小，这说明本发明所提出的参数估计方法精确性最佳。
表1图像噪声估计结果的均方误差
Figure BDA0002115529620000053

Claims (3)

1.一种CMOS图像信号相关噪声参数估计方法，其特征在于：步骤一、在目标图像中提取出多个大小为d×d的图像块，10≤d≤25；
步骤二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度；
局部二进制模式方法具体如下：
2-1.将2赋值给i和j；
2-2.以图像块中第i行第j列像素点作为目标像素点；对目标像素点的像素值与目标像素点八领域内像素点的像素值分别作差，得到八个像素差值；若八领域内一个像素点对应的像素差值大于阈值z，则将该像素点标记为1，否则，将该像素点标记为0；
2-3.计算目标像素点八领域内像素点的标记跳变次数t(i,j)；若目标像素点八领域内相邻像素点的标记不相同，则表示一次标记跳变；之后，进入步骤2-4；
2-4.若j＜d-1，则将j增大1，并执行步骤2-2和2-3；若j＝d-1且i＜d-1，则将1赋值给j，将i增大1，并执行步骤2-2和2-3；否则，计算图像块的纹理信息
Figure FDA0003150962750000011
步骤三、将各图像块按照纹理强度Tk从小到大进行排序；取前M个图像块作为低纹理图像块；M＝λ·(p-d+1)·(q-d+1)；10％≤λ≤25％；p、q为图像块的大小；
步骤四、计算各低纹理图像块的像素估计值和噪声方差估计值，具体如下：
计算各低纹理图像块的像素估计值
Figure FDA0003150962750000012
其中，Gk(i,j)为第k张低纹理图像块内第i行第j列像素点的像素值，k＝1,2,…,M；
计算第k张低纹理图像块的噪声方差估计值
Figure FDA0003150962750000013
其中，
Figure FDA0003150962750000014
为向量
Figure FDA0003150962750000015
的二范数；Gk为第k张低纹理图像块对应的图像矩阵；umin是第k张低纹理图像块的最小方差方向，最小方差方向为协方差矩阵∑G的最小特征值所对应的特征向量：
Figure FDA0003150962750000016
步骤五、对步骤四得到的M个像素-噪声方差估计值数对
Figure FDA0003150962750000021
进行线性最小二乘拟合，得到目标图像对应的信号相关噪声参数。
2.根据权利要求1所述的一种CMOS图像信号相关噪声参数估计方法，其特征在于：步骤一中，提取图像块的方法为：确定一个大小为d×d的窗口，将窗口按照从上到下、从左到右的顺序依次移动一个像素，每次移动后窗口内的区域即为一个图像块。
3.根据权利要求1所述的一种CMOS图像信号相关噪声参数估计方法，其特征在于：z＝16。
CN201910589179.1A 2019-07-02 2019-07-02 一种cmos图像信号相关噪声参数估计方法 Active CN110503625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910589179.1A CN110503625B (zh) 2019-07-02 2019-07-02 一种cmos图像信号相关噪声参数估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910589179.1A CN110503625B (zh) 2019-07-02 2019-07-02 一种cmos图像信号相关噪声参数估计方法

Publications (2)

Publication Number Publication Date
CN110503625A CN110503625A (zh) 2019-11-26
CN110503625B true CN110503625B (zh) 2021-08-17

Family

ID=68585833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910589179.1A Active CN110503625B (zh) 2019-07-02 2019-07-02 一种cmos图像信号相关噪声参数估计方法

Country Status (1)

Country Link
CN (1) CN110503625B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445410B (zh) * 2020-03-26 2022-09-27 腾讯科技（深圳）有限公司 基于纹理图像的纹理增强方法、装置、设备和存储介质
CN112862753B (zh) * 2020-12-31 2024-05-24 百果园技术(新加坡)有限公司 噪声强度估计方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810722A (zh) * 2014-02-27 2014-05-21 云南大学 结合改进的lbp纹理和色度信息的运动目标检测方法
CN105787492A (zh) * 2016-04-01 2016-07-20 电子科技大学 基于均值采样的局部三值模式纹理特征提取方法
CN107295217A (zh) * 2017-06-30 2017-10-24 中原智慧城市设计研究院有限公司 一种基于主成分分析的视频噪声估计方法
CN107451981A (zh) * 2017-08-15 2017-12-08 四川长虹电器股份有限公司 基于dct和梯度协方差矩阵的图像噪声水平估计方法
CN108960055A (zh) * 2018-05-30 2018-12-07 广西大学 一种基于局部线段模式特征的车道线检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810722A (zh) * 2014-02-27 2014-05-21 云南大学 结合改进的lbp纹理和色度信息的运动目标检测方法
CN105787492A (zh) * 2016-04-01 2016-07-20 电子科技大学 基于均值采样的局部三值模式纹理特征提取方法
CN107295217A (zh) * 2017-06-30 2017-10-24 中原智慧城市设计研究院有限公司 一种基于主成分分析的视频噪声估计方法
CN107451981A (zh) * 2017-08-15 2017-12-08 四川长虹电器股份有限公司 基于dct和梯度协方差矩阵的图像噪声水平估计方法
CN108960055A (zh) * 2018-05-30 2018-12-07 广西大学 一种基于局部线段模式特征的车道线检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于二维局部二值模式的纹理图像分类方法;王凯丽;《电子学报》;20181031;第46卷(第10期);全文 *
局部二进制模式方法综述;刘丽;《中国图像图形学报》;20141231;第19卷(第12期);全文 *

Also Published As

Publication number Publication date
CN110503625A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN107424161B (zh) 一种由粗至精的室内场景图像布局估计方法
CN109242870A (zh) 一种基于图像划分和纹理特征的海天线检测方法
CN110503625B (zh) 一种cmos图像信号相关噪声参数估计方法
CN110378924B (zh) 基于局部熵的水平集图像分割方法
CN112561881B (zh) 基于评价模型的红外图像自适应数据增强方法
CN110415260B (zh) 基于字典与bp神经网络的烟雾图像分割与识别方法
CN114220061B (zh) 一种基于深度学习的多目标跟踪方法
CN109410248B (zh) 一种基于r-K算法的浮选泡沫运动特征提取方法
CN105447488B (zh) 基于素描线段拓扑结构的sar图像目标检测方法
CN112270697B (zh) 一种结合超分辨率重建的卫星序列影像运动目标检测方法
CN115375733A (zh) 基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法
CN108319961B (zh) 一种基于局部特征点的图像roi快速检测方法
CN109978916B (zh) 基于灰度图像特征匹配的Vibe运动目标检测方法
Han et al. An enhanced image binarization method incorporating with Monte-Carlo simulation
CN104200434A (zh) 一种基于噪声方差估计的非局部均值图像去噪方法
CN111160362B (zh) 一种fast特征均匀化提取与帧间特征误匹配去除方法
CN105844671B (zh) 一种变光照条件下的快速背景减除法
CN108537771B (zh) 基于hsv的mc-siltp运动目标检测方法
Chandrakala et al. Threshold based segmentation using block processing
CN111539966A (zh) 一种基于模糊c均值聚类的比色传感器阵列图像分割方法
CN102970527B (zh) 基于六边形搜索及五帧背景对齐的动背景视频对象提取
CN113837243B (zh) 基于边缘信息的rgb-d相机动态视觉里程计方法
CN103051893B (zh) 基于五边形搜索及五帧背景对齐的动背景视频对象提取
CN106446764B (zh) 基于改进的模糊颜色聚合向量的视频目标检测方法
CN115861349A (zh) 基于约简概念结构元素和矩阵序的彩色图像边缘提取方法

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191126

Assignee: Hangzhou Yufeng Audio visual Technology Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2022980022886

Denomination of invention: A Method for Estimation of Correlated Noise Parameters of CMOS Image Signals

Granted publication date: 20210817

License type: Common License

Record date: 20221122

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191126

Assignee: HANGZHOU SHENGSHI TECHNOLOGY Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2023980032721

Denomination of invention: A Method of Correlated Noise Parameter Estimation for CMOS Image Signal

Granted publication date: 20210817

License type: Common License

Record date: 20230224