CN110706171B - 图像降噪方法及装置 - Google Patents
图像降噪方法及装置 Download PDFInfo
- Publication number
- CN110706171B CN110706171B CN201910917003.4A CN201910917003A CN110706171B CN 110706171 B CN110706171 B CN 110706171B CN 201910917003 A CN201910917003 A CN 201910917003A CN 110706171 B CN110706171 B CN 110706171B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- points
- image sequence
- judged
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 abstract description 8
- 230000001629 suppression Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种图像降噪方法及装置,方法包括:获取图像序列中每帧图像内的待判噪声点;统计图像序列中相应像素位置处待判噪声点的出现频率;将出现频率大于阈值的待判噪声点确定为噪声点,并基于噪声点形成噪声点表;基于噪声点表,对图像序列进行降噪处理。根据本发明的图像降噪方法,基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为噪声点,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题,提高了噪声点确定的准确性和可靠性,有效提高了图像降噪的效果,提高对弱小目标的检测率和检测稳定性。
Description
技术领域
本发明涉及红外检测技术领域,尤其涉及一种图像降噪方法及装置。
背景技术
红外目标检测技术主要利用背景和目标之间的红外辐射差异来进行目标检测。红外目标检测系统一方面可以检测到雷达探测不到的电磁隐身设备,而且它对飞行器尾焰敏感,可以探测雷达无法探测到的低空飞行巡航导弹和隐形战斗机等,弥补了雷达盲区;另一方面它可以在夜间工作,并且没有辐射,有利于隐蔽。红外目标检测技术是当今世界高技术领域的热门研究课题,逐渐引起世界各国的高度重视。
红外目标检测系统的重要衡量指标是对弱小目标的检测能力。在待检测的目标与探测器的距离很远时,目标的光谱能量经过大气传输,在大气扰动、光学散射和衍射等影响下,探测器靶面能接收到的目标的光谱辐照度很小,导致目标的信噪比很低。同时,远距离目标在红外图像中的面积很小,与盲闪元很难区分。因此,红外弱小目标检测技术面临着巨大挑战。
为了提高红外探测系统对弱小目标的检测能力,可以提高图像的分辨率,增大弱小目标与盲闪元的差异。但是由于设备受到体积和重量的限制,不可能无休止的提高探测器的分辨率,而且升级硬件会带来昂贵的代价。因此,针对盲闪元时空特性,设计出一种红外图像背景抑制方法和预处理系统具有重要的意义。
发明内容
本发明要解决的技术问题是如何解决图像中盲闪元对弱小目标检测产生的干扰问题,本发明提供了一种图像降噪方法及装置。
根据本发明实施例的图像降噪方法,包括:
获取图像序列中每帧图像内的待判噪声点;
统计所述图像序列中相应像素位置处所述待判噪声点的出现频率;
将出现频率大于阈值的所述待判噪声点确定为噪声点,并基于所述噪声点形成噪声点表;
基于所述噪声点表,对所述图像序列进行降噪处理。
根据本发明实施例的图像降噪方法,通过获取图像序列中每帧图像的待判噪声点,基于图像序列的时域特性,设定阈值,将图像序列中相应像素位置处的待判噪声点出现的频率大于阈值的待判噪声点确定为噪声点。由此,基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为噪声点,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题,提高了噪声点确定的准确性和可靠性,有效提高了图像降噪的效果,提高对弱小目标的检测率和检测稳定性。
根据本发明的一些实施例,所述方法还包括:基于所述图像序列中所述待判噪声点的出现频率,更新所述噪声点表。
在本发明的一些实施例中,采用孤立点增强算法获取所述图像序列中每帧图像内的所述待判噪声点。
根据本发明的一些实施例,所述基于所述噪声点表,对所述图像序列进行降噪处理,包括:对所述噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
在本发明的一些实施例中,所述方法还包括:
输出降噪处理前的所述图像序列和/或降噪处理后的所述图像序列。
根据本发明实施例的图像降噪装置,所述装置包括用于图像降噪处理的图像处理模块,所述图像处理模块包括:
检测模块,用于获取图像序列中每帧图像内的待判噪声点;
统计模块,用于统计所述图像序列中相应像素位置处所述待判噪声点的出现频率;
判断模块,用于将出现频率大于阈值的所述待判噪声点确定为噪声点,并基于所述噪声点形成噪声点表;
填充模块,用于基于所述噪声点表,对所述图像序列进行降噪处理。
根据本发明实施例的图像降噪装置,通过获取图像序列中每帧图像的待判噪声点,基于图像序列的时域特性,设定阈值,将图像序列中相应像素位置处的待判噪声点出现的频率大于阈值的待判噪声点确定为噪声点。由此,基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为噪声点,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题,提高了噪声点确定的准确性和可靠性,有效提高了图像降噪的效果,提高对弱小目标的检测率和检测稳定性。
根据本发明的一些实施例,所述图像处理模块还包括:更新模块,用于基于所述图像序列中所述待判噪声点的出现频率,实时更新所述噪声点表。
在本发明的一些实施例中,所述填充模块具体用于:对所述噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
根据本发明的一些实施例,所述装置还包括:输出模块,用于输出降噪处理前的所述图像序列和/或降噪处理后的所述图像序列。
在本发明的一些实施例中,所述装置还包括:输出选择模块,用于控制所述输出模块输出降噪处理前的图像序列或降噪处理后的所述图像序列。
附图说明
图1为本发明实施例的图像降噪方法流程图;
图2为本发明实施例的图像降噪装置组成结构示意图。
附图说明:
装置100,
图像处理模块10,检测模块110,统计模块120,判断模块130,填充模块140,更新模块150,
输出模块20,第一输出接口210,第二输出接口220,输出选择模块30,第一输出选择模块310,第二输出选择模块320,输入模块40。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
如图1所示,根据本发明实施例的图像降噪方法,包括:
S101:获取图像序列中每帧图像内的待判噪声点;
需要说明的是,本发明提出的图像降噪方法可以用于视频图像(图像序列)降噪处理。在接收到待处理图像序列时,可以通过预设算法计算获取每帧图像内的待判噪声点,这里所述的待判噪声点可以理解为盲闪元。
S102:统计图像序列中相应像素位置处待判噪声点的出现频率;
需要说明的是,获取图像序列中每帧图像内的待判噪声点后,可以对每帧图像中对应位置处的待判噪声点的出现频率进行统计。
S103:将出现频率大于阈值的待判噪声点确定为噪声点,并基于噪声点形成噪声点表;
也就是说,可以设定预设阈值,当图像序列中相同像素位置处的待判噪声点出现的频率大于阈值时,则将该待判噪声点确定为噪声点,即盲闪元。并基于确定的噪声点形成噪声点表。
例如,假设图像序列中有N帧图像,可以设定阈值为20,当N帧图像中相同像素位置处的出现了待判噪声点,且出现的次数大于20时,则根据出现频率进一步确定该待判噪声点为噪声点。上述所述的“N帧图像中相同像素位置处”可以进行如下理解:假设N帧图像的像素位置均可用二维坐标数值表示,则N帧图像中相同像素位置处,即为N帧图像中坐标对应相等的位置。由此,在确定噪声点时,综合考虑了图像的二维信息和时域信息的三维信息,提高了噪声点确定的准确性和可靠性。
S104:基于噪声点表,对图像序列进行降噪处理。
也就是说,确定噪声点并形成噪声点表后,可以基于噪声点表,基于预设算法对图像进行降噪处理,从而可以有效去除图像序列中的噪声点。
根据本发明实施例的图像降噪方法,通过获取图像序列中每帧图像的待判噪声点,基于图像序列的时域特性,设定阈值,将图像序列中相应像素位置处的待判噪声点出现的频率大于阈值的待判噪声点确定为噪声点。由此,基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为噪声点,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题,提高了噪声点确定的准确性和可靠性,有效提高了图像降噪的效果,提高对弱小目标的检测率和检测稳定性。
根据本发明的一些实施例,方法还可以包括:基于图像序列中待判噪声点的出现频率,实时更新噪声点表。
需要说明的是,可以采用时域信息统计算法对图像序列中每帧图像进行处理,计算孤立点在空域上的重复率,当某像素位置的重复率大于预设的阈值时,就将其标记为盲闪元,否则将其标记为普通像素,从而形成盲闪元表。盲闪元表在视频序列处理过程中实时更新,从而将盲闪元及时地加入到盲闪元表,并将误检为盲闪元的像素从盲闪元表中剔除。
也就是说,可以根据图像序列中待判噪声点的出现频率,更新噪声点表。例如,在生成噪声表后,可以继续按照图像序列的时序对图像序列中噪声点出现的频率进行统计,当噪声点出现的频率小于阈值时,可以将该噪声点从噪声点表中删除;或者当图像序列中出现新的满足阈值的待判噪声点时,可以将该待判噪声点添加到噪声点表中,以对噪声点表进行实时更新。由此,不仅可以有效地将时域上随机出现的盲闪元(噪声点)加入到盲闪元表(噪声点表)中,还可以将误检为盲闪元(噪声点)的像素及时的从盲闪元表(噪声点表)中剔除。
在本发明的一些实施例中,采用孤立点增强算法获取图像序列中每帧图像内的待判噪声点。
需要说明的是,可以利用图像中孤立点(暗点或亮点)的空域特性对与邻域对比度较大的像素进行增强,并且对与邻域对比度较小的像素进行抑制,从而增大图像中盲闪元(噪声点)等目标像素与非目标像素的差异,然后采用自适应阈值分割算法将孤立的像素点从图像中分割出来,形成二维值热力图。例如,孤立点增强算法可以采用Top-hat,log算子等对图像进行处理,增强孤立点的响应,抑制非孤立点的响应。
根据本发明的一些实施例,基于噪声点表,对图像序列进行降噪处理,包括:对噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
需要说明的是,在获取噪声点表后,可以采用盲闪元填充算法对图像序列进行降噪处理。盲闪元填充算法以盲闪元表(即噪声点表)作为掩膜,对图像中的盲闪元(即噪声点)使用邻域中值进行替换,普通的像素保持原值不变,从而有效去除了图像序列中的噪声点,提高了图像序列质量。
在本发明的一些实施例中,方法还可以包括:输出降噪处理前的图像序列和/或降噪处理后的图像序列。也就是说,在图像序列降噪处理完后,可以输出降噪前的图像序列,也可以输出降噪后的图像序列,还可以同时输出降噪前和降噪后的图像序列,以便于对比查看图像序列。
根据本发明实施例的图像降噪装置100,如图2所示,装置100包括用于图像降噪处理的图像处理模块10,图像处理模块10包括:检测模块110、统计模块120、判断模块130和填充模块140。
具体而言,检测模块110可以用于获取图像序列中每帧图像内的待判噪声点。在接收到待处理图像序列时,检测模块110可以通过预设算法计算获取每帧图像内的待判噪声点(盲闪元)。
统计模块120可以用于统计图像序列中相应像素位置处待判噪声点的出现频率。需要说明的是,获取图像序列中每帧图像内的待判噪声点后,统计模块120可以对每帧图像中对应位置处的待判噪声点的出现频率进行统计。
判断模块130可以用于将出现频率大于阈值的待判噪声点确定为噪声点,并基于噪声点形成噪声点表。也就是说,可以设定预设阈值,当图像序列中相同像素位置处的待判噪声点出现的频率大于阈值时,则将该待判噪声点确定为噪声点,即盲闪元。并基于确定的噪声点形成噪声点表。
例如,假设图像序列中有N帧图像,可以设定阈值为20,当N帧图像中相同像素位置处的出现了待判噪声点,且出现的次数大于20时,则根据出现频率进一步确定该待判噪声点为噪声点。
填充模块140可以用于基于噪声点表,对图像序列进行降噪处理。也就是说,确定噪声点并形成噪声点表后,填充模块140可以基于噪声点表,基于预设算法对图像进行降噪处理,从而可以有效去除图像序列中的噪声点。
根据本发明实施例的图像降噪装置100,通过获取图像序列中每帧图像的待判噪声点,基于图像序列的时序特性,设定阈值,将图像序列中相应像素位置处的待判噪声点出现的频率大于阈值的待判噪声点确定为噪声点。由此,基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为噪声点,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题,提高了噪声点确定的准确性和可靠性,有效提高了图像降噪的效果,提高对弱小目标的检测率和检测稳定性。
在本发明的一些实施例中,图像处理模块10可以选择使用FPGA(FieldProgrammable Gate Array)。FPGA能够实时地处理图像,减小了后续目标检测系统的压力。
根据本发明的一些实施例,如图2所示,图像处理模块10还可以包括:更新模块150。更新模块150可以用于基于图像序列中待判噪声点的出现频率,实时更新噪声点表。
也就是说,更新模块150可以根据图像序列中待判噪声点的出现频率,更新噪声点表。例如,在生成噪声表后,可以继续按照图像序列的时序对图像序列中噪声点出现的频率进行统计,当噪声点出现的频率小于阈值时,可以将该噪声点从噪声点表中删除;或者当图像序列中出现新的满足阈值的待判噪声点时,可以将该待判噪声点添加到噪声点表中,以对噪声点表进行实时更新。由此,进一步提高了噪声点确定的准确性和可靠性,提高了图像降噪性能。
在本发明的一些实施例中,填充模块140具体可以用于:对噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
需要说明的是,在获取噪声点表后,填充模块140可以采用盲闪元填充算法对图像序列进行降噪处理。盲闪元填充算法以盲闪元表(即噪声点表)作为掩膜,对图像中的盲闪元(即噪声点)使用邻域中值进行替换,普通的像素保持原值不便,从而有效去除了图像序列中的噪声点,提高了图像序列质量。
根据本发明的一些实施例,如图2所示,装置100还可以包括:输出模块20,用于输出降噪处理前的图像序列和/或降噪处理后的图像序列。也就是说,在图像序列降噪处理完后,可以输出降噪前的图像序列,也可以输出降噪后的图像序列,还可以同时输出降噪前和降噪后的图像序列,以便于对比查看图像序列。
在本发明的一些实施例中,如图2所示,输出模块20可以包括:第一输出接口210和第二输出接口220。第一输出接口210可以与监视器连接;第二输出接口220可以与目标检测系统连接。
如图2所示,第一输出接口210可以设置为两个或多个,第一输出接口210可以为常见数字接口(如HDMI接口),第一输出接口210与监视器连接。第一输出接口210为两个时,可以连接两个监视器。由此,可以在其中一个监视器上输出降噪处理前的图像序列,在另一个监视器上输出降噪处理后的图像序列,从而可以方便对比观察盲闪元的删除效果。
第二输出接口220可以为一个,第二输出接口220可以为常用高速接口(Rapid IO接口)。第二输出接口220与目标检测系统连接,由此,可以通过第二输出接口220将降噪处理前的图像序列和降噪处理后的图像分别输出到后续的目标检测系统,从而方便观察盲闪元对弱小目标检测的影响。
在本发明的一些实施例中,如图2所示,装置100还可以包括:输出选择模块30,用于控制输出模块20输出降噪处理前的图像序列或降噪处理后的图像序列。由此,可以通过输出选择模块30选择输出模块20的图像输出模式,如选择输出降噪处理前的图像序列,或选择输出降噪处理后的图像。
根据本发明的一些实施例,输出选择模块30可以为拨码开关或按键开关。也就是说,输出选择模块30可以是拨码开关,或者输出选择模块30也可以是拨码开关。由此,可以方便地选择控制输出的图像模式。
在本发明的一些实施例中,输出选择模块30和输出模块20可以均为多个,多个输出选择模块30与多个输出模块20一一对应设置。如图2所示,输出选择模块30和输出模块20均为三个,三个输出选择模块30与三个输出模块20一一对应设置。其中,三个输出选择模块30包括两个第一输出选择模块310和一个第二输出选择模块320。两个第一输出选择模块310对应控制两个第一输出接口210,第二输出选择模块320对应控制第二输出接口220。也就是说,每个输出模块20可以由对应的输出选择模块30控制。由此,可以使每个输出模块20独立切换输出源,控制输出的图像模式。
如图2所示,根据本发明的一些实施例,装置100还可以包括:输入模块40,用于输入待降噪处理的图像序列。由此,可以将待降噪处理的图像序列通过输入模块40输入降噪处理装置100,以进行降噪处理。
在本发明的一些实施例中,输入模块40可以与红外探测器连接,以将红外探测器获取的图像序列输入图像降噪装置100。例如,输入模块40可以为数字接口(如Cameralink接口等),需要说明的是,图像降噪装置100可以用于针对红外图像中盲闪元对弱小目标检测产生干扰的问题。红外探测器获取的红外图像可以通过输入模块40输入到图像降噪装置100中,图像降噪装置100运行红外图像背景抑制算法(即上述所述的图像降噪方法),实时地完成红外图像预处理。
下面以一个具体的实施例详细描述根据本发明实施例的图像降噪方法:
如图1和图2所示,红外图像背景抑制系统的软件部分包括以下步骤:孤立点增强、自适应阈值分割、时域信息统计、盲闪元提取、盲闪元填充。
孤立点增强算法可以采用Top-hat,log算子等对原始图像进行处理,增强孤立点的响应,抑制非孤立点的响应。
自适应阈值分割采用Ostu阈值分割算法,计算孤立点增强算法处理后图像的直方图,根据最大类间方差准则获取最佳分割阈值,从空域上提取出盲闪元候选点。
时域信息统计以自适应阈值分割后的图像作为输入,根据视频序列中空域位置上孤立点出现的次数计算每个像素位置的时域重复信息,以设定的阈值作为判断标准,小于阈值的标记为普通像素,并重新统计重复率,大于阈值的标记为盲闪元像素。
盲闪元填充以原始图像的中值滤波结果和时域信息统计获取的盲闪元表作为输入,将原始图像中的盲闪元用对应位置的中值滤波结果替换,从而达到盲闪元抑制的效果。
红外图像背景抑制系统的软件即基于三维信息的红外图像背景抑制算法运行在硬件系统的FPGA中,探测器采集的图像通过Cameralink接口输入到图像处理器FPGA,图像经过孤立点增强、自适应阈值分割、时域信息统计、盲闪元提取、盲闪元填充后得到去噪后的图像,FPGA读取每个输出接口对应的输出源选择模块的状态,根据控制信号将原始图像或去噪后的图像输出到对应的输出接口。
由此,采用基于三维信息的背景抑制方法,利用空域信息和时域信息综合判断图像中像素是否为盲闪元像素,可以很大程度上避免直接采用空域滤波算法带来的弱小目标信息丢失的问题。盲闪元填充时使用的盲闪元表在图像序列处理过程中是实时更新的,不仅可以有效地将时域上随机出现的盲闪元加入到盲闪元表中,还可以将误检为盲闪元的像素及时的从盲闪元表中剔除,提高红外系统对弱小目标的检测率和检测稳定性。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (9)
1.一种图像降噪方法,其特征在于,包括:
获取图像序列中每帧图像内的待判噪声点;
统计所述图像序列中相应像素位置处所述待判噪声点的出现频率;
将出现频率大于阈值的所述待判噪声点确定为噪声点,并基于所述噪声点形成噪声点表;
基于所述噪声点表,对所述图像序列进行降噪处理;
其中,所述获取图像序列中每帧图像内的待判噪声点,包括:
采用孤立点增强算法获取所述图像序列中每帧图像内的所述待判噪声点;
所述采用孤立点增强算法获取所述图像序列中每帧图像内的所述待判噪声点,包括:
利用图像中孤立点的空域特性对邻域像素进行处理,确定图像中的目标像素点;
采用自适应阈值分割算法将目标像素点从图像中分割出来,形成二维值热力图;
基于所述二维值热力图,获取所述图像序列中每帧图像内的所述待判噪声点。
2.根据权利要求1所述的图像降噪方法,其特征在于,所述方法还包括:
基于所述图像序列中所述待判噪声点的出现频率,更新所述噪声点表。
3.根据权利要求1所述的图像降噪方法,其特征在于,所述基于所述噪声点表,对所述图像序列进行降噪处理,包括:
对所述噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
4.根据权利要求1所述的图像降噪方法,其特征在于,所述方法还包括:
输出降噪处理前的所述图像序列和/或降噪处理后的所述图像序列。
5.一种图像降噪装置,其特征在于,所述装置包括用于图像降噪处理的图像处理模块,
所述图像处理模块包括:
检测模块,用于获取图像序列中每帧图像内的待判噪声点;
统计模块,用于统计所述图像序列中相应像素位置处所述待判噪声点的出现频率;
判断模块,用于将出现频率大于阈值的所述待判噪声点确定为噪声点,并基于所述噪声点形成噪声点表;
填充模块,用于基于所述噪声点表,对所述图像序列进行降噪处理;
其中,所述检测模块,包括:
第一获取模块,用于采用孤立点增强算法获取所述图像序列中每帧图像内的所述待判噪声点;
所述第一获取模块,包括:
处理模块,用于利用图像中孤立点的空域特性对邻域像素进行处理,确定图像中的目标像素点;
分割模块,用于采用自适应阈值分割算法将目标像素点从图像中分割出来,形成二维值热力图;
第二获取模块,用于基于所述二维值热力图,获取所述图像序列中每帧图像内的所述待判噪声点。
6.根据权利要求5所述的图像降噪装置,其特征在于,所述图像处理模块还包括:
更新模块,用于基于所述图像序列中所述待判噪声点的出现频率,实时更新所述噪声点表。
7.根据权利要求5所述的图像降噪装置,其特征在于,所述填充模块具体用于:
对所述噪声点表对应的噪声点,采用对应像素位置处的邻域中值进行替换。
8.根据权利要求5所述的图像降噪装置,其特征在于,所述装置还包括:
输出模块,用于输出降噪处理前的所述图像序列和/或降噪处理后的所述图像序列。
9.根据权利要求8所述的图像降噪装置,其特征在于,所述装置还包括:
输出选择模块,用于控制所述输出模块输出降噪处理前的图像序列或降噪处理后的所述图像序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917003.4A CN110706171B (zh) | 2019-09-26 | 2019-09-26 | 图像降噪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917003.4A CN110706171B (zh) | 2019-09-26 | 2019-09-26 | 图像降噪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706171A CN110706171A (zh) | 2020-01-17 |
CN110706171B true CN110706171B (zh) | 2024-04-26 |
Family
ID=69197283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910917003.4A Active CN110706171B (zh) | 2019-09-26 | 2019-09-26 | 图像降噪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706171B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260590B (zh) * | 2020-02-29 | 2023-05-23 | 重庆港宇高科技开发有限公司 | 图像降噪方法及相关产品 |
CN113589311B (zh) * | 2021-07-15 | 2023-11-28 | 中国科学院上海技术物理研究所 | 一种暗弱目标红外微分探测方法 |
CN114820397B (zh) * | 2022-07-01 | 2022-09-06 | 托伦斯半导体设备启东有限公司 | 基于关注程度的图像增强方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678408B1 (en) * | 1999-11-17 | 2004-01-13 | Infocus Corporation | Noise reduction through comparative histograms |
JP2008147726A (ja) * | 2006-12-06 | 2008-06-26 | Astro Design Inc | 画像ノイズ検出装置及び画像ノイズ検出方法 |
CN101658027A (zh) * | 2007-03-31 | 2010-02-24 | 索尼德国有限责任公司 | 用于图像帧的降噪方法和单元 |
CN103369209A (zh) * | 2013-07-31 | 2013-10-23 | 上海通途半导体科技有限公司 | 视频降噪装置及方法 |
CN104023166A (zh) * | 2014-06-20 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种环境自适应视频图像降噪方法及装置 |
CN104516784A (zh) * | 2014-07-11 | 2015-04-15 | 中国科学院计算技术研究所 | 一种预测任务资源等待时间的方法及系统 |
CN105894464A (zh) * | 2016-03-28 | 2016-08-24 | 福州瑞芯微电子股份有限公司 | 一种中值滤波图像处理方法和装置 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN107092911A (zh) * | 2017-03-29 | 2017-08-25 | 中国电子科技集团公司第十研究所 | 一种时空联合弱小目标检测方法与装置 |
CN107122777A (zh) * | 2017-04-25 | 2017-09-01 | 云南省交通科学研究所 | 一种基于视频文件的车辆分析系统及分析方法 |
CN107590783A (zh) * | 2017-08-29 | 2018-01-16 | 北京华易明新科技有限公司 | 一种基于fpga的图像降噪处理方法 |
CN108875540A (zh) * | 2018-03-12 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
CN109712151A (zh) * | 2018-12-31 | 2019-05-03 | 航天精一(广东)信息科技有限公司 | 一种逆向渲染绘制热力图的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10839573B2 (en) * | 2016-03-22 | 2020-11-17 | Adobe Inc. | Apparatus, systems, and methods for integrating digital media content into other digital media content |
CN105869133B (zh) * | 2016-05-20 | 2019-02-26 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
CN113033574A (zh) * | 2021-02-26 | 2021-06-25 | 天津大学 | 一种基于fpga的图像数据降噪系统及方法 |
CN113313641B (zh) * | 2021-04-28 | 2022-05-03 | 北京理工大学 | 一种自适应中值滤波的ct图像去噪方法 |
CN115330818A (zh) * | 2022-09-23 | 2022-11-11 | 李泽阳 | 一种图片分割方法及其计算机可读存储介质 |
-
2019
- 2019-09-26 CN CN201910917003.4A patent/CN110706171B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678408B1 (en) * | 1999-11-17 | 2004-01-13 | Infocus Corporation | Noise reduction through comparative histograms |
JP2008147726A (ja) * | 2006-12-06 | 2008-06-26 | Astro Design Inc | 画像ノイズ検出装置及び画像ノイズ検出方法 |
CN101658027A (zh) * | 2007-03-31 | 2010-02-24 | 索尼德国有限责任公司 | 用于图像帧的降噪方法和单元 |
CN103369209A (zh) * | 2013-07-31 | 2013-10-23 | 上海通途半导体科技有限公司 | 视频降噪装置及方法 |
CN104023166A (zh) * | 2014-06-20 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种环境自适应视频图像降噪方法及装置 |
CN104516784A (zh) * | 2014-07-11 | 2015-04-15 | 中国科学院计算技术研究所 | 一种预测任务资源等待时间的方法及系统 |
CN105894464A (zh) * | 2016-03-28 | 2016-08-24 | 福州瑞芯微电子股份有限公司 | 一种中值滤波图像处理方法和装置 |
CN106373098A (zh) * | 2016-08-30 | 2017-02-01 | 天津大学 | 基于非相似像素统计的随机脉冲噪声去除方法 |
CN107092911A (zh) * | 2017-03-29 | 2017-08-25 | 中国电子科技集团公司第十研究所 | 一种时空联合弱小目标检测方法与装置 |
CN107122777A (zh) * | 2017-04-25 | 2017-09-01 | 云南省交通科学研究所 | 一种基于视频文件的车辆分析系统及分析方法 |
CN107590783A (zh) * | 2017-08-29 | 2018-01-16 | 北京华易明新科技有限公司 | 一种基于fpga的图像降噪处理方法 |
CN108875540A (zh) * | 2018-03-12 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
CN109712151A (zh) * | 2018-12-31 | 2019-05-03 | 航天精一(广东)信息科技有限公司 | 一种逆向渲染绘制热力图的方法 |
Non-Patent Citations (2)
Title |
---|
Temporal image stacking for noise reduction and dynamic range improvement;AtAtanassov, K等anassov, K等;《MULTIMEDIA CONTENT AND MOBILE DEVICES》;20131231(第8667期);1-10 * |
联合双边滤波器耦合多分辨率的图像降噪算法;卫星等;《计算机工程与设计》;20161231(第12期);3327-3333 * |
Also Published As
Publication number | Publication date |
---|---|
CN110706171A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706171B (zh) | 图像降噪方法及装置 | |
CN106600888B (zh) | 一种森林火灾自动检测方法及系统 | |
JP5551595B2 (ja) | 滑走路監視システムおよび方法 | |
CN101441771B (zh) | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 | |
CN106897720A (zh) | 一种基于视频分析的烟火检测方法及装置 | |
JPH07302328A (ja) | 背景差分による動物体領域抽出方法 | |
CN111612820A (zh) | 多目标跟踪方法、特征提取模型的训练方法和装置 | |
WO2017027212A1 (en) | Machine vision feature-tracking system | |
CN107635099B (zh) | 一种人体感应双光网络摄像机及安防监控系统 | |
CN102737370A (zh) | 检测图像前景的方法及设备 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN110728668B (zh) | 一种小目标形态保持的空域高通滤波器 | |
KR101224494B1 (ko) | 촬영 대상의 명도 및 채도 변화에 강건한 영상 기반 연기 검출 방법 | |
CN109254271B (zh) | 一种用于地面监视雷达系统的静止目标抑制方法 | |
CN108334824A (zh) | 基于背景差分和迭代搜索的高压隔离开关状态识别方法 | |
Bhujade et al. | Detection of power-lines in complex natural surroundings | |
CN110751667B (zh) | 基于人类视觉系统的复杂背景下红外弱小目标检测方法 | |
CN109002777A (zh) | 一种面向复杂场景的红外小目标检测方法 | |
CN111460964A (zh) | 一种广电传输机房低照度条件下运动目标检测方法 | |
CN113902694A (zh) | 一种基于动静结合的目标检测方法 | |
CN104021576A (zh) | 在场景中追踪移动物体的方法及系统 | |
CN108010050B (zh) | 一种基于自适应背景更新和选择性背景更新的前景检测方法 | |
CN106898014B (zh) | 一种基于深度相机的入侵检测方法 | |
CN110751068B (zh) | 基于自适应时空融合的远距离弱小目标视觉检测方法 | |
Al-Zubaidy et al. | Removal of atmospheric particles in poor visibility outdoor images |
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 |