CN111652821A - 基于梯度信息的微光视频图像降噪处理方法、装置和设备 - Google Patents
基于梯度信息的微光视频图像降噪处理方法、装置和设备 Download PDFInfo
- Publication number
- CN111652821A CN111652821A CN202010506421.7A CN202010506421A CN111652821A CN 111652821 A CN111652821 A CN 111652821A CN 202010506421 A CN202010506421 A CN 202010506421A CN 111652821 A CN111652821 A CN 111652821A
- Authority
- CN
- China
- Prior art keywords
- light
- video image
- low
- level video
- image
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000003044 adaptive effect Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 7
- 238000011946 reduction process Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000004297 night vision Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20028—Bilateral filtering
Abstract
本发明公开了一种基于梯度信息的微光视频图像降噪处理方法、装置和设备,包括:根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。本发明能够通过分析图像自身以及相邻视频帧的图像信息,完成微光视频图像的实时降噪处理。
Description
技术领域
本发明涉及成像技术领域,特别是涉及一种基于梯度信息的微光视频图像降噪处理方法、装置和设备。
背景技术
目前,在微光夜视视频成像过程中,随着环境照度的下降,成像附加的噪声呈快速上升趋势,且随机分布于整个视场中,导致目标信息淹没在噪声中,增加了观测时对目标特征的识别难度。由于微光夜视成像噪声属于加性和乘性混合噪声,图像信噪比较低,传统图像降噪方法的实施效果均不甚理想,基于帧叠加的时间滤波方法不仅会降低成像的时间分辨率,而且对于运动目标或场景,还会因图像拖尾造成严重的图像模糊;空间滤波方法则会降低图像的空间分辨率;时域空域联合滤波等处理量较大,处理时间较长,往往难以适应运动场景的成像。因此,研究适合微光夜视图像降噪方法成为行业的技术难题之一。
另外,涉及到实际的使用,数据位宽及数据精度出现较大矛盾。若保证数据位宽,则精度不够,多次迭代会出现图像失真现象;若保证精度,则位宽有所限制,无法满足多次迭代优化处理。
发明内容
本发明所要解决的技术问题是提供一种基于梯度信息的微光视频图像降噪处理方法、装置和设备,能够通过分析图像自身以及相邻视频帧的图像信息,完成微光视频图像的实时降噪处理。
本发明公开了一种基于梯度信息的微光视频图像降噪处理方法,包括:噪声估计步骤、运动区域估计步骤、引导图像生成步骤和滤波步骤;
所述噪声估计步骤包括:根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
所述运动区域估计步骤包括:对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
所述引导图像生成步骤包括:根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
所述滤波步骤包括:根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
优选地,所述运动区域估计步骤包括:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
优选地,所述噪声估计步骤包括:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
优选地,所述滤波步骤包括:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
第二方面,本发明还提供一种基于梯度信息的微光视频图像降噪处理装置,包括:噪声估计模块、运动区域估计模块、引导图像生成模块和滤波模块;
所述噪声估计步骤模块,设置为根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
所述运动区域估计模块,设置为对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
所述引导图像生成模块,设置为根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
所述滤波步骤模块,设置为根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
优选地,所述运动区域估计模块设置为:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
优选地,所述噪声估计模块设置为:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
优选地,所述滤波模块设置为:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
第三方面,本发明还提供一种基于梯度信息的微光视频图像降噪处理设备,包括:包括存储器、处理器,所述存储器存储共享存储基于梯度信息的微光视频图像降噪处理的计算机程序,所述处理器执行所述计算机程序时实现上述的方法的处理。
与现有技术相比,本发明具有以下优点:
首先,本发明提出了一种基于梯度信息的微光视频图像降噪处理方法,实现对前端探测耦合器件所采数据进行实时降噪处理,以提升成像质量,可用于夜视领域多种类型的系统。
其次,本发明在基于梯度信息的微光夜视视频实时降噪算法实现中,利用成像时域上的关联性结合多种先进算法,使用了每帧图像自身的梯度信息、帧与帧之间的关联性信息以及图像自身的局部关联性信息联合进行分析处理,较大的提升了微光夜视视频的成像质量和实时处理速度。
最后,本发明针对微光夜视视频成像中,对较大的随机性噪声降噪处理以提升成像质量的需求,通过分析图像自身以及相邻视频帧的图像信息,获取图像中噪声修正系数参量,完成微光噪声的实时降噪处理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明实施例的基于梯度信息的微光视频图像降噪处理方法的流程图;
图2为本发明实施例的基于梯度信息的微光视频图像降噪处理装置的示意图;
图3是根据本申请另一个实施例的计算设备结构图;
图4是根据本申请另一个实施例的计算机可读存储介质结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本发明实施例提供一种基于梯度信息的微光视频图像降噪处理方法,包括:噪声估计步骤、运动区域估计步骤、引导图像生成步骤和滤波步骤;
S101、所述噪声估计步骤包括:根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
S102、所述运动区域估计步骤包括:对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
S103、所述引导图像生成步骤包括:根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
S104、所述滤波步骤包括:根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
本发明实施例中,步骤S102所述运动区域估计步骤包括:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
本发明实施例中,步骤S101所述噪声估计步骤包括:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
本发明实施例中,步骤S104所述滤波步骤包括:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
如图2所示,本发明实施例提供一种基于梯度信息的微光视频图像降噪处理装置,包括:噪声估计模块、运动区域估计模块、引导图像生成模块和滤波模块;
所述噪声估计步骤模块,设置为根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
所述运动区域估计模块,设置为对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
所述引导图像生成模块,设置为根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
所述滤波步骤模块,设置为根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
本发明实施例中,所述运动区域估计模块设置为:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
本发明实施例中,所述噪声估计模块设置为:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
本发明实施例中,所述滤波模块设置为:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
本发明实施例还提供一种基于梯度信息的微光视频图像降噪处理设备,包括:包括存储器、处理器,所述存储器存储共享存储基于梯度信息的微光视频图像降噪处理的计算机程序,所述处理器执行所述计算机程序时实现上述的方法的处理。
实施例一
下面对本实施例基于梯度信息的微光视频图像降噪处理方法的关键内容进行详细说明。
本发明提出的基于梯度信息的微光夜视视频实时降噪处理算法,其软件代码采用通用Verilog语言编程实现,在ISE14.7、VIVADO以及ModelSim平台下编译并运行。
整体算法流程如下:
本算法以引导滤波为基础算法。引导滤波是一种类似双边滤波的空间域滤波器,但整体效果优于双边滤波算法。该算法利用了自然图像局部区域存在的线性关系,假设噪声图像为原图像与噪声的线性叠加,且原图像满足:
qi=pi-ni=aIi+b
其中,pi为噪声原图的第i个像素点;qi为无噪声原始图像的第i个像素点;ni为噪声;Ii为输入图像第i个像素点;a,b为待定系数。
于是,只需合理估算a、b两值即可近似得到降噪图像。因为是局部处理,因此对于每个像素点会处理多次,因此针对于每个点所估算的参数a,b需进行加权平均处理。参数a、b的理论估算函数表达式为:
其中,ak:对应像素点k计算所得的系数a;
bk:对应像素点k计算所得的系数b;
ωk:像素点k的邻域ω;
Ii:k点邻域ω内各点i的预处理引导图像灰度值;
Pi:k点邻域ω内各点i的原始噪声图像灰度值;
μk:内部计算系数;
σk:运动噪声参量;
ε:计算偏差系数。
梯度域引导滤波则是利用图像的梯度信息来改进参数a,b的估算方法,使得处理结果更接近真实值。在该算法中,梯度是矢量,即其携带了多方向的像素点灰度突变信息,因此考虑对引导图像梯度场取绝对值,其表达形式为:
其中,Mi:i点梯度场信息;为Ii在x方向和y方向的偏导进行的计算。
由于梯度信息直接反映了图像本身的细节变化情况,即图像灰度的变化幅度,因此通过判断计算得到的梯度信息数值的大小即可估计计算区域是否为图像的细节边缘区域。根据计算得到的引导图像梯度场信息,对其进行阈值处理操作。通过设定合理的阈值t,实现非边缘区域的较小梯度值的滤除。具体阈值t定义的函数关系表达式为:
t=0.15×L
实际处理中,阈值t应为一个变量,随着不同的环境条件、照度信息、引导图像灰度信息等多种因素而变化,以适应不同条件,从而达到最好的处理效果。但由于实际处理时,环境照度大多不会过于频繁的变化,因此阈值t的设定在短时间内可用同一阈值处理以减少运算量,阈值的选取应主要以适应引导图像的变化为主;而引导图像的最大的变化参量为像素灰度,究其根本仍为照度条件。综上,在选取阈值时,须直接构建阈值t与环境照度E或亮度L间的关系吗,且在一定时间内无需重复计算。经多次不同条件下的数据测试,为实现所生成的引导图像可以最大程度上的与待处理图像的细节分布一致,最终阈值t选取为亮度L的0.15倍。
相比于引导滤波,梯度引导滤波引入了梯度域的信息作为联合处理参量,目的在于对图像边缘信息进行更加充分的应用,以达到更好的降噪效果。故在权值的计算过程中引入了一个梯度约束因子s(i)作为权值计算模型的指数项,目的在于设定一个权值计算的边界约束。当所处理的像素点处于梯度值较大的区域,即图像细节边缘区域时,通过加入的约束因子,使得在该部分计算过程中,调整权重,使该部分的信息得到放大或突出,以保护图像边缘信息;而当所处理的像素点处于梯度值较小的区域时,认为该区域为图像中灰度变化较平缓的区域,边缘细节信息相对较小,故调整权重,让该区域的像素点通过处理后可以得到更好的降噪效果。基于上述分析,权值的函数关系式为:
根据上述分析可知,在权值计算过程中,底数项Mi-t在非细节边缘区域时通常为数值很小的负数,而权值的计算应使得计算结果处于(0,1)范围内,即为正数。同时考虑到权值在随后的参数a、b的计算过程中处于分母位置,不可取0,因此若直接对底数项取绝对值无法避免因底数项为0而造成的计算误差。因此选择通过加入一个常数项β以解决上述问题,β一般取值为4。因此改进后的权值设定方法的函数关系表达式为:
综上,最终改进的参数a,b及输出图像的函数关系表达式为:
其中,q:处理完成后的处理结果,为理论分析上的原始无噪声图像。
针对在FPGA上运行时所产生的数据溢出现象做出如下改进:
自适应梯度引导滤波的第一部分的处理目的在于初步对预处理噪声图像进行细节保护降噪处理,同时为第二环节梯度引导滤波计算所需的参量提供计算输入数据。
该部分的原理与计算Xp_Mean和Xp_Min的原理基本相同,不同的是输入参量为两个,即引导图像I0和噪声图像P0,使得在计算过程中除了Mean_I、Mean_II、N三个参量外,额外多出两个计算参量Mean_P、Mean_IP。因此在该模块中,第一步计算图像参量的函数计算表达式将变为。第二步计算图像协方差和标准差的函数计算表达式变为。
其中,I:预处理引导图像;
P:原始噪声图像;
II:图像I对应点平方后的图像;
IP:图像I和图像P对应点相乘的图像,I*P;
N0:输入图像数值全为1,尺寸大小同I或P;
r:处理半径;
Mean_I、Mean_P、Mean_II、Mean_IP:处理中间过程量,为半径r内对应点处理结果的均值;为矩阵参量,尺寸同I或P;
Cov_IP:I、P图像相关的协方差,矩阵量;
Var_I:图像I的标准差,矩阵量。
上面已进行过参量a、b的理论分析,但是在实际硬件编写过程中,参量a、b受除法误差影响极其严重,故需进行改进以实现降低除法误差的目的。经多次测试,最终选定解决方案为:参量a、b最终放大216倍,同时只进行一次除法计算。最终的函数计算表达式为:
其中,a:矩阵量,对应每个点计算所得的a参量;
b:矩阵量,对应每个点计算所得的b参量。
e:此前所估计的同时考虑噪声与运动影响的噪声参量。
最后将计算得到的参量a、b进行窗口局域均值处理,得到最终的计算系数Mean_a、Mean_b。通过进行计算,得到该模块的最终输出结果:非自身引导滤波处理结果。
DATAout=(Mean-a*I0)+Mean-b
其中,I0:引导图像;
Mean_a、Mean_b:上述处理半径内的各点a、b的计算均值,矩阵量。
本申请实施例还提供了一种计算设备,参照图3,该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序,该计算机程序存储于存储器1120中的用于程序代码的空间1130,该计算机程序在由处理器1110执行时实现用于执行任一项根据本发明的方法步骤1131。
本申请实施例还提供了一种计算机可读存储介质。参照图4,该计算机可读存储介质包括用于程序代码的存储单元,该存储单元设置有用于执行根据本发明的方法步骤的程序1131′,该程序被处理器执行。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (9)
1.一种基于梯度信息的微光视频图像降噪处理方法,其特征在于,包括:噪声估计步骤、运动区域估计步骤、引导图像生成步骤和滤波步骤;
所述噪声估计步骤包括:根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
所述运动区域估计步骤包括:对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
所述引导图像生成步骤包括:根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
所述滤波步骤包括:根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
2.根据权利要求1所述的降噪处理方法,其特征在于,所述运动区域估计步骤包括:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
3.根据权利要求1或2所述的降噪处理方法,其特征在于,所述噪声估计步骤包括:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
4.根据权利要求3所述的降噪处理方法,其特征在于,所述滤波步骤包括:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
5.一种基于梯度信息的微光视频图像降噪处理装置,其特征在于,包括:噪声估计模块、运动区域估计模块、引导图像生成模块和滤波模块;
所述噪声估计步骤模块,设置为根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声参数进行估计;
所述运动区域估计模块,设置为对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波处理,获取当前帧微光视频图像的运动区域;
所述引导图像生成模块,设置为根据当前帧微光视频图像和上一帧微光视频图像、所述当前帧微光视频图像的运动区域和当前帧微光视频图像的噪声参数生成引导图像;
所述滤波步骤模块,设置为根据生成的引导图像对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后输出图像。
6.根据权利要求5所述的降噪处理装置,其特征在于,所述运动区域估计模块设置为:
对当前帧微光视频图像和上一帧微光视频图像分别进行引导滤波,以获取当前帧微光视频图像的引导图像梯度场信息;
根据计算得到的引导图像梯度场信息,获得当前帧微光视频图像的像素点灰度突变信息;
通过判断计算得到的引导图像梯度场信息的大小,估计当前帧微光视频图像的边缘区域;
将边缘区域的引导图像梯度场信息分别与预设运动判断阈值比较,获得当前帧图像的运动区域。
7.根据权利要求5或6所述的降噪处理装置,其特征在于,所述噪声估计模块设置为:
根据当前帧微光视频图像和上一帧微光视频图像对当前帧微光视频图像的噪声进行初步估计获得噪声参数σ;
根据当前帧微光视频图像的运动区域和噪声参数σ对当前帧微光视频图像的噪声进行二次估计获得噪声参数E。
8.根据权利要求7所述的降噪处理装置,其特征在于,所述滤波模块设置为:
根据二次估计获得噪声参数E确定迭代引导滤波处理的窗口尺寸和迭代次数;
根据迭代次数,对当前帧微光视频图像进行自适应梯度引导滤波和迭代引导滤波处理,获得滤波后的输出图像。
9.一种基于梯度信息的微光视频图像降噪处理设备,其特征在于,包括:包括存储器、处理器,所述存储器存储共享存储基于梯度信息的微光视频图像降噪处理的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4所述的方法的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506421.7A CN111652821B (zh) | 2020-06-05 | 2020-06-05 | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506421.7A CN111652821B (zh) | 2020-06-05 | 2020-06-05 | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652821A true CN111652821A (zh) | 2020-09-11 |
CN111652821B CN111652821B (zh) | 2024-01-23 |
Family
ID=72351247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506421.7A Active CN111652821B (zh) | 2020-06-05 | 2020-06-05 | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652821B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804444A (zh) * | 2020-12-30 | 2021-05-14 | 影石创新科技股份有限公司 | 一种视频处理方法、装置、计算设备及存储介质 |
CN114125471A (zh) * | 2021-11-27 | 2022-03-01 | 北京工业大学 | 一种视频编码前置滤波方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888638A (zh) * | 2014-03-15 | 2014-06-25 | 浙江大学 | 基于引导滤波和非局部平均滤波的时空域自适应去噪方法 |
CN107610072A (zh) * | 2017-10-10 | 2018-01-19 | 北京理工大学 | 一种基于梯度引导滤波的微光视频图像自适应降噪方法 |
CN109872274A (zh) * | 2019-01-18 | 2019-06-11 | 天津大学 | 一种基于引导滤波器的量子图像传感器的列噪声消除方法 |
-
2020
- 2020-06-05 CN CN202010506421.7A patent/CN111652821B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888638A (zh) * | 2014-03-15 | 2014-06-25 | 浙江大学 | 基于引导滤波和非局部平均滤波的时空域自适应去噪方法 |
CN107610072A (zh) * | 2017-10-10 | 2018-01-19 | 北京理工大学 | 一种基于梯度引导滤波的微光视频图像自适应降噪方法 |
CN109872274A (zh) * | 2019-01-18 | 2019-06-11 | 天津大学 | 一种基于引导滤波器的量子图像传感器的列噪声消除方法 |
Non-Patent Citations (1)
Title |
---|
谢伟;周玉钦;游敏;: "融合梯度信息的改进引导滤波", 中国图象图形学报, no. 09, pages 1119 - 1126 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804444A (zh) * | 2020-12-30 | 2021-05-14 | 影石创新科技股份有限公司 | 一种视频处理方法、装置、计算设备及存储介质 |
CN114125471A (zh) * | 2021-11-27 | 2022-03-01 | 北京工业大学 | 一种视频编码前置滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111652821B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963993B2 (en) | Image noise intensity estimation method, image noise intensity estimation device, and image recognition device | |
Ju et al. | Single image dehazing via an improved atmospheric scattering model | |
Kim et al. | Optimized contrast enhancement for real-time image and video dehazing | |
US20220351335A1 (en) | Video denoising method and device, and computer readable storage medium | |
Dong et al. | Underwater image enhancement via integrated RGB and LAB color models | |
CN108174057B (zh) | 一种利用视频图像帧间差异对画面快速降噪的方法及装置 | |
CN111161172B (zh) | 一种红外图像列向条纹消除方法、系统及计算机存储介质 | |
CN102968770A (zh) | 噪声消除方法及装置 | |
CN112991197B (zh) | 一种基于暗通道的细节保留的低照度视频增强方法及装置 | |
CN111652821B (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
CN108270945B (zh) | 一种运动补偿去噪方法及装置 | |
CN116309152A (zh) | 一种低照度图像的细节增强方法、系统、设备和存储介质 | |
CN112508815A (zh) | 模型的训练方法和装置、电子设备、机器可读存储介质 | |
Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
CN117218026B (zh) | 一种红外图像增强方法及装置 | |
KR102277005B1 (ko) | 비지도 학습을 이용한 저조도 영상 처리 방법 및 장치 | |
CN112825189B (zh) | 一种图像去雾方法及相关设备 | |
CN117152016A (zh) | 基于改进暗通道先验的图像去雾方法及其系统 | |
CN116993616A (zh) | 一种单幅低照度场景图像增强方法及增强系统 | |
Ngo et al. | Image detail enhancement via constant-time unsharp masking | |
CN112822343B (zh) | 一种面向夜间视频的清晰化方法及存储介质 | |
Zhao et al. | A Novel Low-Illumination Image Enhancement Method Based on Dual-Channel Prior | |
Xue et al. | Iterative image restoration using a non-local regularization function and a local regularization operator | |
Chen et al. | Low-light image enhancement based on Double component processing of Retinex model | |
KR102615125B1 (ko) | 영상 노이즈 저감 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
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 |