CN112381727A - 一种图像去噪方法、装置、计算机设备和存储介质 - Google Patents

一种图像去噪方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112381727A
CN112381727A CN202011206988.9A CN202011206988A CN112381727A CN 112381727 A CN112381727 A CN 112381727A CN 202011206988 A CN202011206988 A CN 202011206988A CN 112381727 A CN112381727 A CN 112381727A
Authority
CN
China
Prior art keywords
image
pixel
filtering
value
determining
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
Application number
CN202011206988.9A
Other languages
English (en)
Other versions
CN112381727B (zh
Inventor
范大勇
刘奇
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.)
Avic Avionics Corp ltd
Original Assignee
Avic Avionics Corp ltd
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 Avic Avionics Corp ltd filed Critical Avic Avionics Corp ltd
Priority to CN202011206988.9A priority Critical patent/CN112381727B/zh
Publication of CN112381727A publication Critical patent/CN112381727A/zh
Application granted granted Critical
Publication of CN112381727B publication Critical patent/CN112381727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10048—Infrared image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明涉及图像处理技术领域，特别是涉及一种图像去噪方法、装置、计算机设备和存储介质，包括以下步骤：获取图像的像素强度值；根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；对图像进行一次滤波处理；根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波。本发明实施例提供的图像去噪方法适用于高密度噪声去除，具有较好的数值结果和视觉效果。

Description

一种图像去噪方法、装置、计算机设备和存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像去噪方法、装置、计算机设备和存储介质。
背景技术
图像去噪方法主要分为空间域与频率域两类方法。空间域法是对图像像素进行处理，如均值滤波、中值滤波等，这些方法在去噪的同时也屏蔽了图像的边缘信息，使得图像变得平滑模糊。频率域去噪法是将原始图像通过一些积分变换方法，将其变换到频率域，接着在频率域对其进行去噪操作，常用的有傅里叶变换、小波变换等，这些方法对特定纹理噪声滤除效果较好，但是自适应性比较一般。
现有技术提供了在上方像素校正参数的基础上，迭代计算出预校正像素点的实时校正参数，从而实现单帧红外图像中的条纹噪声的去除。该方法无需计算图像统计特性，适合流水式的红外图像数据流的噪声去除。但是该方法过于简单，当红外图像中出现高密度噪声等复杂场景时，去除效果不佳。
可见，现有技术在图像去噪时对于高密度噪声去除效果并不理想，需要进行改进。
发明内容
基于此，有必要针对上述的问题，提供一种图像去噪方法、装置、计算机设备和存储介质。
本发明实施例是这样实现的，一种图像去噪方法，所述图像去噪方法包括以下步骤：
获取图像的像素强度值；
根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
在其中一个实施例中，还提供了一种图像去噪装置，所述图像去噪装置包括：
获取模块，用于获取图像的像素强度值；
预处理模块，用于根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
一次滤波模块，用于根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
相似度模块，用于根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
加权欧式距离模块，用于根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
二次滤波模块，用于根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
本发明实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本发明实施例提供的图像去噪方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本发明实施例提供的图像去噪方法的步骤。
本发明实施例提供的图像去噪方法根据图像的像素强度值，利用像素值均值、像素值方差、噪声变化系数以及噪声滤波参数对图像进行一次去噪，之后再根据当前像素所在图像块与其对比图像块的加权欧式距离确定权值系数从而对图像进行二次去噪。本发明提供的图像去噪方法适用红外图像的高密度噪声，能够最大程度地保留红外图像中的细节信息，并且，本发明的方法运算简单，适应流水线式的处理方式，易于实现嵌入式，能够满足红外系统对于图像实时处理的需求。
附图说明
图1为一个实施例中提供的图像去噪方法的流程图；
图2为图1中根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数的具体流程图；
图3为图1中根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度的具体流程图；
图4为本发明实施例提供的图像去噪方法的去噪效果图；
图5为一个实施例中提供的图像去噪装置的结构框图；
图6为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
如图1所示，在一个实施例中，提出了一种图像去噪方法，具体可以包括步骤S102～S112：
步骤S102，获取图像的像素强度值。
在本发明实施例中，对于图像的像素强度值的获取方法本发明实施例不作具体限定，此可以参考现有技术实现。需要说明的是，本发明主要适用于红外图像，主要在于红外图像可以通过像素强度值描述图像内容，由此，一切通过像素强度值描述图像内容的图像，均可以采用本发明实施例提供的方案进行噪声去除。
步骤S104，根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数。
在本发明实施例中，在本发明实施例中，滤波窗口的大小可以自行设定，例如可以采用n*n个像素的大小，此为可选的具体实现方式，本发明实施例对此不作具体限定。
步骤S106，根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值。
步骤S108，根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度。
在本发明实施例中，需要理解的是，这里的水平与垂直仅仅用于描述两个相互垂直的方向，并不限于图像的水平方向或者垂直方向。
步骤S110，根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离。
步骤S112，根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
本发明实施例提供的图像去噪方法根据图像的像素强度值，利用像素值均值、像素值方差、噪声变化系数以及噪声滤波参数对图像进行一次去噪，之后再根据当前像素所在图像块与其对比图像块的加权欧式距离确定权值系数从而对图像进行二次去噪。本发明提供的图像去噪方法适用红外图像的高密度噪声，能够最大程度地保留红外图像中的细节信息，并且，本发明的方法运算简单，适应流水线式的处理方式，易于实现嵌入式，能够满足红外系统对于图像实时处理的需求。
在一个实施例中，如图2所示，步骤S102即根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数的步骤具体可以包括步骤S202～S206：
步骤S202，根据所述像素强度值和预设的滤波窗口，分别确定所述像素值均值以及所述像素值方差。
在本发明实施例中，像素值均值通过下式确定：
Figure BDA0002757388830000051
像素值方差通过下式确定：
Figure BDA0002757388830000052
在上面两式中：Iavg为像素值均值；Ivar为像素值方差；n为滤波窗口的长度或者宽度方向的像素个数；I为图像的像素强度值。
步骤S204，根据所述像素值均值以及所述像素值方差确定所述噪声变化系数。
在本发明实施例中，噪声变化系数b通过下式确定：
Figure BDA0002757388830000053
步骤S206，根据预设的噪声系数滤波模块以及所述像素强度值确定所述噪声滤波参数。
在本发明实施例中，噪声滤波参数p通过下式确定：
Figure BDA0002757388830000054
其中，NN为噪声滤波系数模块，其大小为n×n。
在一个实施例中，步骤S104即根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值，通过以下公式确定：
Figure BDA0002757388830000061
其中：II为一次滤波后的像素强度值；I为初始图像的像素强度值；p为噪声滤波参数；T为预设的噪声滤波系数阈值；Iavg为像素值均值；Ivar为像素值方差；b为噪声变化系数。
在一个实施例中，步骤S108之前还包括步骤：根据一次滤波后的像素强度值及预设的边缘检测算子分别确定图像的水平梯度以及垂直梯度。
在本发明实施例中，图像的水平梯度gradiendx以及垂直梯度gradiendy分别通过下式进行试算：
Figure BDA0002757388830000062
Figure BDA0002757388830000063
其中：sobelx、sobely分别为x方向和y方向的边缘检测算子，可以在有限范围内自行选定；II为一次滤波后的像素强度。
在一个实施例中，如图3所示，步骤S108即根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度，包括步骤S302～S308：
步骤S302，根据所述水平梯度和垂直梯度确定梯度幅值。
在本发明实施例中，梯度幅值Gimg通过下式确定：
Gimg＝|gradiendx|+|gradiendy|
步骤S304，确定所述梯度幅值水平方向的均值及方差、垂直方向的均值和方差、协方差。
在本发明实施例中，图像在两个方向的均值分别为λx及λy；在两个方向的方差分别为σx及σy；协方差为σxy。对于均值、方差以及协方差的计算方法属于现有技术，本发明实施例对此不再赘述。
步骤S306，根据所述梯度幅值水平方向的均值及方差、垂直方向的均值和方差、协方差确定结构相似度。
在本发明实施例中，结构相似度GS可以通过下式确定：
Figure BDA0002757388830000071
步骤S308，对所述结构相似度进行归一化处理。
在本发明实施例中，归一化结构相似度Gnorm通过下式确定：
Figure BDA0002757388830000072
在一个实施例中，步骤S110即根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离，通过下式确定：
Figure BDA0002757388830000073
其中：gdist为加权欧式距离；Gnorm为归一化处理后的结构相似度；GS为结构相似度；II为一次滤波后的像素强度；M(i)为当前像素所在图像块；M(j)为对比图像块。
在一个实施例中，步骤S112即根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，通过下式确定：
w(i,j)＝exp(-gdist(i,j)/h2)/z(i)
其中：w为权值系数；gdist为加权欧式距离；h为距离缩放参数；z为归一化参数；
所述根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值，通过下式确定：
Figure BDA0002757388830000074
其中：III为二次滤波后的像素强度值。
本发明实施例提供的图像去噪方法根据图像的像素强度值，利用像素值均值、像素值方差、噪声变化系数以及噪声滤波参数对图像进行一次去噪，之后再根据当前像素所在图像块与其对比图像块的加权欧式距离确定权值系数从而对图像进行二次去噪。本发明提供的图像去噪方法适用红外图像的高密度噪声，能够最大程度地保留红外图像中的细节信息，并且，本发明的方法运算简单，适应流水线式的处理方式，易于实现嵌入式，能够满足红外系统对于图像实时处理的需求。图4给出了应用本发明提供的去噪方法进行红外图像去噪的效果，图5中包括左侧的噪声图像以及右侧的去噪后的图像，可以看到，噪声图像中噪点密度高，图像幅面均一性差，视觉效果不好；处理后的图像噪点肉眼几乎不可见，去噪的同时较好地保留了图像中的细节信息，视觉效果优异。
如图5所示，在一个实施例中，提供了一种图像去噪装置，具体可以包括：
获取模块501，用于获取图像的像素强度值；
预处理模块502，用于根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
一次滤波模块503，用于根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
相似度模块504，用于根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
加权欧式距离模块505，用于根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
二次滤波模块506，用于根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
在本发明实施例中，上述各模块所执行的方法已在关于方法实施例中进行了说明，本发明实施例对此不再赘述。
本发明实施例提供的图像去噪装置根据图像的像素强度值，利用像素值均值、像素值方差、噪声变化系数以及噪声滤波参数对图像进行一次去噪，之后再根据当前像素所在图像块与其对比图像块的加权欧式距离确定权值系数从而对图像进行二次去噪。本发明提供的图像去噪方法适用红外图像的高密度噪声，能够最大程度地保留红外图像中的细节信息，并且，本发明的方法运算简单，适应流水线式的处理方式，易于实现嵌入式，能够满足红外系统对于图像实时处理的需求。
图6示出了一个实施例中计算机设备的内部结构图。如图6所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本发明实施例提供的图像去噪方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本发明实施例提供的图像去噪方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的图像去噪装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该图像去噪装置的各个程序模块，比如，图5所示的获取模块、预处理模块、一次滤波模块、相似度模块、加权欧式距离模块和二次滤波模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的图像去噪方法中的步骤。
例如，图6所示的计算机设备可以通过如图5所示的图像去噪装置中的获取模块执行步骤S102；计算机设备可通过预处理模块执行步骤S104；计算机设备可通过一次滤波模块执行步骤S106；计算机设备可通过相似度模块执行步骤S108；计算机设备可通过加权欧式距离模块执行步骤S110；计算机设备可通过二次滤波模块执行步骤S112。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取图像的像素强度值；
根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
获取图像的像素强度值；
根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像去噪方法，其特征在于，所述图像去噪方法包括以下步骤：
获取图像的像素强度值；
根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
2.根据权利要求1所述的图像去噪方法，其特征在于，所述根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数，包括以下步骤：
根据所述像素强度值和预设的滤波窗口，分别确定所述像素值均值以及所述像素值方差；
根据所述像素值均值以及所述像素值方差确定所述噪声变化系数；
根据预设的噪声系数滤波模块以及所述像素强度值确定所述噪声滤波参数。
3.根据权利要求1所述的图像去噪方法，其特征在于，所述根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值，通过以下公式确定：
Figure FDA0002757388820000011
其中：II为一次滤波后的像素强度值；I为初始图像的像素强度值；p为噪声滤波参数；T为预设的噪声滤波系数阈值；Iavg为像素值均值；Ivar为像素值方差；b为噪声变化系数。
4.根据权利要求1所述的图像去噪方法，其特征在于，所述根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度，之前还包括以下步骤：
根据一次滤波后的像素强度值及预设的边缘检测算子分别确定图像的水平梯度以及垂直梯度。
5.根据权利要求1所述的图像去噪方法，其特征在于，所述根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度，包括以下步骤：
根据所述水平梯度和垂直梯度确定梯度幅值；
确定所述梯度幅值水平方向的均值及方差、垂直方向的均值和方差、协方差；
根据所述梯度幅值水平方向的均值及方差、垂直方向的均值和方差、协方差确定结构相似度；
对所述结构相似度进行归一化处理。
6.根据权利要求5所述的图像去噪方法，其特征在于，所述根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离，通过下式确定：
Figure FDA0002757388820000021
其中：gdist为加权欧式距离；Gnorm为归一化处理后的结构相似度；GS为结构相似度；II为一次滤波后的像素强度；M(i)为当前像素所在图像块；M(j)为对比图像块。
7.根据权利要求1所述的图像去噪方法，其特征在于，所述根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，通过下式确定：
w(i,j)＝exp(-gdist(i,j)/h2)/z(i)
其中：w为权值系数；gdist为加权欧式距离；h为距离缩放参数；z为归一化参数；
所述根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值，通过下式确定：
Figure FDA0002757388820000031
其中：III为二次滤波后的像素强度值。
8.一种图像去噪装置，其特征在于，所述图像去噪装置包括：
获取模块，用于获取图像的像素强度值；
预处理模块，用于根据所述像素强度值确定预设的滤波窗口内的像素值均值、像素值方差、噪声变化系数以及噪声滤波参数；
一次滤波模块，用于根据预设的噪声滤波系数阈值以及所述像素值均值、所述像素值方差、所述噪声变化系数、所述噪声滤波参数对图像进行一次滤波处理，得到一次滤波后的像素强度值；
相似度模块，用于根据图像像素间的水平梯度和垂直梯度确定图像的结构相似度；
加权欧式距离模块，用于根据所述结构相似度确定当前像素所在图像块与其对比图像块的加权欧式距离；
二次滤波模块，用于根据预设参数及所述加权欧式距离确定当前像素所在图像块与其对比图像块之间的权值系数，根据所述权值系数以及一次滤波后的像素强度值对图像进行二次滤波，得到二次滤波后的像素强度值。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述图像去噪方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述图像去噪方法的步骤。
CN202011206988.9A 2020-11-03 2020-11-03 一种图像去噪方法、装置、计算机设备和存储介质 Active CN112381727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011206988.9A CN112381727B (zh) 2020-11-03 2020-11-03 一种图像去噪方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011206988.9A CN112381727B (zh) 2020-11-03 2020-11-03 一种图像去噪方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112381727A true CN112381727A (zh) 2021-02-19
CN112381727B CN112381727B (zh) 2023-12-15

Family

ID=74577097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011206988.9A Active CN112381727B (zh) 2020-11-03 2020-11-03 一种图像去噪方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112381727B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421202A (zh) * 2021-06-25 2021-09-21 浙江大华技术股份有限公司 一种红外图像低频非均匀性校正的方法、设备及存储介质
CN116152115A (zh) * 2023-04-04 2023-05-23 湖南融城环保科技有限公司 基于计算机视觉的垃圾图像去噪处理方法
CN117237238A (zh) * 2023-11-13 2023-12-15 孔像汽车科技(武汉)有限公司 基于导向滤波的图像去噪方法、系统、设备及存储介质
CN117689574A (zh) * 2024-02-04 2024-03-12 大连锦辉盛世科技有限公司 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101043581A (zh) * 2006-03-21 2007-09-26 中国科学院计算技术研究所 一种多模板混合滤波的图像去噪方法
US20090279808A1 (en) * 2007-08-10 2009-11-12 Seiko Epson Corporation Apparatus, Method, and Program Product for Image Processing
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
CN105184741A (zh) * 2015-08-03 2015-12-23 山东师范大学 基于改进非局部均值的三维cbct图像除噪方法
US20160132995A1 (en) * 2014-11-12 2016-05-12 Adobe Systems Incorporated Structure Aware Image Denoising and Noise Variance Estimation
CN106023093A (zh) * 2016-05-09 2016-10-12 吉林大学 一种基于改进图像块匹配的非局部均值图像去噪方法
CN106934805A (zh) * 2017-03-06 2017-07-07 西安电子科技大学 基于Gamma滤波的SAR图像超像素分割方法
CN107004255A (zh) * 2014-09-23 2017-08-01 英特尔公司 使用自相似度驱动混合的带细节保留的非局部均值图像去噪
CN109035152A (zh) * 2018-05-23 2018-12-18 电子科技大学 一种合成孔径雷达图像非局部均值滤波方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101043581A (zh) * 2006-03-21 2007-09-26 中国科学院计算技术研究所 一种多模板混合滤波的图像去噪方法
US20090279808A1 (en) * 2007-08-10 2009-11-12 Seiko Epson Corporation Apparatus, Method, and Program Product for Image Processing
US8238687B1 (en) * 2008-01-09 2012-08-07 Helwett-Packard Development Company, L.P. Local contrast enhancement of images
CN107004255A (zh) * 2014-09-23 2017-08-01 英特尔公司 使用自相似度驱动混合的带细节保留的非局部均值图像去噪
US20160132995A1 (en) * 2014-11-12 2016-05-12 Adobe Systems Incorporated Structure Aware Image Denoising and Noise Variance Estimation
CN105184741A (zh) * 2015-08-03 2015-12-23 山东师范大学 基于改进非局部均值的三维cbct图像除噪方法
CN106023093A (zh) * 2016-05-09 2016-10-12 吉林大学 一种基于改进图像块匹配的非局部均值图像去噪方法
CN106934805A (zh) * 2017-03-06 2017-07-07 西安电子科技大学 基于Gamma滤波的SAR图像超像素分割方法
CN109035152A (zh) * 2018-05-23 2018-12-18 电子科技大学 一种合成孔径雷达图像非局部均值滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PIERRICK COUPÉ等: "An Optimized Blockwise Nonlocal Means Denoising Filter for 3-D Magnetic Resonance Images", IEEE TRANSACTIONS ON MEDICAL IMAGING, vol. 27, no. 4, XP011202183 *
徐苏;周颖;: "基于图像分割的非局部均值去噪算法", 计算机应用, no. 07 *
郭晨龙;赵旭阳;郑海燕;梁锡宁;: "一种基于改进非局部均值滤波算法的红外图像去噪", 红外技术, no. 07 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421202A (zh) * 2021-06-25 2021-09-21 浙江大华技术股份有限公司 一种红外图像低频非均匀性校正的方法、设备及存储介质
CN116152115A (zh) * 2023-04-04 2023-05-23 湖南融城环保科技有限公司 基于计算机视觉的垃圾图像去噪处理方法
CN117237238A (zh) * 2023-11-13 2023-12-15 孔像汽车科技(武汉)有限公司 基于导向滤波的图像去噪方法、系统、设备及存储介质
CN117237238B (zh) * 2023-11-13 2024-03-29 孔像汽车科技(上海)有限公司 基于导向滤波的图像去噪方法、系统、设备及存储介质
CN117689574A (zh) * 2024-02-04 2024-03-12 大连锦辉盛世科技有限公司 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法
CN117689574B (zh) * 2024-02-04 2024-04-26 大连锦辉盛世科技有限公司 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法

Also Published As

Publication number Publication date
CN112381727B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN112381727B (zh) 一种图像去噪方法、装置、计算机设备和存储介质
Agrawal et al. A novel joint histogram equalization based image contrast enhancement
Kou et al. Gradient domain guided image filtering
Ding et al. Single image rain and snow removal via guided L0 smoothing filter
Estellers et al. Adaptive regularization with the structure tensor
Liang et al. Contrast enhancement by nonlinear diffusion filtering
Dong et al. Noise level estimation for natural images based on scale-invariant kurtosis and piecewise stationarity
Chen et al. Image denoising by bounded block matching and 3D filtering
US9443286B2 (en) Gray image processing method and apparatus based on wavelet transformation
CN110717922A (zh) 一种图像清晰度评价方法及装置
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
CN110533632B (zh) 图像模糊篡改检测方法、装置、计算机设备和存储介质
CN112528969A (zh) 人脸图像的真伪检测方法、系统、计算机设备和存储介质
Zhu et al. Self‐guided filter for image denoising
CN111353955A (zh) 一种图像处理方法、装置、设备和存储介质
CN109447935B (zh) 红外图像处理方法、装置、计算机设备和可读存储介质
Yuan et al. Perona–malik model with a new diffusion coefficient for image denoising
Wu et al. Fast blockwise SURE shrinkage for image denoising
Verma et al. Grey relational analysis based adaptive smoothing parameter for non-local means image denoising
Li et al. A cascaded algorithm for image quality assessment and image denoising based on CNN for image security and authorization
Walha et al. Handling noise in textual image resolution enhancement using online and offline learned dictionaries
CN108776958B (zh) 混合降质图像的图像质量评价方法和装置
CN112862729B (zh) 一种基于特征曲线指导的遥感图像去噪方法
Zhou et al. Directional relative total variation for structure–texture decomposition
Ahmed et al. Blind copy-move forgery detection using SVD and KS test

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