CN113034400A

CN113034400A - 一种基于无线图像传感器阵列的图像降噪方法

Info

Publication number: CN113034400A
Application number: CN202110371095.8A
Authority: CN
Inventors: 鱼海航
Original assignee: Shenzhen Yuliang Technology Co ltd
Current assignee: Shenzhen Yuliang Technology Co ltd
Priority date: 2021-04-07
Filing date: 2021-04-07
Publication date: 2021-06-25

Abstract

本发明公开了一种基于无线图像传感器阵列的图像降噪方法，涉及图像降噪技术领域。本发明包括如下步骤：S1:对图像传感器采集的图像进行行分解，得出水平方向的高频分量和低频分量，再对行列方向进行分解，得出水平垂直方向的高频分量和低频分量，水平和垂直方向的高频分量，以及水平方向上的低频分量和垂直方向的高频分量；S2：对S1中二层低频分量进行维纳滤波，得到去噪后的系数，利用贝叶斯估计每个子带的阈值，利用估计出的阈值与其他分量进行对比处理；S3:对S2中得到的系数进行小波逆变换重构得出去噪后的图像。使得传感器的采集的图像质量大大提高。

Description

一种基于无线图像传感器阵列的图像降噪方法

技术领域

本发明属于图像降噪技术领域，特别是涉及一种基于无线图像传感器阵列的图像降噪方法。

背景技术

图像传感器是利用光电器件的光电转换功能将感光面上的光像转换为与光像成相应比例关系的电信号。与光敏二极管，光敏三极管等“点”光源的光敏元件相比，图像传感器是将其受光面上的光像，分成许多小单元，将其转换成可用的电信号的一种功能器件。图像传感器分为光导摄像管和固态图像传感器。与光导摄像管相比，固态图像传感器具有体积小、重量轻、集成度高、分辨率高、功耗低、寿命长、价格低等特点。因此在各个行业得到了广泛应用。

CCD/COMS面阵探测器的不均匀，导致输出响应的不一致使得图像出现竖条纹这一现象，及在弱光的情况下提高增益同时放大了噪声，使图像的质量下降所以需要对图像进行降噪处理。

发明内容

本发明的目的在于提供一种基于无线图像传感器阵列的图像降噪方法，解决了上述技术背景中的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于无线图像传感器阵列的图像降噪方法，包括如下步骤：

S1:对图像传感器采集的图像进行行分解，得出水平方向的高频分量和低频分量，再对行列方向进行分解，得出水平垂直方向的高频分量和低频分量，水平和垂直方向的高频分量，以及水平方向上的低频分量和垂直方向的高频分量；

S2：对S1中二层低频分量进行维纳滤波，得到去噪后的系数，利用贝叶斯估计每个子带的阈值，利用估计出的阈值与其他分量进行对比处理；

S3:对S2中得到的系数进行小波逆变换重构得出去噪后的图像。

进一步地，所述S1中二维小波变换的方法为：

其中b_x和b_y在所述图像传感器采集得到的图像维度上的平移。

进一步地，所述S2贝叶斯估计的阈值方法为：

式中sgn(W)为符号函数，其中k使得可变的，δ为所选阈值，当所述其他的分量的小波值系数值|W|小于δ时，将小波系数置为零，否则将小波系数保留。

进一步地，所述S3中将维纳滤波留下的系数和大于δ的小波系数进行逆变换得到去噪后的图像。

进一步地，当k＝0时，所述阈值函数为：

所述，当k＝1时，所述阈值函数为：

通过改变k的值来改变阈值的大小。

本发明具有以下有益效果：

1、本发明通过对传感器所采集的图片进行二维小波分解，对二层小波中二层低频分量进行维纳滤波，得到去噪后的系数，再对其他的分量与利用贝叶斯估计出的阈值进行对比处理，得到处理后的小波系数，再进行相应的滤波，使得传感器的采集的图像质量大大提高。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于无线图像传感器阵列的图像降噪方法的结构示意图；

图2为本发明二层小波分解和重构示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明为一种基于无线图像传感器阵列的图像降噪方法，包括如下步骤：

S1:对图像传感器采集的图像进行行分解，得出水平方向的高频分量和低频分量，再对行列方向进行分解，得出水平垂直方向的高频分量和低频分量，水平和垂直方向的高频分量，以及水平方向上的低频分量和垂直方向的高频分量，二级分解对水平方向垂直方向的低频进行行和列的分解，分解到各个量上，可以得到各个量上的小波系数，小波系数较大的部分代表了传感器所采集图像的主要部分，小波系数较小的部分代表了传感器采集图像边缘陡峭部分和噪声部分。

S2：对S1中二层低频分量进行维纳滤波，得到去噪后的系数，将二层低频分量通过经维纳滤波后得到去噪后的信号，低频分量分量包含了传感器采集的图像主要信息，高频分量包含了传感器采集的图像细节部分信息，将去噪后的信号与原信号相比较，根据每个像素估计出局部值和方差，将造成方差从原图中去除，再对其他的分量与利用贝叶斯估计出的阈值进行对比处理，得到处理后的小波系数，将其他分量的小波系数与贝叶斯估计出的阈值进行处理进行比较，将大于阈值的小波系数保留，将小于阈值的小波系数置为零。

S3:对S2中得到的系数进行小波逆变换重构得出去噪后的图像，将保留的小波系数重新构造，先对列进行小波逆变换，再对行进行小波逆变换，得出去噪后的图片。

其中图2所示，S1中二维小波变换的方法为：

其中b_x和b_y在图像传感器采集得到的图像维度上的平移，小波系采用Symlet小波系,分解的层数越多图像的失真越严重，采用二层分解可以技能保证图像不失真，也能有效的去噪。其中，S2中贝叶斯估计的阈值方法为：

式中sgn(W)为符号函数，其中k使得可变的，δ为所选阈值，当其他的分量的小波值系数值|W|小于δ时，将小波系数置为零，否则将小波系数保留，当k＝0时，阈值函数为硬阈值函数，当k＝1时，阈值函数为软阈值函数；这样既保证了大小波系数值，又在噪声系数到有用的小波系数之间存在一个平滑的过渡期，使得图像去噪效果更佳。

其中，S3中将维纳滤波留下的系数和大于δ的小波系数进行逆变换得到去噪后的图像。

其中，当k＝0时，阈值函数为：

当k＝1时，阈值函数为：

通过改变k的值来改变阈值的大小，这样可以可以根据图像传感器采集到的图像规格选取不同的k值。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims

1.一种基于无线图像传感器阵列的图像降噪方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于无线图像传感器阵列的图像降噪方法，其特征在于，所述S1中二维小波变换的方法为：

3.根据权利要求1所述的一种基于无线图像传感器阵列的图像降噪方法，其特征在于，所述S2中贝叶斯估计的阈值方法为：

4.根据权利要求2所述的一种基于无线图像传感器阵列的图像降噪方法，其特征在于，所述S3中将维纳滤波留下的系数和大于δ的小波系数进行逆变换得到去噪后的图像。

5.根据权利要求3所述的一种基于无线图像传感器阵列的图像降噪方法，其特征在于，当k＝0时，所述阈值函数为：

所述，当k＝1时，所述阈值函数为：

通过改变k的值来改变阈值的大小。