CN114648469B - 视频图像去噪方法及其系统、设备和存储介质 - Google Patents
视频图像去噪方法及其系统、设备和存储介质 Download PDFInfo
- Publication number
- CN114648469B CN114648469B CN202210565743.8A CN202210565743A CN114648469B CN 114648469 B CN114648469 B CN 114648469B CN 202210565743 A CN202210565743 A CN 202210565743A CN 114648469 B CN114648469 B CN 114648469B
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- denoising
- total variation
- pixel
- 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 71
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 131
- 230000003068 static effect Effects 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000009467 reduction Effects 0.000 claims abstract description 25
- 239000000654 additive Substances 0.000 claims description 23
- 230000000996 additive effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 15
- 235000019557 luminance Nutrition 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/77—
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种视频图像去噪方法,包括:检测多帧图像以获取图像运动区域和图像静止区域;通过单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;依据所述第一去噪图像和所述第二去噪图像获取降噪图像;通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。本发明在消除视频噪声的同时还消除了图像的拖尾,算法复杂度不高,易于实现和实时化,可以对多种视频图像进行去噪处理,可应用于多种场景的视频图像去噪,提高了视频图像去噪方法的适用性。本发明还提供了用于实现所述视频图像去噪方法的系统、设备和存储介质。
Description
技术领域
本发明涉及图像处理领域,尤其涉及视频图像去噪方法及其系统、设备和存储介质。
背景技术
在现有技术中,采用全变分算法对单帧图像的降噪处理。视频降噪是图像算法领域的一个重要研究课题,视频降噪不但可以去除噪声提高视频的画质,同时可以提高人眼对视频的感受。视频降噪算法与单纯的单帧图像降噪有很多相似之处,但也有较大不同,主要表现为视频降噪会引入时域信息。所以为了区别于单帧降噪,通常简称视频降噪为3D降噪。
3D视频降噪算法由于引入了时域信息,即利用了相邻一帧或多帧图像信息来去噪,导致3D算法有一些独特之处。比如,如何引入参考帧的有用信息但不引入无效信息。对于相邻的视频帧来说,如果视频内容是不变的,那么相邻帧相加再平均都是很好的去噪算法。
针对上述问题现在已有的3D降噪的方法有以下几种:
1.利用运动检测算法检测出运动物体,对静止区域采用时域和空域结合的方法去噪,运动区域只是用空域去噪,优点是避免引入上一帧运动区域信息而产生的拖尾,缺点是当前帧运动区域只进行了单帧空域去噪和其他进行了时空域去噪的区域有去噪效果差异,形成差异轮廓,也属于一种拖尾;
2.利用图像的像素的相似性的冗余性来寻找待求像素所在像素块的相似块,然后做去噪处理,相邻帧等于提供了额外的搜寻的邻域,有助于实现更好的效果;其代表有3DNon-Local mean和VBM3D等算法。
现有算法的缺点有:在消除噪声的同时容易产生拖尾的多余信息,算法复杂度较高,不易实现和实时化。
公开号为CN 102055945 B的中国专利公开了一种数字视频信号处理中的去
噪声方法及系统, 所述系统包括一存储输入的视频流的图像缓存器;当前图像t到图像t+N的N+1幅连续图像各对应一套相同的计算装置;将得到的N+1个平均值和N+1个原始像素进行比较的装置;以及判断是否去噪声的装置, 是否用平均值G(i,j,t)_out_tmp代替当前处理像素的值。但是该专利对视频信号中像素的处理的步骤较为繁杂,算法复杂度高,不易于实现。
因此,有必要提供一种视频图像去噪方法及其系统、设备和存储介质以解决上述的现有技术中存在的问题。
发明内容
本发明的目的在于一种视频图像去噪方法及其系统、设备和存储介质,以解决现有算法在消除噪声的同时容易产生拖尾的多余信息,算法复杂度较高,不易实现和实时化的问题。
为实现上述目的,本发明的所述视频图像去噪方法,包括:
检测多帧图像以获取图像运动区域和图像静止区域;
通过单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;
依据所述第一去噪图像和所述第二去噪图像获取降噪图像;
通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。
本发明的所述视频图像去噪方法的有益效果在于:
通过检测所述多帧图像以获取图像运动区域和图像静止区域,并通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像,依据所述第一去噪图像和所述第二去噪图像获取降噪图像,从而对所述图像运动区域和所述图像静止区域进行不同的去噪处理,由于对视频图像的静止区域和运动区域进行了划分,并通过不同算法来处理图像中不同区域的噪声,避免了引入多余的信息,实现了对视频图像的分区域去噪声,提高了视频图像的去噪效果和去噪声质量;通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾,本发明在消除视频噪声的同时还消除了图像的拖尾,对图像边缘具有极好的保护能力,算法复杂度不高,易于实现和实时化,可以对多种视频图像进行去噪处理,可应用于多种场景的视频图像去噪,提高了所述视频图像去噪方法的适用性。
可选地,在检测多帧图像以获取图像运动区域和图像静止区域步骤之前,还进行步骤:
依据视频数据获取多帧图像,提取所述多帧图像的特征信息,依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法。其有益效果在于,通过提取所述多帧图像的特征信息,并依据所述特征信息对单帧全变分算法进行调整以获取多帧全变分算法,从而使得获取的所述多帧全变分算法适用于当前待去噪声的视频及多帧图像,从而提高了去噪声的可靠性和准确性,增强了所述视频图像去噪方法的自适应性;
可选地,所述多帧全变分算法包括多帧全变分算法公式,依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法的步骤包括:
依据所述多帧图像的相邻帧图像获取时域坐标;
依据所述时域坐标和所述单帧全变分算法获取预定义全变分公式和加性噪声的约束方程;
通过拉格朗日乘数法对所述预定义全变分公式和所述加性噪声的约束方程进行处理,以得到泛函方程;
依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程;
依据所述等效方程和所述泛函方程获取所述多帧全变分算法公式。其有益效果在于,依据多帧图像的特征信息对所述单帧全变分算法进行处理得到所述多帧全变分算法公式,使得所述多帧全变分算法公式适用于多帧图像的去噪声,提高了全变分算法的适用性,为多帧图像的去噪声提供了可实现的路径。
可选地,依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程的步骤包括:
获取所述多帧图像的帧数;
计算所述当前帧图像的相邻帧图像以获取前一帧图像和后一帧图像;
将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,以得到所述等效方程。其有益效果在于,将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,简化了等效方程的计算过程,从而简化了所述多帧全变分算法公式的计算过程。
可选地,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像的步骤包括:
通过欧拉-拉格朗日定理对所述多帧全变分算法公式进行处理以获取待处理函数;
通过梯度下降法对所述待处理函数进行处理以获取迭代公式;
依据所述迭代公式计算所述多帧全变分算法公式的最小值,以去除所述图像静止区域的噪声。其有益效果在于,依据所述迭代公式计算所述多帧全变分算法公式的最小值,以去除所述图像静止区域,从而实现了对多帧图像的图像静止区域的去噪声处理。
可选地,依据所述迭代公式计算所述多帧全变分算法公式的最小值的步骤包括:
获取所述迭代公式中的参数,对所述参数进行初始化操作以获取初始化参数;
将所述初始化参数代入所述迭代公式并进行迭代循环计算步骤;
当所述迭代循环计算步骤满足迭代停止条件,结束所述迭代循环计算步骤,得到迭代循环结果;
依据所述迭代循环结果获取所述多帧全变分算法公式的最小值。
可选地,检测所述多帧图像以获取图像运动区域和图像静止区域的步骤包括:
对所述多帧图像中的当前帧图像与前一帧图像执行减操作以获取差异图像;
对所述差异图像执行噪声估计操作,以获取差异图像与噪声强度方程;
将所述差异图像分割为N×N的像素块,依据所述差异图像与噪声强度方程计算所述N×N的像素块中亮度最小的M个像素块的平均噪声强度,所述M和所述N均为正整数;
依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域。其有益效果在于,提供了确定图像运动区域和图像静止区域的方法,从而为后续对图像运动区域和图像静止区域的不同去噪处理步骤提供了基础;避免了引入多余的信息,提高了视频图像的去噪效果。
可选地,依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域的步骤包括:
设置系数,对所述系数与所述平均噪声强度执行乘运算以获取中间阈值;
计算所述当前帧图像的像素亮度以得到若干第一像素亮度,计算所述前一帧图像的像素亮度以得到第二像素亮度,所述第一像素亮度所对应的像素点和所述第二像素亮度所对应的像素点的位置坐标相同;
对所述第一像素亮度和所述第二像素亮度执行差的绝对值运算以得到亮度差绝对值;
依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域。
可选地,依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域的步骤包括:
当所述亮度差绝对值大于所述中间阈值,确定该亮度差绝对值对应的像素位于运动区域,并确定该所述亮度差绝对值对应的像素为运动区域像素;
计算包含所有所述运动区域像素的区域,以得到所述图像运动区域。
可选地,依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域的步骤还包括:
当所述亮度差绝对值小于或等于所述中间阈值,确定该亮度差绝对值对应的像素位于静止区域,并确定该所述亮度差绝对值对应的像素为静止区域像素;
计算包含所有所述静止区域像素的区域,以得到所述图像静止区域。
本发明还提供一种视频图像去噪系统,包括:
检测模块,用于检测多帧图像以获取图像运动区域和图像静止区域;
去噪模块,用于通过单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像,并依据所述第一去噪图像和所述第二去噪图像获取降噪图像;
修复模块,用于通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。
本发明的所述视频图像去噪系统的有益效果在于:
通过检测模块检测所述多帧图像以获取图像运动区域和图像静止区域,所述去噪模块通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,并通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像,并依据所述第一去噪图像和所述第二去噪图像获取降噪图像;通过检测多帧图像以获取图像运动区域和图像静止区域,并对图像运动区域和图像静止区域进行不同的去噪处理,避免引入多余的信息,降噪效果好;所述修复模块通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾,通过修复模块去除了图像的拖尾,提高了视频图像的去噪效果和去噪质量。
本发明还提供一种设备,包括存储器、处理器及存储在所述存储器上的程序,所述程序被所述处理器执行时实现所述视频图像去噪方法。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述视频图像去噪方法。
本发明的所述设备和所述存储介质的有益效果均在于:
由于实现了所述视频图像去噪方法,提高了去噪声的可靠性和准确性,对视频图像进行区域划分并对图像的不同区域进行不同的去噪处理,增强了所述视频图像去噪方法的自适应性,避免引入多余的信息,去除了图像的拖尾,提高了视频图像的去噪效果和去噪质量。
附图说明
图1为本发明实施例的第一种实施方式中视频图像去噪方法的流程图;
图2为本发明实施例的第二种实施方式中视频图像去噪方法的流程图;
图3为本发明实施例的获取多帧全变分算法的具体步骤的流程图;
图4为获取图像运动区域和图像静止区域的步骤流程图;
图5为本发明实施例对所述图像静止区域进行去噪处理的步骤的流程图;
图6为本发明实施例的视频图像去噪系统的结构示意图。
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他实施例,都属于本发明保护的范围。除非另外定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
针对现有技术存在的问题,本发明实施例提供了一种视频图像去噪方法及其系统、设备和存储介质,以解决现有算法在消除噪声的同时容易产生拖尾的多余信息,算法复杂度较高,不易实现和实时化的问题。
图1为本发明实施例的第一种实施方式中视频图像去噪方法的流程图。
参照图1,在本发明的第一种实施方式中,本发明的所述视频图像去噪方法包括:
S1:检测多帧图像以获取图像运动区域和图像静止区域;
S2:通过单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;
S3:依据所述第一去噪图像和所述第二去噪图像获取降噪图像;
S4:通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。
本发明的所述视频图像去噪方法的优点为:通过检测所述多帧图像以获取图像运动区域和图像静止区域,并通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像,依据所述第一去噪图像和所述第二去噪图像获取降噪图像,从而对所述图像运动区域和所述图像静止区域进行不同的去噪处理,由于对视频图像的静止区域和运动区域进行了划分,并通过不同算法来处理图像中不同区域的噪声,避免了引入多余的信息,实现了对视频图像的分区域去噪声,提高了视频图像的去噪效果和去噪声质量;通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾,本发明在消除视频噪声的同时还消除了图像的拖尾,对图像边缘具有极好的保护能力,算法复杂度不高,易于实现和实时化,可以对多种视频图像进行去噪处理,可应用于多种场景的视频图像去噪,提高了所述视频图像去噪方法的适用性。
图2为本发明实施例的第二种实施方式中视频图像去噪方法的流程图。
作为本发明的第二种实施方式,参照图2,所述视频图像去噪方法在检测多帧图像以获取图像运动区域和图像静止区域步骤之前,还包括步骤:
S0:依据视频数据获取多帧图像,提取所述多帧图像的特征信息,依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法。
在一些实施例中,所述单帧全变分算法为现有技术中的针对对单帧图像进行去噪声的全变分(TV)图像去噪算法,在此不在赘述。
在一些实施例中,所述多帧图像的特征信息包括多帧图像的时域坐标和多帧图像的帧数。
图3为本发明实施例的获取多帧全变分算法的具体步骤流程图。
在一些实施例中,参照图3,所述步骤S0中,依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法的具体步骤包括:
S01:依据所述多帧图像的相邻帧图像获取时域坐标。
在一些具体实施例中,所述步骤S01包括:设置z为多帧图像的时域坐标。
S02:依据所述时域坐标和所述单帧全变分算法获取预定义全变分公式和加性噪声的约束方程。
在一些具体实施例中,所述步骤S02包括:
对于单帧含噪声图像,使用简化的加性高斯白噪声的模型,其公式为:
u0(x,y)=u(x,y)+ n(x,y)(1)
其中,u0为噪声图像,为完美图像,n为噪声,x、y均为图像的位置坐标;由于本发明的视频降噪要考虑引入相邻帧的图像来帮助去噪,前后帧之间可以视为时域上的一个变化,可以用z来代表时域上的坐标。为了表示方便,设定x,y,z∈Ω;
依据单帧全变分算法和时域坐标将预定义全变分公式定义为:
其中,ux是当前待处理的视频图像像素对x方向上的偏导数,uy是当前待处理的视频图像像素对y方向上的偏导数,uz是当前待处理的视频图像像素对z方向上的偏导数;
加性噪声的约束方程的公式为:
其中,σ2为噪声强度;
S03:通过拉格朗日乘数法对所述预定义全变分公式和所述加性噪声的约束方程进行处理,以得到泛函方程。
在一些具体实施例中,所述步骤S03中,所述泛函方程公式如下:
其中,λ为拉格朗日乘子。
S04:依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程。
在一些实施例中,所述步骤S04中,获取等效方程具体的步骤包括:
S041:获取所述多帧图像的帧数,计算所述当前帧图像的相邻帧图像以获取前一帧图像和后一帧图像;
S042:将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,以得到所述等效方程。
在一些具体实施例中,所述步骤S04包括:
观察公式(4)可以发现其后一项其积分是建立在对单帧图像的坐标x和y的积分上的,为了保证上述公式的整齐,需要对约束条件予以扩展。对于当前待处理帧,满足加性噪声的约束条件公式(3),当前待处理帧图像u的临近帧比如前一帧图像u-1或后一帧图像u+1由于前后变化时间极小,可认为其噪声强度变化极小,从而亦满足公式(3)。设定多帧图像的帧数为m,那么在上积分可以等效为对公式(3)的m次叠加,获取的等效方程如下:
其中,m为多帧图像的帧数,σ2为噪声强度。其优点为,将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,简化了等效方程的计算过程,从而简化了所述多帧全变分算法公式的计算过程。
S05:依据所述等效方程和所述泛函方程获取多帧全变分算法公式。
在一些具体实施例中,所述步骤S05中,获取的多帧全变分算法公式如下:
其中,ux是当前待处理的视频图像像素对x方向上的偏导数,uy是当前待处理的视频图像像素对y方向上的偏导数,uz是当前待处理的视频图像像素对z方向上的偏导数,x、y均为图像的位置坐标,z为图像的时域坐标,x,y,z∈Ω,u0为噪声图像,u为完美图像,λ为拉格朗日乘子,σ2为噪声强度。其优点为,依据多帧图像的特征信息对所述单帧全变分算法进行一系列处理,使得所述多帧全变分算法公式适用于多帧图像的去噪声,提高了全变分算法的适用性,为多帧图像的去噪声提供了可实现的路径。
图4为获取图像运动区域和图像静止区域的步骤的流程图。
在一些实施例中,参照图4,所述步骤S1中,检测所述多帧图像以获取图像运动区域和图像静止区域的步骤包括:
S11:对所述多帧图像中的当前帧图像与前一帧图像执行减操作以获取差异图像。
在一些具体实施例中,所述步骤S11中,获取差异图像的计算公式为:
udif=u-u-1
其中,udif为差异图像,u为当前帧图像,u-1为前一帧图像;
S12:对所述差异图像执行噪声估计操作,以获取差异图像与噪声强度方程。
在一些具体实施例中,所述步骤S12中,获取的差异图像与噪声强度方程为:
udif 2=2σ2
其中,udif为差异图像,σ2为噪声强度;
S13:将所述差异图像分割为N×N的像素块,依据所述差异图像与噪声强度方程计算所述N×N的像素块中亮度最小的M个像素块的平均噪声强度,所述M和所述N均为正整数。
在一些实施例中,所述M=3。
在一些实施例中,将1080p图像表示为64×64的像素块,此时N=64。
S14:依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域。
在一些实施例中,所述步骤S14具体的步骤包括:
S140:设置系数,对所述系数与所述平均噪声强度执行乘运算以获取中间阈值。
在一些实施例中,λ1≥1.5。
S141:计算所述当前帧图像的像素亮度以得到若干第一像素亮度,计算所述前一帧图像的像素亮度以得到第二像素亮度,所述第一像素亮度所对应的像素点和所述第二像素亮度所对应的像素点的位置坐标相同。
在一些具体实施例中,步骤S141包括:
对当前帧图像中像素点的亮度以如表1所示的卷积核做相应的亮度计算,具体为通过表1所示卷积核在图像上滑动,以对所述当前帧图像的每个位置的像素亮度做卷积累加然后除以100以得到若干第一像素亮度lumcur;对所述前一帧图像的像素亮度以如表1所示的卷积核做相应的亮度计算,具体为通过表1所示卷积核在图像上滑动,以对所述前一帧图像的每个位置的像素亮度做卷积累加然后除以100,以得到若干第二像素亮度lumref;
1 | 2 | 4 | 2 | 1 |
2 | 4 | 8 | 4 | 2 |
4 | 8 | 16 | 8 | 4 |
2 | 4 | 8 | 4 | 2 |
1 | 2 | 4 | 2 | 1 |
表1
S142:依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域。
在一些实施例中,所述步骤S142中,确定图像运动区域和图像静止区域步骤包括:
时,确定该亮度差绝对值对应的像素位于静止区域,并确定该所述亮度差绝对值对应的像素为静止区域像素,计算包含所有所述静止区域像素的区域,以得到所述图像静止区域。
上述步骤S1的优点为,提供了确定图像运动区域和图像静止区域的方法,从而为后续对图像运动区域和图像静止区域的不同去噪处理步骤提供了基础,避免了引入多余的信息,提高了视频图像的去噪效果。
在一些实施例中,在得到图像运动区域和图像静止区域后,进行如下步骤:
将图像运动区域设置为1,将图像静止区域设置为0,生成运动区域检测的二值图;
通过本发明的所述多帧全变分算法对所述图像静止区域进行去噪音处理,以得到第二去噪图像;
通过所述单帧全变分算法对所述图像运动区域进行去噪处理,以得到第一去噪图像。
图5为本发明实施例对所述图像静止区域进行去噪处理的步骤的流程图。
在一些实施例中,所述步骤S2中,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像的步骤包括:
S21:通过欧拉-拉格朗日定理对所述多帧全变分算法公式进行处理以获取待处理函数。
在一些具体实施例中,所述步骤S21中,所述待处理函数公式为:
S22:通过梯度下降法对所述待处理函数进行处理以获取迭代公式。
在一些具体实施例中,所述步骤S22中,所述迭代公式为:
其中,t为时间,
ux是当前待处理的视频图像像素对x方向上的偏导数,uy是当前待处理的视频图像像素对y方向上的偏导数,uz是当前待处理的视频图像像素对z方向上的偏导数,uxx、uyy、uzz依次分别为当前待处理的视频图像像素对x、y、z方向上的二阶偏导数。
在具体实施上述算法时,需要计算 ux、uy、uz等参数,其计算公式如下:
其中,i,j均为图像的坐标位置,u为当前待处理帧图像;u-1为当前待处理帧的前一帧图像,u+1为当前待处理帧的后一帧图像。
S23:依据所述迭代公式计算所述多帧全变分算法公式的最小值,以去除所述图像静止区域的噪声。
在一些实施例中,所述步骤S23的步骤包括:
获取所述迭代公式中的参数,对所述参数进行初始化操作以获取初始化参数;
将所述初始化参数代入所述迭代公式并进行迭代循环计算步骤;
当所述迭代循环计算步骤满足迭代停止条件,结束所述迭代循环计算步骤,得到迭代循环结果,依据所述迭代循环结果获取所述多帧全变分算法公式的最小值。
在一些具体实施例中,所述步骤S23的具体的步骤包括:
对参数进行初始化以得到初始化参数,使得u=u0,λ=0.01,Δt=0.2,并将所述初始化参数代入所述迭代公式(8),得到如下公式:
其中,Δt为相邻两帧图像的时间差值。
在u的连续三次变化小于变化阈值时,停止迭代;
获取所述多帧全变分算法公式的最小值minV(u)。
在一些实施例中,所述步骤S3中,依据所述第一去噪图像和所述第二去噪图像获取降噪图像的步骤包括:
获取所述第一去噪图像和所述第二去噪图像的集合以得到所述降噪图像。
在经过上述步骤S3后得到的降噪图像ude1,虽然上述对图像的运动区域和静止区域做了区分,但是图像运动区域通过单帧全变分算法进行去噪声处理,图像静止区域通过多帧全变分算法进行去噪声处理,两种去噪声算法处理具有一定差异,导致形成的降噪图像ude1具有类似的拖尾的伪像。因此经过步骤S3得到降噪图像ude1后,还进行步骤S4:
通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。通过单帧全变分算法强大的修复能力对降噪图像ude1进行修复,以去取图像中的拖尾,保证去噪声图像的质量。
图6为本发明实施例的视频图像去噪系统的结构示意图。
参照图6,本发明还提供一种视频图像去噪系统,包括:
调整模块2,用于提取多帧图像的特征信息,并依据所述特征信息对单帧全变分算法进行调整以获取多帧全变分算法,所述单帧全变分算法用于对单帧图像进行去噪处理;
检测模块3,用于检测所述多帧图像以获取图像运动区域和图像静止区域;
去噪模块4,用于通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;并依据所述第一去噪图像和所述第二去噪图像获取降噪图像;
修复模块5,通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。
本发明的所述视频图像去噪系统的优点为:通过视频数据模块1获取多帧图像,通过调整模块2提取所述多帧图像的特征信息,并依据所述特征信息对单帧全变分算法进行调整以获取多帧全变分算法,所述单帧全变分算法用于对单帧图像进行去噪处理;使得获取的所述多帧全变分算法适用于当前待去噪声的视频及多帧图像,从而提高了去噪声的可靠性和准确性,增强了所述视频图像去噪方法的自适应性;通过检测模块3检测所述多帧图像以获取图像运动区域和图像静止区域;所述去噪模块4通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,并通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;依据所述第一去噪图像和所述第二去噪图像获取降噪图像;通过检测多帧图像以获取图像运动区域和图像静止区域,并对图像运动区域和图像静止区域进行不同的去噪处理,从而避免引入多余的信息,降噪效果好;所述修复模块5通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾,通过修复模块去除了图像的拖尾,去除了图像的拖尾,提高了视频图像的去噪效果和去噪质量。
在一些实施例中,参照图6,所述视频图像去噪系统还包括视频数据模块1,用于依据视频数据获取多帧图像。
在一些实施例中,所述视频数据模块1可以为提供多帧图像的相机、摄像机、手机和电脑或摄像头中任意一种设备。
在一些实施例中,所述调整模块2、检测模块3、去噪模块4、修复模块5可以为实现相应功能的软件或硬件设备,只要能实现各自的步骤和功能即可。
在一些具体实施方式中,参照图6,所述视频图像去噪系统的具体去噪步骤如下:
(1)通过视频数据模块1从视频数据中获取多帧图像;
(2)通过调整模块2提取所述多帧图像的特征信息,所述多帧图像的特征信息包括多帧图像的时域坐标和多帧图像的帧数,并依据所述特征信息对单帧全变分算法进行调整以获取多帧全变分算法,所述单帧全变分算法用于对单帧图像进行去噪处理;
依据所述特征信息对单帧全变分算法进行调整以获取多帧全变分算法具体步骤包括:
步骤201:依据所述多帧图像的相邻帧图像获取时域坐标,依据所述时域坐标和所述单帧全变分算法获取预定义全变分公式和加性噪声的约束方程;
步骤202:通过拉格朗日乘数法对所述预定义全变分公式和所述加性噪声的约束方程进行处理,以得到泛函方程;
步骤203:依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程;
步骤204:依据所述等效方程和所述泛函方程获取所述多帧全变分算法公式。
在一些实施例中,步骤203中,获取所述等效方程的步骤为:
获取所述多帧图像的帧数;
计算所述当前帧图像的相邻帧图像以获取前一帧图像和后一帧图像;
将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,以得到所述等效方程。
(3)通过检测模块3检测所述多帧图像以获取图像运动区域和图像静止区域,具体步骤如下:
步骤301:对所述多帧图像中的当前帧图像与前一帧图像执行减操作以获取差异图像;
步骤302:对所述差异图像执行噪声估计操作,以获取差异图像与噪声强度方程;
步骤303:将所述差异图像分割为N×N的像素块,所述N为正整数,依据所述差异图像与噪声强度方程计算所述N×N的像素块中亮度最小的M个像素块的平均噪声强度;
步骤304:依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域。
在一些实施例中,步骤304中所述确定图像运动区域和图像静止区域的具体步骤包括:
步骤3041:设置系数,对所述系数与所述平均噪声强度执行乘运算以获取中间阈值;
步骤3042:计算所述当前帧图像的像素亮度以得到若干第一像素亮度,计算所述前一帧图像的像素亮度以得到第二像素亮度,所述第一像素亮度所对应的像素点和所述第二像素亮度所对应的像素点的位置坐标相同;
步骤3043:对所述第一像素亮度和所述第二像素亮度执行差的绝对值运算,以得到亮度差绝对值;
步骤3044:依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域;
在一些实施例中,步骤3044的所述确定图像运动区域和图像静止区域具体的具体步骤如下:
当所述亮度差绝对值大于所述中间阈值,确定该亮度差绝对值对应的像素位于运动区域,并确定该所述亮度差绝对值对应的像素为运动区域像素,计算包含所有所述运动区域像素的区域,以得到所述图像运动区域;
当所述亮度差绝对值小于或等于所述中间阈值,确定该亮度差绝对值对应的像素位于静止区域,并确定该所述亮度差绝对值对应的像素为静止区域像素,计算包含所有所述静止区域像素的区域,以得到所述图像静止区域。
(4)所述去噪模块4通过所述单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,并通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;获取所述第一去噪图像和所述第二去噪图像的集合,得到所述降噪图像;
其中,通过所述多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像的具体步骤包括:
步骤401:通过欧拉-拉格朗日定理对所述多帧全变分算法公式进行处理以获取待处理函数;
步骤402:通过梯度下降法对所述待处理函数进行处理以获取迭代公式;
步骤403:依据所述迭代公式计算所述多帧全变分算法公式的最小值,以去除所述图像静止区域的噪声。
在一些实施例中,步骤S403中依据所述迭代公式计算所述多帧全变分算法公式的最小值的具体步骤包括:
获取所述迭代公式中的参数,对所述参数进行初始化操作以获取初始化参数;
将所述初始化参数代入所述迭代公式并进行迭代循环计算步骤;
当所述迭代循环计算步骤满足迭代停止条件,结束所述迭代循环计算步骤,得到迭代循环结果;
依据所述迭代循环结果获取所述多帧全变分算法公式的最小值。
(5)所述修复模块5通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾。
本发明还提供一种设备,包括存储器、处理器及存储在所述存储器上的程序,所述程序被所述处理器执行时实现所述视频图像去噪方法。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述视频图像去噪方法。
本发明的所述设备和所述存储介质的优点均在于:由于实现了所述视频图像去噪方法,提高了去噪声的可靠性和准确性,对视频图像进行区域划分并对图像的不同区域进行不同的去噪处理,增强了所述视频图像去噪方法的自适应性,避免引入多余的信息,去除了图像的拖尾,提高了视频图像的去噪效果和去噪质量。
虽然在上文中详细说明了本发明的实施方式,但是对于本领域的技术人员来说显而易见的是,能够对这些实施方式进行各种修改和变化。但是,应理解,这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且,在此说明的本发明可有其它的实施方式,并且可通过多种方式实施或实现。
Claims (9)
1.一种视频图像去噪方法,其特征在于,包括:
检测多帧图像以获取图像运动区域和图像静止区域;
通过单帧全变分算法对所述图像运动区域进行去噪处理以得到第一去噪图像,通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像;
依据所述第一去噪图像和所述第二去噪图像获取降噪图像;
通过所述单帧全变分算法对所述降噪图像进行修复处理,以去除所述降噪图像的拖尾;
其中,在检测多帧图像以获取图像运动区域和图像静止区域步骤之前,还进行步骤:依据视频数据获取多帧图像,提取所述多帧图像的特征信息,依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法;
所述多帧全变分算法包括多帧全变分算法公式,所述依据所述多帧图像的特征信息对单帧全变分算法进行调整以获取多帧全变分算法,包括:
依据所述多帧图像的相邻帧图像获取时域坐标;
依据所述时域坐标和所述单帧全变分算法获取预定义全变分公式和加性噪声的约束方程;
通过拉格朗日乘数法对所述预定义全变分公式和所述加性噪声的约束方程进行处理,以得到泛函方程;
依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程;
依据所述等效方程和所述泛函方程获取所述多帧全变分算法公式;
所述通过多帧全变分算法对所述图像静止区域进行去噪处理以得到第二去噪图像,包括:
通过欧拉-拉格朗日定理对所述多帧全变分算法公式进行处理以获取待处理函数;
通过梯度下降法对所述待处理函数进行处理以获取迭代公式;
依据所述迭代公式计算所述多帧全变分算法公式的最小值,以去除所述图像静止区域的噪声。
2.如权利要求1所述的视频图像去噪方法,其特征在于,依据所述多帧图像中待处理的当前帧图像和所述当前帧图像的相邻帧图像对所述加性噪声的约束方程进行处理,以获取等效方程的步骤包括:
获取所述多帧图像的帧数;
计算所述当前帧图像的相邻帧图像以获取前一帧图像和后一帧图像;
将所述当前帧图像、所述前一帧图像和所述后一帧图像在所述时域上的积分等效为对所述加性噪声的约束方程的所述帧数倍数的积分叠加,以得到所述等效方程。
3.如权利要求1所述的视频图像去噪方法,其特征在于,依据所述迭代公式计算所述多帧全变分算法公式的最小值的步骤包括:
获取所述迭代公式中的参数,对所述参数进行初始化操作以获取初始化参数;
将所述初始化参数代入所述迭代公式并进行迭代循环计算步骤;
当所述迭代循环计算步骤满足迭代停止条件,结束所述迭代循环计算步骤,得到迭代循环结果;
依据所述迭代循环结果获取所述多帧全变分算法公式的最小值。
4.如权利要求1或2所述的视频图像去噪方法,其特征在于,检测所述多帧图像以获取图像运动区域和图像静止区域的步骤包括:
对所述多帧图像中的当前帧图像与前一帧图像执行减操作以获取差异图像;
对所述差异图像执行噪声估计操作,以获取差异图像与噪声强度方程;
将所述差异图像分割为N×N的像素块,依据所述差异图像与噪声强度方程计算所述N×N的像素块中亮度最小的M个像素块的平均噪声强度,所述M和所述N均为正整数;
依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域。
5.如权利要求4所述的视频图像去噪方法,其特征在于,依据所述当前帧图像的像素亮度、所述前一帧图像的像素亮度和所述平均噪声强度确定图像运动区域和图像静止区域的步骤包括:
设置系数,对所述系数与所述平均噪声强度执行乘运算以获取中间阈值;
计算所述当前帧图像的像素亮度以得到若干第一像素亮度,计算所述前一帧图像的像素亮度以得到第二像素亮度,所述第一像素亮度所对应的像素点和所述第二像素亮度所对应的像素点的位置坐标相同;
对所述第一像素亮度和所述第二像素亮度执行差的绝对值运算以得到亮度差绝对值;
依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域。
6.如权利要求5所述的视频图像去噪方法,其特征在于,依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域的步骤包括:
当所述亮度差绝对值大于所述中间阈值,确定该亮度差绝对值对应的像素位于运动区域,并确定该所述亮度差绝对值对应的像素为运动区域像素;
计算包含所有所述运动区域像素的区域,以得到所述图像运动区域。
7.如权利要求5所述的视频图像去噪方法,其特征在于,依据所述亮度差绝对值与所述中间阈值的比较以确定图像运动区域和图像静止区域的步骤包括:
当所述亮度差绝对值小于或等于所述中间阈值,确定该亮度差绝对值对应的像素位于静止区域,并确定该所述亮度差绝对值对应的像素为静止区域像素;
计算包含所有所述静止区域像素的区域,以得到所述图像静止区域。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上的程序,其特征在于,所述程序被所述处理器执行时实现如权利要求1-7中任意一项所述的视频图像去噪方法。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的视频图像去噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210565743.8A CN114648469B (zh) | 2022-05-24 | 2022-05-24 | 视频图像去噪方法及其系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210565743.8A CN114648469B (zh) | 2022-05-24 | 2022-05-24 | 视频图像去噪方法及其系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648469A CN114648469A (zh) | 2022-06-21 |
CN114648469B true CN114648469B (zh) | 2022-09-27 |
Family
ID=81996639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210565743.8A Active CN114648469B (zh) | 2022-05-24 | 2022-05-24 | 视频图像去噪方法及其系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648469B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742857B (zh) * | 2022-06-13 | 2022-09-16 | 深圳比特微电子科技有限公司 | 一种首帧图像的去噪方法、去噪装置、电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179201A (zh) * | 2019-12-31 | 2020-05-19 | 广州市百果园信息技术有限公司 | 一种视频去噪方法和电子设备 |
CN112311962A (zh) * | 2019-07-29 | 2021-02-02 | 深圳市中兴微电子技术有限公司 | 一种视频去噪方法和装置、计算机可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8213500B2 (en) * | 2006-12-21 | 2012-07-03 | Sharp Laboratories Of America, Inc. | Methods and systems for processing film grain noise |
US7742652B2 (en) * | 2006-12-21 | 2010-06-22 | Sharp Laboratories Of America, Inc. | Methods and systems for image noise processing |
CN103369209B (zh) * | 2013-07-31 | 2016-08-17 | 上海通途半导体科技有限公司 | 视频降噪装置及方法 |
CN104683660A (zh) * | 2015-01-29 | 2015-06-03 | 乐视网信息技术(北京)股份有限公司 | 一种视频去噪方法及装置 |
WO2016165112A1 (zh) * | 2015-04-16 | 2016-10-20 | 中国科学院自动化研究所 | 一种对比度自适应的视频去噪系统 |
CN109003233B (zh) * | 2018-06-21 | 2021-08-06 | 西安理工大学 | 一种基于自适应权重全变分模型的图像去噪方法 |
CN113469893B (zh) * | 2020-05-08 | 2024-03-22 | 上海齐感电子信息科技有限公司 | 视频中图像的噪声估计方法、及视频降噪方法 |
CN112069919A (zh) * | 2020-08-17 | 2020-12-11 | 浙江工业大学 | 基于非凸低秩矩阵逼近和全变分正则化的高光谱图像去噪方法 |
CN112767272A (zh) * | 2021-01-20 | 2021-05-07 | 南京信息工程大学 | 一种权值自适应混合阶全变分图像去噪算法 |
CN114070959B (zh) * | 2021-10-31 | 2024-04-12 | 南京理工大学 | 一种基于fpga的视频去噪硬件实现方法 |
-
2022
- 2022-05-24 CN CN202210565743.8A patent/CN114648469B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112311962A (zh) * | 2019-07-29 | 2021-02-02 | 深圳市中兴微电子技术有限公司 | 一种视频去噪方法和装置、计算机可读存储介质 |
CN111179201A (zh) * | 2019-12-31 | 2020-05-19 | 广州市百果园信息技术有限公司 | 一种视频去噪方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114648469A (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Erkan et al. | Different applied median filter in salt and pepper noise | |
Chandel et al. | Image filtering algorithms and techniques: A review | |
Yang et al. | An efficient TVL1 algorithm for deblurring multichannel images corrupted by impulsive noise | |
Hu et al. | Single image deblurring with adaptive dictionary learning | |
CN109963048B (zh) | 降噪方法、降噪装置及降噪电路系统 | |
US11263728B2 (en) | Priori constraint and outlier suppression based image deblurring method | |
Yongpan et al. | An improved Richardson–Lucy algorithm based on local prior | |
CN114648469B (zh) | 视频图像去噪方法及其系统、设备和存储介质 | |
US10229479B2 (en) | Image signal processing apparatus, image signal processing method and image signal processing program | |
Deng | Guided wavelet shrinkage for edge-aware smoothing | |
CN113592728A (zh) | 一种图像复原方法、系统、处理终端及计算机介质 | |
US8055093B2 (en) | Method and system for noise level detection in image data | |
US8090215B2 (en) | Method and system for noise level detection in image data | |
CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
Chen et al. | A new TV-Stokes model with augmented Lagrangian method for image denoising and deconvolution | |
CN117333398A (zh) | 一种基于自监督的多尺度图像去噪方法及装置 | |
US20090257674A1 (en) | Method and system for noise level detection in image data | |
Wang et al. | Kernel optimization for blind motion deblurring with image edge prior | |
Sasi et al. | Shadow removal using sparse representation over local dictionaries | |
CN115880173A (zh) | 图像处理方法、图像处理装置以及计算机可读存储介质 | |
Li et al. | A nonconvex hybrid regularization model for restoring blurred images with mixed noises | |
CN114519675A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
KR20130088238A (ko) | 방향성을 고려한 라플라시안을 이용한 노이즈 제거 장치 및 방법 | |
Dubey et al. | A review and comprehensive comparison of image de-noising techniques | |
Tsai et al. | An improved adaptive deconvolution algorithm for single image deblurring |
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 |