CN114742857A - 一种首帧图像的去噪方法、去噪装置、电子设备 - Google Patents
一种首帧图像的去噪方法、去噪装置、电子设备 Download PDFInfo
- Publication number
- CN114742857A CN114742857A CN202210659923.2A CN202210659923A CN114742857A CN 114742857 A CN114742857 A CN 114742857A CN 202210659923 A CN202210659923 A CN 202210659923A CN 114742857 A CN114742857 A CN 114742857A
- Authority
- CN
- China
- Prior art keywords
- frame
- image
- denoising
- image data
- frame 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003068 static effect Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 20
- 238000012806 monitoring device Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000007958 sleep Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006266 hibernation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- 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
- G06T9/00—Image coding
- G06T9/004—Predictors, e.g. intraframe, interframe coding
-
- 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
-
- 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)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了一种首帧图像的去噪方法，该方法包括：获取首帧图像，为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。本申请保留了图像的清晰度，又去除了背景层跳动的噪声，快速地对首帧图像进行了去噪，对于可工作于低功耗状态下的电子设备，提高了首帧图像的图像品质。
Description
技术领域
本发明涉及图像处理领域，特别地，涉及一种首帧图像的去噪方法、去噪装置。
背景技术
在图像采集应用中，例如基于图像的监控设备，出于降低能耗、节约电力等原因，通常会处于休眠状态，例如，设备中的用于业务处理的处理器CPU处于断电状态，仅有用于维持设备基本运行的处理器MCU处于工作状态，此时设备工作于低功耗状态；当唤醒条件被满足时，设备能够快速启动唤醒并快速获取首帧稳定图像，由于所获取的该帧图像是在低功耗状态下而获取的，为保障前几帧图像效果，则需快速并精准地处理首帧图像。
发明内容
本发明提供了一种首帧图像的去噪方法，以提高图像的图像质量。
本发明提供的一种首帧图像的去噪方法，该方法包括：
获取首帧图像，
为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
较佳地，所述首帧图像由可工作于低功耗状态下的电子设备获取，
所述为所述首帧图像构建用于帧间运动估计的参考帧，包括：
根据获取所述首帧图像的当前时间信息，搜索与所述当前时间信息相匹配的第一时间信息所对应的第一图像数据、以及所述第一图像数据对应的第一采集参数，其中，所述第一图像数据及其对应的第一采集参数、对应的第一时间信息预先存储；
基于所搜索的第一图像数据，获取所述参考帧。
较佳地，所述基于所搜索的第一图像数据，获取所述参考帧，包括：
确定用于获取所述首帧图像的第二采集参数，
根据所述第一图像数据的第一采集参数与所述首帧图像的第二采集参数之间的差异，确定用于调整第一图像数据的调整量，
基于所述调整量，对第一图像数据进行调整，将调整后的第一图像数据确定为所述参考帧。
较佳地，所述第一图像数据为经过压缩处理的第一压缩图像数据；
所述利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，包括：
将所述首帧图像按照第一图像数据的压缩方式进行压缩，得到首帧图像压缩数据，
基于首帧图像压缩数据以及所述参考帧，进行帧间运动估计，确定首帧图像压缩数据中静止区域和运动区域的位置信息；
根据首帧图像压缩数据中静止区域和运动区域的位置信息，确定首帧图像数据中的静止区域和运动区域的位置信息。
较佳地，所述获取首帧图像之前进一步包括：
所述电子设备在低功耗的休眠状态下被唤醒时，根据唤醒时间信息搜索与所述唤醒时间相匹配的第一时间信息所对应的第一采集参数，
获取与当前环境相匹配的采集参数，将该采集参数确定为所述第二采集参数，
比较所匹配的第一采集参数和所述第二采集参数，
如果所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内，则将所匹配的第一采集参数确定为所述第二采集参数，并按照该第二采集参数获取首帧图像，
否则，直接按照所述第二采集参数获取首帧图像，并不对该首帧图像采用时域去噪方式进行去噪处理。
较佳地，所述为所述首帧图像构建用于帧间运动估计的参考帧，包括：
当所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内时，基于所搜索到的与所述唤醒时间相匹配的第一时间信息所对应的第一图像数据，获取所述参考帧。
较佳地，所述采集参数包括自动曝光参数，所述差异为比值，所述差异阈值为比值阈值；
根据所述第一图像数据的第一采集参数与所述首帧图像的第二采集参数之间的差异，确定用于调整第一图像数据的调整量，包括：
根据所述第一采集参数与所述第二采集参数之间的比值，确定用于调整第一图像数据的比值，
所述基于所述调整量，对第一图像数据进行调整，包括：
将所述第一图像数据乘以所述比值，得到调整后的第一图像数据。
本申请还提供一种首帧图像的去噪装置，该装置包括：
图像采集模块，用于获取首帧图像，
参考帧构建模块，用于为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
运动估计模块，用于利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
去噪模块，用于采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
本申请再提供一种可工作于低功耗状态下的电子设备，该电子设备包括所述的首帧图像去噪装置。
本申请还提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述一种首帧图像的去噪方法的步骤。
本申请提供的首帧图像去噪方法，通过为首帧图像构建参考帧，利用参考帧和首帧图像之间的帧间运动估计，分割出首帧图像中的静止区域和运动区域，从而为不同的区域匹配不同的去噪方式，既保留了图像的清晰度，又去除了背景层跳动的噪声，快速地对首帧图像进行了去噪，对于可工作于低功耗状态下的电子设备，提高了首帧图像的图像品质。
附图说明
图1为本申请实施例首帧图像去噪方法的一种流程示意图。
图2为本申请实施例一首帧图像去噪方法的一种流程示意图。
图3 为本申请实施例二首帧图像去噪方法的一种流程示意图。
图4为本申请实施例首帧图像去噪装置一种示意图。
图5为本申请实施例可工作于低功耗状态的电子设备的一种示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。
数字图像从源图像到图像显示,经过了多次的图像程序处理,大部分图像程序处理都会增加噪声、杂讯而影响图像品质。图像噪声去除的难点在于：过滤掉噪声的同时不影响原图像数据,较好地保存图像的轮廓和高频信号,以免造成降噪的同时模糊了图像细节。
常用的图像去噪方法包括空域降噪，例如2D降噪（2D DNR），和时域降噪，例如3D降噪，其中，
3D降噪是通过对前后两帧的图像进行对比筛选处理，从而将噪点位置找出，对其进行增益控制，3D降噪功能能够降低弱信号图像的噪波干扰。
2D降噪（2D DNR）是对单帧图像的噪点进行处理，从而减弱噪声干扰，由于其功能特性，处理后的图像会相对柔和。
目前的2D降噪技术很难有效地辨识噪声杂讯和原始的图像轮廓,对于图像帧间相关性较强的图像帧,仅以2D降噪算法来基于空域信息处理会因资讯不足而造成误判的情况。而3D降噪技术是通过对前后两帧的图像进行对比筛选处理，对图像帧进行运动分析估计，从而找出噪点位置，以对所找出的噪点位置进行增益控制，降低弱信号图像的噪波干扰。由于噪波干扰的出现是随机的，因此每一帧图像出现的噪波干扰是不相同的，故而3D降噪需要通过对比相邻的几帧图像，将不重叠的信息（即噪波）滤出。
而由于3D降噪算法需要多帧参考帧进行运动估计，但首帧图像无法获得参考帧，这导致首帧图像无法采用3D降噪来进行处理，目前市面上为保障首帧噪声效果，通常使用提高空域降噪强度，降低锐化强度的去噪方式。
有鉴于此，本申请提出的一种低功耗状态下所获取首帧图像的去噪方法，基于预存的图像帧信息，构建参考帧，利用参考帧与首帧图像，进行帧间运动估计，以确定首帧图像中的静止区域和运动区域，对静止区域中的图像数据采用时域降噪，对运动区域中的图像数据采用空域降噪。
参见图1所示，图1为本申请实施例首帧图像去噪方法的一种流程示意图。该方法包括：
步骤101，获取首帧图像，
步骤102，为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
步骤103，利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
步骤104，采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
本申请实施例通过构建参考帧，从而利用参考帧和首帧图像进行帧间运动估计来确定静止区域和动态区域，对不同区域采用相匹配的去噪方式来进行去噪处理，使得去噪效果得到优化。
为便于理解本申请，以下以可工作于低功耗状态下的监控设备所采集的首帧图像去噪为例来进行说明，所应理解的是，本申请不限于监控设备，任何在低功耗状态下所采集的首帧图像的设备均可适用。
鉴于在监控设备中，首帧图像被采集的时间点即被唤醒的时间点具有随机性，可能发生在任一时间，为构建具有较佳图像品质的参考帧，可以按照设定的时间段保存进入休眠状态之前的图像数据以及采集参数，其中，图像数据可以包括图像的YUV参数以及YUV格式，采集参数可以包括自动曝光信息（AE）。
例如，将一天（24h）分为多个时间段，每个时间段保存休眠前的YUV参数和AE信息。如下表所示，存储有时间信息、采集参数、图像数据的对应关系。
时间信息、采集参数、图像数据的对应关系
又例如，可以利用对唤醒时间、休眠时间的统计，来预测休眠时间，从而确定保存每次休眠前的图像数据和采集参数的时间。
为了减少图像数据所占用的存储空间，对所需获取的图像进行下采样，以压缩图像数据。例如，图像数据为隔3行和隔3列采样以缩小原图像1/16的方式进行保存，这样，对于例如1920*1080的图像，隔3行和隔3列采样成480*270的画面保存，下采样后图像数据为原图像的1/16。
为便于行文描述，预先保存的图像数据以及采集参数、时间信息分别称为第一图像数据和第一采集参数、第一时间信息。
实施例一
参见图2所示，图2为本申请实施例一首帧图像去噪方法的一种流程示意图。在监控设备侧，该方法包括：
步骤201，根据首帧图像被采集的当前时间信息，确定当前时间所对应的第一图像数据以及第一采集参数，例如第一自动曝光参数，
作为一种示例，当监控设备因检测到唤醒事件而由休眠状态进入唤醒状态时，以适配于当前环境的第二采集参数采集当前图像，以得到首帧图像，监控设备中用于业务处理的处理器CPU开始工作，根据当前时间搜索匹配的第一时间段信息，根据所匹配的第一时间段信息确定第一图像数据以及第一采集参数。
步骤202，根据首帧图像的第二采集参数，确定第二采集参数与第一采集参数之间的差异量，
作为一种示例，可以根据光敏传感器的检测结果确定第二采集参数，例如当前自动曝光参数，确定当前自动曝光参数与第一自动曝光参数之间的差异量，其中，差异量可以是差值或比例，自动曝光参数可以包括曝光时间和曝光增益。
步骤203，根据差异量，确定用于调整第一图像数据的调整量；
作为一种示例，当前自动曝光参数与第一自动曝光参数之间的比例，可确定光线变化比例α，
步骤204，基于调整量，对第一图像数据进行调整，将调整后的第一图像数据确定为参考帧，
作为一种示例，将第一图像数据乘以光线变化比例α，得到调整后的第一图像数据，将调整后的第一图像数据作为参考帧。
通过上述步骤201~204，可构建用于帧间运动估计的参考帧。
步骤205，将首帧图像按照第一图像数据的压缩方式进行压缩，以使得参考帧的图像数据的数据量与首帧图像的图像数据的数据量相匹配，得到压缩首帧图像，利用压缩首帧图像和参考帧，进行帧间运动估计，确定压缩首帧图像中的静止区域的位置信息和动态区域的位置信息。
步骤206，根据所确定位置信息，确定首帧图像中的静止区域和运动区域，以便将小分辨率分割的区域转换到全分辨率；对静止区域采用空域去噪方式进行去噪，对运动区域，采用时域去噪方式进行去噪，将去噪后的首帧图像发送给终端。
作为一种示例，鉴于3D降噪的原理是根据参考帧（前一帧降噪后的图像）对当前帧图像进行运动估计，然后对运动区域采取空域降噪，静止区域（背景层）采取时域降噪以防止运动物体模糊，而本实施例在休眠之前已经保存了背景层（静止区域），首帧图像只需要和背景层进行比较分析，就可以较为容易地区分出运动区域，这样，首帧既可做到3D降噪效果，又可保留清晰度的基础上去除背景层跳动的噪声。
实施例二
参见图3所示，图3为本申请实施例二首帧图像去噪方法的一种流程示意图。在监控设备侧，该方法包括：
步骤301，当监控设备被唤醒事件唤醒时，CPU开始工作，在Flash中根据当前时间信息查得当前时间段的第一图像数据和第一自动曝光参数AE1，根据光敏传感器的检测结果，得到当前自动曝光参数AE2；
步骤302，比较AE2与AE1，
若AE2与AE1之间的差异在设定的差异阈值内，说明两者接近，监控场景无变化，只存在光线轻微变动情况，则执行步骤303，
否则，说明监控场景有变化，执行步骤306。
步骤303，计算光线变化比例α=AE2/AE1，将查得的第一图像数据乘以光线变化比例α，保存到内存中作为参考帧，并按照AE1配置第二采集参数，按照第二采集参数采集首帧图像。
步骤304，将首帧图像按照第一图像的压缩方式进行下采样，将压缩首帧图像与内存中参考帧进行比较，以进行运动估计，分割出运动区域和静止区域。
步骤305，根据所分割的运动区域和静止区域的位置信息，确定首帧图像中的运动区域和静止区域，对静止物体的信息使用时域降噪，对运动使用空域降噪；将降噪后的图像推送至终端。
步骤306，将当前自动曝光参数AE2作为第二采集参数，并按照第二采集参数采集首帧图像，且首帧图像不进行降噪处理，推送未降噪的图像至终端。
步骤307，当设备准备进入休眠状态时，将当前图像数据和当前自动曝光参数AE1与当前时间段所对应的比较第一图像数据和第一自动曝光参数进行比较，若发生变化，则用当前图像数据和当前自动曝光参数进行更新。
本实施例在从休眠状态进入唤醒状态的过程中，通过预先存储的第一采集参数、以及当前采集参数来识别当前环境变化，对应于环境变化采用对应的采集参数来获取首帧图像，有利于快速对首帧做出运动估计，从而采用匹配的去噪方式进行去噪处理。
参见图4所示，图4为本申请实施例首帧图像去噪装置的一种示意图。该装置包括：
图像采集模块，用于获取首帧图像，
参考帧构建模块，用于为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
运动估计模块，用于利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
去噪模块，用于采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
还包括：
数据存储模块，用于预先存储第一图像数据及其对应的第一采集参数、对应的第一时间信息。
其中，
参考帧构建模块被配置为根据获取首帧图像的当前时间信息，搜索与当前时间信息相匹配的第一时间信息所对应的第一图像数据、以及所述第一图像数据对应的第一采集参数；基于所搜索的第一图像数据，获取所述参考帧。
参考帧构建模块还被配置为：
确定用于获取所述首帧图像的第二采集参数，
根据所述第一图像数据的第一采集参数与所述首帧图像的第二采集参数之间的差异，确定用于调整第一图像数据的调整量，
基于所述调整量，对第一图像数据进行调整，将调整后的第一图像数据确定为所述参考帧。
所述第一图像数据为经过压缩处理的第一压缩图像数据；
运动估计模块被配置为将所述首帧图像按照第一图像数据的压缩方式进行压缩，得到首帧图像压缩数据，基于首帧图像压缩数据以及所述参考帧，进行帧间运动估计，确定首帧图像压缩数据中静止区域和运动区域的位置信息；
根据首帧图像压缩数据中静止区域和运动区域的位置信息，确定首帧图像数据中的静止区域和运动区域的位置信息。
所述图像采集模块进一步用于所述电子设备在低功耗的休眠状态下被唤醒时，根据唤醒时间信息搜索与所述唤醒时间相匹配的第一时间信息所对应的第一采集参数，
获取与当前环境相匹配的采集参数，将该采集参数确定为所述第二采集参数，
比较所匹配的第一采集参数和所述第二采集参数，
如果所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内，则将所匹配的第一采集参数确定为所述第二采集参数，并按照该第二采集参数获取首帧图像，
否则，直接按照所述第二采集参数获取首帧图像，且不对该首帧图像采用时域去噪方式进行去噪处理。
所述参考帧构建模块还被配置为：
当所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内时，基于所搜索到的与所述唤醒时间相匹配的第一时间信息所对应的第一图像数据，获取所述参考帧。
所述参考帧构建模块还被配置为：
根据所述第一采集参数与所述第二采集参数之间的比值，确定用于调整第一图像数据的比值，
将所述第一图像数据乘以所述比值，得到调整后的第一图像数据。
参见图5所示，图5为本申请实施例可工作于低功耗状态的电子设备的一种示意图。该设备包括存储器和处理器、以及图像采集装置，所述存储器存储有计算机程序，所述处理器被配置执行所述计算机程序实现首帧图像去噪方法的步骤。电子设备可以包括：电池智能门铃、电池智能猫眼、智能视频锁等。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现图像率失真代价的确定方法的步骤。
对于装置/网络侧设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种首帧图像的去噪方法，其特征在于，该方法包括：
获取首帧图像，
为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
2.如权利要求1所述的去噪方法，其特征在于，所述首帧图像由可工作于低功耗状态下的电子设备获取，
所述为所述首帧图像构建用于帧间运动估计的参考帧，包括：
根据获取所述首帧图像的当前时间信息，搜索与所述当前时间信息相匹配的第一时间信息所对应的第一图像数据、以及所述第一图像数据对应的第一采集参数，其中，所述第一图像数据及其对应的第一采集参数、对应的第一时间信息预先存储；
基于所搜索的第一图像数据，获取所述参考帧。
3.如权利要求2所述的去噪方法，其特征在于，所述基于所搜索的第一图像数据，获取所述参考帧，包括：
确定用于获取所述首帧图像的第二采集参数，
根据所述第一图像数据的第一采集参数与所述首帧图像的第二采集参数之间的差异，确定用于调整第一图像数据的调整量，
基于所述调整量，对第一图像数据进行调整，将调整后的第一图像数据确定为所述参考帧。
4.如权利要求2所述的去噪方法，其特征在于，所述第一图像数据为经过压缩处理的第一压缩图像数据；
所述利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，包括：
将所述首帧图像按照第一图像数据的压缩方式进行压缩，得到首帧图像压缩数据，
基于首帧图像压缩数据以及所述参考帧，进行帧间运动估计，确定首帧图像压缩数据中静止区域和运动区域的位置信息；
根据首帧图像压缩数据中静止区域和运动区域的位置信息，确定首帧图像数据中的静止区域和运动区域的位置信息。
5.如权利要求2至4任一所述的去噪方法，其特征在于，所述获取首帧图像之前进一步包括：
所述电子设备在低功耗的休眠状态下被唤醒时，根据唤醒时间信息搜索与所述唤醒时间相匹配的第一时间信息所对应的第一采集参数，
获取与当前环境相匹配的采集参数，将该采集参数确定为所述第二采集参数，
比较所匹配的第一采集参数和所述第二采集参数，
如果所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内，则将所匹配的第一采集参数确定为所述第二采集参数，并按照该第二采集参数获取首帧图像，
否则，直接按照所述第二采集参数获取首帧图像，并不对该首帧图像采用时域去噪方式进行去噪处理。
6.如权利要求5所述的去噪方法，其特征在于，所述为所述首帧图像构建用于帧间运动估计的参考帧，包括：
当所匹配的第一采集参数和所述第二采集参数之间的差异在所述差异阈值之内时，基于所搜索到的与所述唤醒时间相匹配的第一时间信息所对应的第一图像数据，获取所述参考帧。
7.如权利要求3所述的去噪方法，其特征在于，所述采集参数包括自动曝光参数，所述差异为比值，所述差异阈值为比值阈值；
根据所述第一图像数据的第一采集参数与所述首帧图像的第二采集参数之间的差异，确定用于调整第一图像数据的调整量，包括：
根据所述第一采集参数与所述第二采集参数之间的比值，确定用于调整第一图像数据的比值，
所述基于所述调整量，对第一图像数据进行调整，包括：
将所述第一图像数据乘以所述比值，得到调整后的第一图像数据。
8.一种首帧图像的去噪装置，其特征在于，该装置包括：
图像采集模块，用于获取首帧图像，
参考帧构建模块，用于为所述首帧图像构建用于帧间运动估计的参考帧，其中，所述参考帧的第一采集参数与所述首帧图像的第二采集参数之间的差异在设定的差异阈值内，所述参考帧的图像数据的数据格式与所述首帧图像的图像数据的数据格式相同，
运动估计模块，用于利用所述首帧图像和所述参考帧，进行帧间运动估计，确定所述首帧图像的静止区域和运动区域，
去噪模块，用于采用时域去噪方式对所述运动区域进行去噪处理，采用空域去噪方式对所述静止区域进行去噪处理。
9.一种工作于低功耗状态下的电子设备，其特征在于，该电子设备包括如权利要求8所述的首帧图像去噪装置。
10.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一所述一种首帧图像的去噪方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659923.2A CN114742857B (zh) | 2022-06-13 | 2022-06-13 | 一种首帧图像的去噪方法、去噪装置、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659923.2A CN114742857B (zh) | 2022-06-13 | 2022-06-13 | 一种首帧图像的去噪方法、去噪装置、电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114742857A true CN114742857A (zh) | 2022-07-12 |
| CN114742857B CN114742857B (zh) | 2022-09-16 |
Family
ID=82287261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210659923.2A Active CN114742857B (zh) | 2022-06-13 | 2022-06-13 | 一种首帧图像的去噪方法、去噪装置、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114742857B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116249018A (zh) * | 2023-05-11 | 2023-06-09 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101262559A (zh) * | 2008-03-28 | 2008-09-10 | 北京中星微电子有限公司 | 一种序列图像噪声消除的方法及装置 |
| 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 |
| CN106803865A (zh) * | 2016-12-23 | 2017-06-06 | 中国科学院自动化研究所 | 视频时域的去噪方法及系统 |
| CN106897983A (zh) * | 2016-12-30 | 2017-06-27 | 青岛海信电器股份有限公司 | 一种多帧图像集合的处理方法和图像处理装置 |
| CN114240778A (zh) * | 2021-12-15 | 2022-03-25 | 北京紫光展锐通信技术有限公司 | 视频去噪方法、装置及终端 |
| CN114648469A (zh) * | 2022-05-24 | 2022-06-21 | 上海齐感电子信息科技有限公司 | 视频图像去噪方法及其系统、设备和存储介质 |
-
2022
- 2022-06-13 CN CN202210659923.2A patent/CN114742857B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101262559A (zh) * | 2008-03-28 | 2008-09-10 | 北京中星微电子有限公司 | 一种序列图像噪声消除的方法及装置 |
| 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 |
| CN106803865A (zh) * | 2016-12-23 | 2017-06-06 | 中国科学院自动化研究所 | 视频时域的去噪方法及系统 |
| CN106897983A (zh) * | 2016-12-30 | 2017-06-27 | 青岛海信电器股份有限公司 | 一种多帧图像集合的处理方法和图像处理装置 |
| CN114240778A (zh) * | 2021-12-15 | 2022-03-25 | 北京紫光展锐通信技术有限公司 | 视频去噪方法、装置及终端 |
| CN114648469A (zh) * | 2022-05-24 | 2022-06-21 | 上海齐感电子信息科技有限公司 | 视频图像去噪方法及其系统、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116249018A (zh) * | 2023-05-11 | 2023-06-09 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
| CN116249018B (zh) * | 2023-05-11 | 2023-09-08 | 深圳比特微电子科技有限公司 | 图像的动态范围压缩方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114742857B (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200167314A1 (en) | System and method for concepts caching using a deep-content-classification (dcc) system | |
| US10445590B2 (en) | Image processing apparatus and method and monitoring system | |
| Vargas et al. | An enhanced background estimation algorithm for vehicle detection in urban traffic scenes | |
| Rosin | Thresholding for change detection | |
| EP1697901B1 (en) | Method for modeling background and foreground regions | |
| Barnich et al. | ViBe: A universal background subtraction algorithm for video sequences | |
| US20130044951A1 (en) | Moving object detection method using image contrast enhancement | |
| WO2019125759A1 (en) | Methods and devices for image change detection | |
| CN114742857B (zh) | 一种首帧图像的去噪方法、去噪装置、电子设备 | |
| US20110019002A1 (en) | Method and System for Low Complexity Analysis of Multiple Signals Using a Combined Sparse Set of Samples | |
| Filonenko et al. | Real-time flood detection for video surveillance | |
| CN112084826A (zh) | 图像处理方法、图像处理设备以及监控系统 | |
| Bosco et al. | Fast method for noise level estimation and integrated noise reduction | |
| CN107886518B (zh) | 图片检测方法、装置、电子设备及可读取存储介质 | |
| Alippi et al. | Detecting external disturbances on the camera lens in wireless multimedia sensor networks | |
| US10194072B2 (en) | Method and apparatus for remote detection of focus hunt | |
| Xu et al. | Features based spatial and temporal blotch detection for archive video restoration | |
| CN111145210B (zh) | 一种前景提取方法及装置、可读存储介质 | |
| CN111669575B (zh) | 图像处理效果的测试方法、系统、电子设备、介质及终端 | |
| CN110430340B (zh) | 一种脉冲阵列信号的降噪方法与系统 | |
| Li et al. | GMM-based efficient foreground detection with adaptive region update | |
| Jeeva et al. | Twin background model for foreground detection in video sequence | |
| Ni et al. | Real-time global motion blur detection | |
| Zhang et al. | A unified saliency detection framework for visible and infrared images | |
| Roy et al. | An Approach for Efficient Real Time Moving Object Detection. |
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 |