发明内容
为了解决现有技术中的技术问题,本发明提供了一种基于编号遍历的信号处理优化系统及方法,能够引入智能预测模型以基于待去噪图像的各项图像信息、基准图案的各个亮度值以及基准图案滤波后的滤波图案的各个亮度值预测所述待去噪图像被依次执行已知滤波算法组合的组合滤波效果,并通过已知滤波算法组合的顺序遍历,获取该帧图像的最优组合滤波方案,从而在不对图像进行实际滤波处理的情况下完成对图像滤波效果的比较以及最优组合滤波方案的确定。
本发明的基于编号遍历的信号处理优化系统包括:
数据采集器件,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值,同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值,所述基准图案的解析度与所述待去噪图像的解析度相同;
信息访问器件,与所述数据采集器件连接,用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号,同时还获取所述待去噪图像的信噪比以及对比度;
编号存储芯片,与所述信息访问器件连接,用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号,不同类型滤波对应的滤波算法编号不同;
降噪预测机构,分别与所述数据采集器件以及所述信息访问器件连接,用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比;
类型请求机构,与所述降噪预测机构连接,用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时,发出滤波类型更换请求;
其中,所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时,发出滤波类型有效信号。
本发明的基于编号遍历的信号处理优化方法包括:
使用数据采集器件,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值,同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值,所述基准图案的解析度与所述待去噪图像的解析度相同;
使用信息访问器件,与所述数据采集器件连接,用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号,同时还获取所述待去噪图像的信噪比以及对比度;
使用编号存储芯片,与所述信息访问器件连接,用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号,不同类型滤波对应的滤波算法编号不同;
使用降噪预测机构,分别与所述数据采集器件以及所述信息访问器件连接,用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比;
使用类型请求机构,与所述降噪预测机构连接,用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时,发出滤波类型更换请求;
其中,所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时,发出滤波类型有效信号。
本发明的基于编号遍历的信号处理优化系统及方法逻辑紧凑、应用广泛。由于能够引入智能预测模型以实现对待去噪图像的每一项滤波算法组合的组合滤波效果的预测,从而为不执行实际滤波即获取优化组合滤波策略提供关键数据。
具体实施方式
第一实施方案
图1是依照本发明第一实施方案的基于编号遍历的信号处理优化系统的结构示意图,所述系统包括:
数据采集器件,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值,同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值,所述基准图案的解析度与所述待去噪图像的解析度相同;
示例地,所述数据采集器件包括第一获取单元,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值;
示例地,所述数据采集器件还包括第二获取单元,用于获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值;
其中,所述基准图案的解析度与所述待去噪图像的解析度相同,以为后续的信号处理提供可靠的参考数据;
信息访问器件,与所述数据采集器件连接,用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号,同时还获取所述待去噪图像的信噪比以及对比度;
编号存储芯片,与所述信息访问器件连接,用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号,不同类型滤波对应的滤波算法编号不同;
降噪预测机构,分别与所述数据采集器件以及所述信息访问器件连接,用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比;
类型请求机构,与所述降噪预测机构连接,用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时,发出滤波类型更换请求;
其中,所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时,发出滤波类型有效信号。
第二实施方案
图2是依照本发明第二实施方案的基于编号遍历的信号处理优化系统的结构示意图。
如图2所示的基于编号遍历的信号处理优化系统包括以下部件:
数据采集器件,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值,同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值,所述基准图案的解析度与所述待去噪图像的解析度相同;
信息访问器件,与所述数据采集器件连接,用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号,同时还获取所述待去噪图像的信噪比以及对比度;
编号存储芯片,与所述信息访问器件连接,用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号,不同类型滤波对应的滤波算法编号不同;
降噪预测机构,分别与所述数据采集器件以及所述信息访问器件连接,用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比;
类型请求机构,与所述降噪预测机构连接,用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时,发出滤波类型更换请求;
次序更换机构,分别与所述类型请求机构以及所述编号存储芯片连接,用于在接收到滤波类型更换请求时,从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合,并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号;
示例地,可以采用以VHDL语言进行编程的CPLD芯片来实现所述次序更换机构;
其中,在接收到滤波类型更换请求时,从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合,并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括:所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
接着,继续对本发明的基于编号遍历的信号处理优化系统的具体结构进行进一步的说明。
在根据本发明任一实施方案的基于编号遍历的信号处理优化系统中:
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络,所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
以及在根据本发明任一实施方案的基于编号遍历的信号处理优化系统中:
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括:所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值;
其中,所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括:针对图像中存在的每一个噪声类型,将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的最大噪声幅度所获得的幅度差值。
第三实施方案
图3是依照本发明第三实施方案的基于编号遍历的信号处理优化方法的步骤流程图,所述方法包括以下步骤:
步骤S1:使用数据采集器件,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值,同时获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值,所述基准图案的解析度与所述待去噪图像的解析度相同;
示例地,所述数据采集器件包括第一获取单元,用于获取待去噪图像的各个亮度值以及基准图案的各个亮度值;
示例地,所述数据采集器件还包括第二获取单元,用于获取所述基准图案被依次执行算术均值滤波以及自适应递归滤波后获得的滤波图案的各个亮度值;
其中,所述基准图案的解析度与所述待去噪图像的解析度相同,以为后续的信号处理提供可靠的参考数据;
步骤S2:使用信息访问器件,与所述数据采集器件连接,用于获取算术均值滤波以及自适应递归滤波分别对应的滤波算法编号以分别作为第一滤波算法编号和第二滤波算法编号,同时还获取所述待去噪图像的信噪比以及对比度;
步骤S3:使用编号存储芯片,与所述信息访问器件连接,用于存储各个类型滤波分别对应的滤波算法编号并为所述信息访问器件提供第一滤波算法编号和第二滤波算法编号,不同类型滤波对应的滤波算法编号不同;
步骤S4:使用降噪预测机构,分别与所述数据采集器件以及所述信息访问器件连接,用于采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比;
步骤S5:使用类型请求机构,与所述降噪预测机构连接,用于在接收到的噪声幅度降低均值小于等于设定均值阈值或者接收到的信噪比小于等于设定信噪比数值时,发出滤波类型更换请求;
其中,所述类型请求机构还用于在接收到的噪声幅度降低均值大于设定均值阈值且接收到的信噪比大于设定信噪比数值时,发出滤波类型有效信号。
接着,继续对本发明的基于编号遍历的信号处理优化方法的具体步骤进行进一步的说明。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中,所述方法还可以包括:
使用次序更换机构,分别与所述类型请求机构以及所述编号存储芯片连接,用于在接收到滤波类型更换请求时,从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合,并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号;
示例地,可以采用以VHDL语言进行编程的CPLD芯片来实现所述次序更换机构;
其中,在接收到滤波类型更换请求时,从所述编号存储芯片内搜索与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合,并获得所述任一类型滤波组合中各个滤波类型分别对应的滤波算法编号包括:所述编号存储芯片基于滤波算法编号的从小到大顺序逐次进行与算术均值滤波以及自适应递归滤波的滤波组合不同的滤波组合中任一类型滤波组合的搜索。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中:
所述智能预测模型为完成设定数目的多次训练后的深度卷积网络,所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比。
在根据本发明上述实施方案的基于编号遍历的信号处理优化方法中:
采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括:所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值;
其中,所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值为所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像中存在的各个噪声类型分别对应的各个降低幅度的算术平均值包括:针对图像中存在的每一个噪声类型,将待去噪图像中的最大噪声幅度减去所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的最大噪声幅度所获得的幅度差值。
另外,在所述基于编号遍历的信号处理优化系统以及方法中,采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比包括:待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值分别被执行十六进制数值转换后输入所述智能预测模型,以及所述智能预测模型输出的噪声幅度降低均值以及信噪比为十六进制表示形式。
本发明的技术优势在于:
首先,采用智能预测模型以基于待去噪图像的信噪比以及对比度、第一滤波算法编号、第二滤波算法编号、待去噪图像的各个亮度值、基准图案的各个亮度值以及滤波图案的各个亮度值预测所述待去噪图像被依次执行算术均值滤波以及自适应递归滤波后的图像的噪声幅度降低均值以及信噪比,所述基准图案的解析度与所述待去噪图像的解析度相同,从而为图像的组合去噪效果提供预测数据;
其次,在预测图像的当前两个滤波算法的组合其去噪效果不佳时,依次选择其他两个滤波算法组合继续进行组合去噪效果的预测,直到获得去噪效果满足预期需求的滤波算法组合,从而根据不同图像内容自适应选择不同的组合滤波策略,保证了不同图像内容的滤波效果;
再次,选择用于执行图像的组合去噪效果预测的智能预测模型为完成设定数目的多次训练后的深度卷积网络,所述设定数目的取值与所述待去噪图像中的噪声类型的数量成正比,从而保证了图像的组合去噪效果预测的可靠性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。