一种基于图像边缘特性的图像噪声估计方法及其系统技术方案

本发明专利技术提供一种基于图像边缘特性的图像噪声估计方法及其系统

【技术实现步骤摘要】
一种基于图像边缘特性的图像噪声估计方法及其系统


[0001]本专利技术涉及数字图像处理领域，具体涉及一种基于图像边缘特性的图像噪声估计方法及其系统
。

技术介绍

[0002]众所周知，通过硬件采集得到的图像会存在一定程度的噪声，而对上述图像中噪声水平的准确估计，对于后续的图像处理和分析等具有极高的参考价值
。
例如，相机中
ISP(Image Signal Processor
，图像信号处理器
)
的图像处理流程，通常在去马赛克算法后面有一个去噪的环节，而噪声一般是
CMOS
感光元件或者
CCD
感光元件
(Charge
‑
coupled Device
，电荷耦合元件
)
接收光子然后转化成
RAW
图
(
即原始图像文件
)
的过程中产生的，环境中的光通过镜头模组照射到上述感光元件上，由于光电效应会激发很多电子，这些电子会转换成电流被模拟放大器放大，然后通过
ADC
模数转换器转换，最后输出离散的照度值
。
[0003]噪声水平是许多图像处理应用程序的重要参数
。
若对图像的噪声水平的估计较差，那么图像去噪算法的性能可能会较差
。
而大多数现有的去噪算法是假设图像中的噪声水平是众所周知的，再基于该噪声水平进行去噪，可以有效地抑制图像的噪声，从而满足高精度的测量
>、
检测等方面的需求
。
此外，即使图像具有给定的真实噪声水平，这些去噪算法仍然无法达到其最佳性能，尤其是对于具有丰富纹理的图像
。
当前对图像中噪声进行估计，主要是基于局部图像的灰度信息进行估计
。
该类方法对于具有丰富纹理的图像，无法给出图像真实的噪声水平
。
为了改进该方法，一些图像噪声水平估计的改进方法是采用基于分块的技术思路，其主要针对具有丰富纹理信息的图像，以便满足场景复杂度高的噪声水平的估计
。
上述改进方法首先从对图像分块而得到的多个图像块中，选择没有高频分量或者高频分量少的图像块进行分析
(
注：这是由于噪声的分布是均匀的
)
，即，选择平坦的图像区域进行分析，然后基于上述平坦的图像区域的统计梯度信息以及主成分分析完成图像的噪声水平估计
。
上述改进方法对于噪声污染严重的图像，无法稳定地对噪声水平进行估计
。
因此，针对现有技术的不足有必要进行改进
。

技术实现思路

[0004]本专利技术主要解决的技术问题是提供一种基于图像边缘特性的图像噪声估计方法及其系统，用于对原始图像中噪声的分布情况进行更准确地估计，进而提高图像噪声估计的准确性和稳定性
。
[0005]根据第一方面，一种实施例中提供一种基于图像边缘特性的图像噪声估计方法
。
该图像噪声估计方法包括：
[0006]获取原始图像；
[0007]利用二阶差分滤波核对所述原始图像进行卷积运算或相关运算而得到二阶差分图像；其中，所述二阶差分图像包含所述原始图像的二阶差分信息；
[0008]基于所述二阶差分图像，对所述原始图像中的噪声进行估计而得到所述原始图像
的噪声估计值；其中，所述噪声估计值用于表征图像中的噪声水平
。
[0009]根据第二方面，一种实施例中还提供另一种基于图像边缘特性的图像噪声估计方法
。
该图像噪声估计方法包括：
[0010]获取原始图像，将所述原始图像划分为多个待估计子图像；其中，相邻的两个所述待估计子图像之间不存在重叠区域；基于所述待估计子图像的梯度图像，对每个所述待估计子图像进行判断，以确定所述待估计子图像是否为有效待估计子图像；
[0011]利用二阶差分滤波核对所述有效待估计子图像进行卷积运算或相关运算而得到二阶差分图像；其中，所述二阶差分图像包含所述原始图像的二阶差分信息；
[0012]基于所述二阶差分图像，对所述原始图像中的噪声进行估计而得到所述原始图像的噪声估计值；其中，所述噪声估计值用于表征图像中的噪声水平
。
[0013]一实施例中，所述基于所述待估计子图像的梯度图像，对每个所述待估计子图像进行判断，以确定所述待估计子图像是否为有效待估计子图像，包括：
[0014]获取所述待估计子图像的梯度图像，根据所述梯度图像确定所述待估计子图像中的有效噪声估计区域，根据有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到有效待估计子图像
。
[0015]一实施例中，获取所述待估计子图像的梯度图像，根据所述梯度图像确定所述待估计子图像中的有效噪声估计区域，根据有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到有效待估计子图像，包括：
[0016]计算所述待估计子图像中各像素的梯度幅值，以获得所述待估计子图像的梯度图像；计算得到所述梯度图像的相对灰度直方图；
[0017]从所述相对灰度直方图的最小灰度值开始，对各灰度值的概率值进行累加，直至累加得到的概率值达到或者超过预设的累计概率阈值，获取最后累加的灰度值作为二值化阈值；
[0018]根据所述二值化阈值获取所述待估计子图像中的有效噪声估计区域，其中，所述有效噪声估计区域为所述待估计子图像中梯度幅值小于所述二值化阈值的区域；
[0019]计算所述有效噪声估计区域的面积；其中，所述有效噪声估计区域的面积表示所述待估计子图像中梯度幅值小于所述二值化阈值的像素点的个数；
[0020]根据所述有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到所述有效待估计子图像
。
[0021]一实施例中，根据所述有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到所述有效待估计子图像，包括：
[0022]基于所述有效噪声估计区域的面积计算所述有效噪声估计区域的面积比例；其中，所述有效噪声估计区域的面积比例表示所述有效噪声估计区域的面积占与所述有效噪声估计区域对应的待估计子图像的面积的百分比；
[0023]若所述有效噪声估计区域的面积比例小于预设的面积比例阈值，则将与所述有效噪声估计区域对应的待估计子图像作为无效待估计子图像，并剔除所述无效待估计子图像；若所述有效噪声估计区域的面积比例大于或等于预设的二值化梯度面积比例阈值，则
将与所述有效噪声估计区域的对应的待估计子图像作为所述有效待估计子图像
。
[0024]一实施例中，所述基于所述二阶差分图像，对所述原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像边缘特性的图像噪声估计方法，其特征在于，包括：获取原始图像；利用二阶差分滤波核对所述原始图像进行卷积运算或相关运算而得到二阶差分图像；其中，所述二阶差分图像包含所述原始图像的二阶差分信息；基于所述二阶差分图像，对所述原始图像中的噪声进行估计而得到所述原始图像的噪声估计值；其中，所述噪声估计值用于表征图像中的噪声水平
。2.
一种基于图像边缘特性的图像噪声估计方法，其特征在于，包括：获取原始图像，将所述原始图像划分为多个待估计子图像；其中，相邻的两个所述待估计子图像之间不存在重叠区域；基于所述待估计子图像的梯度图像，对每个所述待估计子图像进行判断，以确定所述待估计子图像是否为有效待估计子图像；利用二阶差分滤波核对所述有效待估计子图像进行卷积运算或相关运算而得到二阶差分图像；其中，所述二阶差分图像包含所述原始图像的二阶差分信息；基于所述二阶差分图像，对所述原始图像中的噪声进行估计而得到所述原始图像的噪声估计值；其中，所述噪声估计值用于表征图像中的噪声水平
。3.
如权利要求2所述的图像噪声估计方法，其特征在于，所述基于所述待估计子图像的梯度图像，对每个所述待估计子图像进行判断，以确定所述待估计子图像是否为有效待估计子图像，包括：获取所述待估计子图像的梯度图像，根据所述梯度图像确定所述待估计子图像中的有效噪声估计区域，根据有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到有效待估计子图像
。4.
如权利要求3所述的图像噪声估计方法，其特征在于，获取所述待估计子图像的梯度图像，根据所述梯度图像确定所述待估计子图像中的有效噪声估计区域，根据有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到有效待估计子图像，包括：计算所述待估计子图像中各像素的梯度幅值，以获得所述待估计子图像的梯度图像；计算得到所述梯度图像的相对灰度直方图；从所述相对灰度直方图的最小灰度值开始，对各灰度值的概率值进行累加，直至累加得到的概率值达到或者超过预设的累计概率阈值，获取最后累加的灰度值作为二值化阈值；根据所述二值化阈值获取所述待估计子图像中的有效噪声估计区域，其中，所述有效噪声估计区域为所述待估计子图像中梯度幅值小于所述二值化阈值的区域；计算所述有效噪声估计区域的面积；其中，所述有效噪声估计区域的面积表示所述待估计子图像中梯度幅值小于所述二值化阈值的像素点的个数；根据所述有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到所述有效待估计子图像
。5.
如权利要求4所述的图像噪声估计方法，其特征在于，根据所述有效噪声估计区域的面积判断所述待估计子图像是否为无效待估计子图像，从所述待估计子图像中剔除无效待估计子图像，以得到所述有效待估计子图像，包括：基于所述有效噪声估计区域的面积计算所述有效噪...

【专利技术属性】
技术研发人员：杨洋，林师杰，黄淦，翟爱亭，
申请(专利权)人：深圳市华汉伟业科技有限公司，
类型：发明
国别省市：