【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及基于ai isp的低照度场景图像智能降噪方法、装置、设备及存储介质。
技术介绍
1、在低照度场景下，由于光线不足，图像传感器捕捉到的图像通常会受到大量噪声的影响，这会导致图像质量下降。为了改善这种情况，传统的图像信号处理器（isp）使用固定算法和参数进行图像处理，例如降噪、白平衡和曝光调整等。然而，在复杂的场景中，不同区域的光照条件差异很大，导致噪声水平不一致，因此这些传统的方法在进行图像降噪处理时会损失图像的细节信息，会导致图像质量下降，从而无法达到理想的图像质量效果。
2、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种基于ai isp的低照度场景图像智能降噪方法、装置、设备及存储介质，旨在解决现有技术中无法在降噪过程中保留图像中细节的技术问题。
2、为实现上述目的，本申请提供了一种基于ai isp的低照度场景图像智能降噪方法，方法包括：
3、分离低照度图像的亮度通道和色度通道，分别基于所述亮度通道和所述色度通道得到亮度信息和色度信息；
4、分别对所述亮度信息和所述色度信息通过直方图确定亮度分布和色度分布，根据所述亮度分布和色度分布得到亮度特征和色度特征；
5、对所述亮度特征和所述色度特征分别进行局部方差计算，确定图像噪声分布，根据所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区，不同的所述图像分区中的所述
6、分别确定所述图像分区的噪声极差，基于所述噪声极差确定ai isp降噪策略，根据所述ai isp降噪策略对所述图像分区进行降噪，得到降噪图像。
7、在一实施例中，所述分离低照度图像的亮度通道和色度通道，分别基于所述亮度通道和所述色度通道得到亮度信息和色度信息的步骤包括：
8、将低照度图像的色彩空间转换为yuv色彩空间，并确定所述低照度图像中的亮度通道和色度通道，其中，所述亮度通道为所述yuv色彩空间中的y通道、色度通道为所述yuv色彩空间中的u通道和v通道；
9、提取所述亮度通道的亮度分量，对所述亮度分量进行直方图分析，得到亮度分布，根据所述亮度分布提取亮度信息；
10、提取所述色度通道的色度分量，对所述色度分量进行颜色直方图分析，得到所述低照度图像中的颜色分布，根据所述颜色分布提取色度信息。
11、在一实施例中，所述分别对所述亮度信息和所述色度信息通过直方图确定亮度分布和色度分布，根据所述亮度分布和色度分布得到亮度特征和色度特征的步骤包括：
12、分别对所述亮度信息和所述色度信息通过直方图确定亮度分布和色度分布；
13、根据所述亮度分布确定所述低照度图像中的曝光异常区域；
14、基于双边滤波器对所述曝光异常区域进行滤波，得到纹理信息，根据所述纹理信息的对比度得到亮度特征；
15、根据所述色度分布确定所述低照度图像中的各个像素点的颜色均值，根据所述颜色均值确定所述色度特征。
16、在一实施例中，所述基于双边滤波器对所述曝光异常区域进行滤波，得到纹理信息，根据所述纹理信息的对比度得到亮度特征的步骤包括：
17、对所述曝光异常区域进行阈值分割，确定所述曝光异常区域的像素区间；
18、基于所述像素区间向相邻区域扩展，得到邻域区间；
19、确定所述像素区间中每个像素的亮度值，将所述亮度值聚合为亮度集；
20、将所述亮度集、所述邻域区间、双边滤波器的归一化因子和高斯核，得到纹理信息；
21、计算所述纹理信息的梯度值，基于所述梯度值得到纹理方向和纹理强度；
22、根据所述纹理方向和所述纹理强度得到结构张量；
23、基于所述结构张量生成纹理能量图，对所述纹理能量图进行解析，得到亮度特征。
24、在一实施例中，所述根据所述色度分布确定所述低照度图像中的各个像素点的颜色均值，根据所述颜色均值确定所述色度特征的步骤包括：
25、根据所述色度分布确定每个像素点的邻域局部颜色均值，根据所述邻域局部颜色均值确定颜色向量场；
26、根据所述像素点的色度分量与所述邻域局部颜色均值得到颜色差异；
27、基于所述颜色差异和所述颜色向量场确定局部颜色变化量，根据所述局部颜色变化量计算梯度变化幅值，将所述梯度变化幅值确定为色度特征。
28、在一实施例中，所述对所述亮度特征和所述色度特征分别进行局部方差计算，确定图像噪声分布，根据所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：
29、确定滑窗尺寸大小，将滑窗设置为所述滑窗尺寸大小；
30、确定所述滑窗选中的像素点的所述亮度特征和所述色度特征；
31、分别对所述亮度特征和所述色度特征计算局部方差，得到亮度均值和色度均值；
32、基于所述亮度均值和所述色度均值得到所述像素点的噪声值；
33、将多个所述像素点的噪声值进行聚合，得到图像噪声分布；
34、基于所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区。
35、在一实施例中，所述基于所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：
36、确定所述噪声分区阈值，将所述像素点的噪声值与所述噪声分区阈值进行比较，将大于所述噪声分区阈值的像素点添加第一标记，将小于所述噪声分区阈值的像素点添加第二标记；
37、基于所述图像噪声分布、所述第一标记和所述第二标记生成噪声分区示意图，并确定各个分区的边界，将所述低照度图像划分为多个图像分区。
38、在一实施例中，所述分别确定所述图像分区的噪声极差，基于所述噪声极差确定ai isp降噪策略，根据所述ai isp降噪策略对所述图像分区进行降噪，得到降噪图像的步骤包括：
39、分别确定所述图像分区中的最大噪声值和最小噪声值，根据所述最大噪声值和最小噪声值确定当前图像分区的噪声极差；
40、根据所述图像分区的分区类型确定初始降噪参数，基于所述噪声极差对所述初始降噪参数进行修正，得到所述当前图像分区的目标降噪参数；
41、基于所述目标降噪参数对所述当前图像分区中的各个像素点进行降噪处理，得到降噪图像分区；
42、将多个所述降噪图像分区进行聚合，得到降噪图像。
43、在一实施例中，所述根据所述图像分区的分区类型确定初始降噪参数，基于所述噪声极差对所述初始降噪参数进行修正，得到所述当前图像分区的目标降噪参数的步骤包括：
44、确定图像分区的分区类型，根据所述分区类型查找参数表得到所述分区类型的初始降噪参数；
45、根据所述噪声极差、所述最大噪声值和平均噪声值的第一差值和所述最小噪声值和所述平均噪声值的第本文档来自技高网...
【技术保护点】
1.一种基于AI ISP的低照度场景图像智能降噪方法，其特征在于，所述基于AI ISP的低照度场景图像智能降噪方法包括：
2.如权利要求1所述的方法，其特征在于，所述分离低照度图像的亮度通道和色度通道，分别基于所述亮度通道和所述色度通道得到亮度信息和色度信息的步骤包括：
3.如权利要求1所述的方法，其特征在于，所述分别对所述亮度信息和所述色度信息通过直方图确定亮度分布和色度分布，根据所述亮度分布和色度分布得到亮度特征和色度特征的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述基于双边滤波器对所述曝光异常区域进行滤波，得到纹理信息，根据所述纹理信息的对比度得到亮度特征的步骤包括：
5.如权利要求3所述的方法，其特征在于，所述根据所述色度分布确定所述低照度图像中的各个像素点的颜色均值，根据所述颜色均值确定所述色度特征的步骤包括：
6.如权利要求1所述的方法，其特征在于，所述对所述亮度特征和所述色度特征分别进行局部方差计算，确定图像噪声分布，根据所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：p>
7.如权利要求6所述的方法，其特征在于，所述基于所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：
8.如权利要求1所述的方法，其特征在于，所述分别确定所述图像分区的噪声极差，基于所述噪声极差确定AI ISP降噪策略，根据所述AI ISP降噪策略对所述图像分区进行降噪，得到降噪图像的步骤包括：
9.如权利要求8所述的方法，其特征在于，所述根据所述图像分区的分区类型确定初始降噪参数，基于所述噪声极差对所述初始降噪参数进行修正，得到所述当前图像分区的目标降噪参数的步骤包括：
10.如权利要求8所述的方法，其特征在于，所述基于所述目标降噪参数对所述当前图像分区中的各个像素点进行降噪处理，得到降噪图像分区的步骤包括：
11.一种基于AI ISP的低照度场景图像智能降噪装置，其特征在于，所述基于AI ISP的低照度场景图像智能降噪装置包括：
12.一种基于AI ISP的低照度场景图像智能降噪设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至10中任一项所述的基于AI ISP的低照度场景图像智能降噪方法的步骤。
13.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质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如权利要求1至10中任一项所述的基于AI ISP的低照度场景图像智能降噪方法的步骤。
...【技术特征摘要】
1.一种基于ai isp的低照度场景图像智能降噪方法，其特征在于，所述基于ai isp的低照度场景图像智能降噪方法包括：
2.如权利要求1所述的方法，其特征在于，所述分离低照度图像的亮度通道和色度通道，分别基于所述亮度通道和所述色度通道得到亮度信息和色度信息的步骤包括：
3.如权利要求1所述的方法，其特征在于，所述分别对所述亮度信息和所述色度信息通过直方图确定亮度分布和色度分布，根据所述亮度分布和色度分布得到亮度特征和色度特征的步骤包括：
4.如权利要求3所述的方法，其特征在于，所述基于双边滤波器对所述曝光异常区域进行滤波，得到纹理信息，根据所述纹理信息的对比度得到亮度特征的步骤包括：
5.如权利要求3所述的方法，其特征在于，所述根据所述色度分布确定所述低照度图像中的各个像素点的颜色均值，根据所述颜色均值确定所述色度特征的步骤包括：
6.如权利要求1所述的方法，其特征在于，所述对所述亮度特征和所述色度特征分别进行局部方差计算，确定图像噪声分布，根据所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：
7.如权利要求6所述的方法，其特征在于，所述基于所述图像噪声分布将所述低照度图像进行分区，得到多个图像分区的步骤包括：
8.如权利要求1所述的...
【专利技术属性】
技术研发人员：郭锦炜，林丽玲，萧伟翠，罗勇峰，
申请(专利权)人：深圳腾信百纳科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。