一种用于矿山井筒环境下的视频图像盲去噪方法技术

本发明专利技术涉及一种用于矿井环境下的视频图像盲去噪方法，包括：选取与待去噪视频图像前后相邻的若干图像帧，在每一图像帧中寻找具有典型特征的图像块群，通过在前一帧图像中查找和该图像块群具有最小差异度的块群来确定帧间的精确位移；将待去噪视频图像划分成若干图像块，根据帧间的精确位移快速构建每个图像块的自相似序列集；将自相似序列集对应的二维图像块组合成三维矩阵并进行三维变换，并对变换系数进行自适应阈值滤波；对三维逆变换后的三维矩阵聚合生成去噪图像。本发明专利技术在提高算法执行效率的同时，与现有的图像去噪方法相比较，所得去噪图像具有较好的信噪比和视觉效果。

A blind video image denoising method for mine shaft environment

【技术实现步骤摘要】
一种用于矿山井筒环境下的视频图像盲去噪方法
本专利技术涉及矿山井安筒全和数字图像处理
，尤其涉及一种用于矿山井筒环境下的视频图像盲去噪方法。
技术介绍
随着图像处理技术的发展，对所采集的矿山井筒设施视频图像进行拼接、识别，快速、准确地判断设备是否存在故障引起了重视，然而在复杂的提升井筒环境中，在高速运动的罐笼上，借助摄像技术采集的设施视频图像中包含较多的噪声，从而影响后继井筒设施故障自动分析与识别的精度。对噪声图像进行去噪是数字图像处理和计算机视觉领域中的一个基本而关键的问题。具体而言，噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块，图像去噪是指减少数字图像中的噪声的过程。近年来，许多研究人员对图像去噪算法进行了大量的研究，目前图像去噪方法主要有基于深度学习的图像去噪方法和传统图像去噪方法两大类。随着大数据技术和计算机硬件的发展，基于深度学习的图像去噪方法成为了图像去噪领域研究的热点，但该类方法在训练图像去噪模型时，训练集需要大量的噪声图像和对应的干净图像作为样本对，在难以获得干净图像或者缺少训练集的情况下，基于深度学习本文档来自技高网...

【技术保护点】
1.一种用于矿山井筒环境下的视频图像盲去噪方法，其特征在于，包括以下步骤：/n步骤1，在待去噪图像上寻找n个典型特征图像块，并根据块群结构构建典型特征块群；/n步骤2，利用步骤1所获得的典型特征块群计算视频帧间精确位移；/n步骤3，根据步骤2中计算得到的帧间精确位移，对噪声图像帧中的每个图像块构建自相似序列集；/n步骤4，对噪声图像的噪声水平进行估计，并在此基础上计算三维变换系数的自适应阈值；/n步骤5，根据步骤3所得的相似序列集，使用基于自适应阈值的三维变换和三维逆变换对自相似序列集进行滤波获得对应得三维图像块矩阵，并对三维图像块矩阵进行加权融和，获得最终的去噪图像。/n

【技术特征摘要】
1.一种用于矿山井筒环境下的视频图像盲去噪方法，其特征在于，包括以下步骤：
步骤1，在待去噪图像上寻找n个典型特征图像块，并根据块群结构构建典型特征块群；
步骤2，利用步骤1所获得的典型特征块群计算视频帧间精确位移；
步骤3，根据步骤2中计算得到的帧间精确位移，对噪声图像帧中的每个图像块构建自相似序列集；
步骤4，对噪声图像的噪声水平进行估计，并在此基础上计算三维变换系数的自适应阈值；
步骤5，根据步骤3所得的相似序列集，使用基于自适应阈值的三维变换和三维逆变换对自相似序列集进行滤波获得对应得三维图像块矩阵，并对三维图像块矩阵进行加权融和，获得最终的去噪图像。


2.根据权利要求1所述一种用于矿山井筒环境下的视频图像盲去噪方法，其特征在于：步骤1的实现方式为，
对给定大小的图像块，搜索图像块的均方差大于给定阈值的n个图像块为典型特征块，根据预定义的块群结构，构建n个典型特征块群；
设t时刻的待去噪的视频图像为ut，前一帧视频图像为ut-1，确定视频图像帧ut和ut-1的帧间位移时，图像ut中的每个图像块大小为N2×N2，对视频图像帧ut中左上角坐标位于x处的待判别的图像块进行归一化，生成图像块的均值和均方差为：









其中Ωx为图像块中所有像素的坐标集合，k'为图像块中的元素坐标，k'∈Ωx，给定阈值Ts，待判别图像块满足时被判别为典型特征图像块，在视频图像ut中寻找n个典型特征图像块时停止；
以每一个典型特征块为中心，根据块群结构将与其直接相邻并大小相同的邻域图像块一起作为特征块群。


3.根据权利要求2所述一种用于矿山井筒环境下的视频图像盲去噪方法，其特征在于：步骤2的实现方式为，
通过在前一帧视频图像ut-1中搜索和当前图像帧ut的典型特征块群具有最小差异度的块群定位帧间精确位移，所得精确位移记为
设视频图像帧ut中包含N1×N1个像素的参考图像块和第k时刻的视频图像帧uk中的图像块之间的差异度为：



其中，下标xR为参考图像块的左上角像素在ut中的二维坐标，下标x为图像块的左上角像素在uk中的二维坐标；为二维欧式距离；T2D为二维离散余弦DCT变换；则和被判别为相似图像块，Tm是指给定的差异度阈值；
设搜索到的第1个典型特征图像块的左上角像素坐标为x10，根据初始给定的帧间位移估计Δini，映射到前一视频图像帧ut-1中的坐标为x10+Δini；在视频帧ut-1中，以坐标x10+Δini为中心，在宽度为2Δini的正方形邻域内，搜索与n个典型特征图像块群具有最小差异度的图像块群，确定帧间的精确位移为：






其中xij为第i个特征块群中序号为j的图像块的左上角像素坐标；n为图像中典型特征图像块群的个数；m为每个块群中图像块的个数；wij为第i个特征块群中的序号为j的图像块的距离权重，对于每个块群i，其典型特征图像块的块距离di...

【专利技术属性】
技术研发人员：邢远秀，李军贤，龚谊承，王文波，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42