基于相位相关的低照度图像去噪方法技术

本发明专利技术公开了一种基于相位相关的低照度图像去噪方法，包括以下几个步骤：提取图像边缘信息：对每一帧图像进行边缘滤波，提取图像的有效边缘信息；边缘图相位相关：相邻两帧图像进行边缘滤波，滤波之后的两帧图像进行相位相关运算，得到两帧图像的位移量；多帧图像相关约束：对配准之后的多帧图像进行同源信号约束以及全局相关约束，构建互相关方程；求解互相关方程：根据互相关最大化优化方程以及梯度最大化方程求解互相关方程，并保留当前帧的解，带入下一帧的互相关方程中实现去噪图像的迭代更新。本发明专利技术能够在兼顾计算速度和算法稳定性的同时，在低照度场景下有效的去除低照度图像的各类噪声，还原真实场景，使场景清晰，细节得到增强。节得到增强。节得到增强。

【技术实现步骤摘要】
基于相位相关的低照度图像去噪方法


[0001]本专利技术属于图像去噪及增强
，具体为一种基于相位相关的低照度图像去噪方法。

技术介绍

[0002]噪声是图像干扰的重要原因。尤其是在低照度场景下，采集相机会有许多类型的噪声干扰图像质量。这些噪声可能在传输中产生,也可能在量化等处理中产生。这些噪声有加性噪声，成性噪声等等。图像去噪常用的方法有：
[0003](1)基于滤波的方法：滤波大致可分为空域滤波、时域滤波和变换域滤波。中值滤波和均值滤波都是最常见的空域滤波器，其基本原理是用滤波窗口的中值或者均值来代替，可以消除孤立的噪声点；经典的时域滤波通过多帧的时间相关性噪声的抑制；变换域滤波是将空域转换到频率域，再使用频域滤波器来去除噪声的方法。
[0004](2)基于模型的方法：基于模型的方法是将拍摄的图像与噪声的分布分别进行建模，利用模型分布进行先验，从而获得清晰图像和优化算法。比较成功的图像先验模型有：非局部自相似(NSS)模型，稀疏模型，梯度模型和马尔可夫随机场(MRF)模型。它们拥有出色的去噪能力，但这些方法的计算量都比较大，部分参数人工选择较为困难等问题
[0005](3)基于学习的方法：基于学习的方法侧重于学习有噪声图像到干净图像的潜在映射，可以分为传统的基于学习的方法和基于深度网络的学习方法。近年来，由于基于深度网络的方法比基于滤波、基于模型和传统的基于学习的方法获得了更有前景的去噪结果，它们已成为主流方法。
[0006]图像去噪的其他方法，比如同一图像中可以表征为许多相似块的图像块集合，可以运用基于块匹配的BM3D算法，但是这类算法计算过于复杂，且无法适应更强噪声的图像或者参数设置不当出现扭曲的问题。
[0007]综上所述，现有技术存在的问题可以总结为：去噪效果差；边缘模糊；计算量复杂；参数过多等问题。

技术实现思路

[0008]本专利技术的目的在于提供一种基于相位相关的低照度图像去噪方法，能够兼顾噪声图像的去噪效果和计算的复杂度，在低照度强噪声场景下快速去噪，恢复图像损失的细节并对细节增强。
[0009]实现本专利技术目的的技术方案为：一种基于相位相关的低照度图像去噪方法，包括如下步骤：
[0010](10)提取图像边缘信息：对每一帧图像进行边缘滤波，提取图像的有效边缘信息；
[0011](20)边缘图相位相关：对相邻两帧边缘图像进行相位相关运算，计算图像序列的配准点；
[0012](30)多帧图像相关约束分析：对配准之后的多帧图像进行同源信号约束以及全局
相关约束，构建互相关方程；
[0013](40)求解互相关方程，对噪声图像进行迭代更新：根据互相关最大化优化方程以及梯度最大化方程求解互相关方程，并保留当前帧的解，带入下一帧的互相关方程中实现去噪图像的迭代更新。
[0014]优选地，所述步骤(10)提取图像边缘信息的具体步骤为：
[0015](11)方向滤波：
[0016]对输入的原始图像分别在0
°
、45
°
、90
°
、135
°
四个方向进行方向滤波，得到四个方向的方向滤波图I0、I
45
、I
90
、I
135
；
[0017](12)计算边缘图像：
[0018]根据四个方向的方向滤波图，计算边缘图像，所述边缘图像具体表示为：
[0019]I
s
＝(|I0|+|I
45
|+|I
90
|+|I
135
|)/4
[0020](13)阈值分割：
[0021]将边缘图像I
s
与全局二值化阈值Th作比较，将边缘图像I
s
中小于Th的像素归0。
[0022]优选地，所述步骤(20)边缘图像相位相关，计算配准点的具体步骤包括：
[0023](21)图像空域平移：
[0024]相邻两帧边缘图像分别为f2(x,y),f1(x,y)，且f2(x,y)由f1(x,y)平移(dx,dy)得到，即满足如下关系式：
[0025]f2(x,y)＝f1(x
‑
dx,y
‑
dy)
[0026](22)空域转换到频域：
[0027]将两帧边缘图像反映到频域，具体为：
[0028]F2(u,v)＝F1(u,v)*e
‑
i*2π*(u*dx+v*dy)
[0029]其中，F2(u,v)为边缘图像f2(x,y)的频域图像，F1(u,v)为边缘图像f1(x,y)的频域图像；
[0030](23)计算互功率谱得到配准点：
[0031]将图像的频域形式左边除以右边,得到互功率谱,其形式为:
[0032][0033]通过求取互功率谱的傅立叶反变换,得到一个狄拉克函数,再寻找函数峰值点对应的坐标,即可得到所要求得的配准点；
[0034](24)配准点全局信号时间相关联：
[0035]根据步骤(23)得到的配准点实现相邻两帧之间的配准，则图像序列表征为：
[0036]I(t)＝I(t
’
)
[0037]式中，I表示图像序列，t表示时间，t
’
表示不同时间。
[0038]优选地，步骤(30)对配准之后的多帧图像进行全局相关约束，构建互相关方程步骤包括：
[0039](31)构建同源信号约束方程关联边缘信号
[0040]在低照度场景下，有效的信号是淹没在噪声中，即：
[0041]I＝S+N
[0042]I为图像，S为场景信号，场景信号具体为步骤(12)求出来的边缘信号，N为噪声；
[0043]在空间分布上低照度图像表征为：
[0044]I(x,y)＝S(x
s
,y
s
)+N(x,y)
[0045]I(x,y)表示一张低照度图像的空间分布，(x
s
,y
s
)表示边缘信号的空间分布，N(x,y)表示噪声的空间分布；
[0046]根据步骤(24)得到的图像序列中全局信号的时间分布，确定边缘信号的同源信号约束方程：
[0047]S(x
s
,y
s
,t)＝S(x
s
,y
s
,t
’
)
[0048]噪声在时间相关性表示为：
[0049]N(x,y,t)＝N(x
’
,y
’
,t
’
)
[0050](32)构建全局关联约束方程求解像素真实坐标
[0051]根据步骤(31)得到的边缘信号的同源信号约束方程，根据相关性构建边缘信号的全局信号约束方程：
[0052][0053]Proj将有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相位相关的低照度图像去噪方法，其特征在于，包括如下步骤：(10)提取图像边缘信息：对每一帧图像进行边缘滤波，提取图像的有效边缘信息；(20)边缘图相位相关：对相邻两帧边缘图像进行相位相关运算，计算图像序列的配准点；(30)多帧图像相关约束分析：对配准之后的多帧图像进行同源信号约束以及全局相关约束，构建互相关方程；(40)求解互相关方程，对噪声图像进行迭代更新：根据互相关最大化优化方程以及梯度最大化方程求解互相关方程，并保留当前帧的解，带入下一帧的互相关方程中实现去噪图像的迭代更新。2.根据权利1要求所述的基于相位相关的低照度图像去噪方法，其特征在于，所述步骤(10)提取图像边缘信息的具体步骤为：(11)方向滤波：对输入的原始图像分别在0
°
、45
°
、90
°
、135
°
四个方向进行方向滤波，得到四个方向的方向滤波图I0、I
45
、I
90
、I
135
；(12)计算边缘图像：根据四个方向的方向滤波图，计算边缘图像，所述边缘图像具体表示为：I
s
＝(|I0|+|I
45
|+|I
90
|+|I
135
|)/4(13)阈值分割：将边缘图像I
s
与全局二值化阈值Th作比较，将边缘图像I
s
中小于Th的像素归0。3.根据权利要求1所述的基于相位相关的低照度图像去噪方法，其特征在于，所述步骤(20)边缘图像相位相关，计算配准点的具体步骤包括：(21)图像空域平移：相邻两帧边缘图像分别为f2(x，y)，f1(x，y)，且f2(x，y)由f1(x，y)平移(dx，dy)得到，即满足如下关系式：f2(x，y)＝f1(x
‑
dx，y
‑
dy)(22)空域转换到频域：将两帧边缘图像反映到频域，具体为：F2(u，v)＝F1(u，v)*e
‑
i*2π*(u*dx+v*dy)
其中，F2(u，v)为边缘图像f2(x，y)的频域图像，F1(u，v)为边缘图像f1(x，y)的频域图像；(23)计算互功率谱得到配准点：将图像的频域形式左边除以右边，得到互功率谱，其形式为：通过求取互功率谱的傅立叶反变换，得到一个狄拉克函数，再寻找函数峰值点对应的坐标，即可得到所要求得的配准点；(24)配准点全局信号时间相关联：根据步骤(23)得到的配准点实现相邻两帧之间的配准，则图像序列表征为：I(t)＝I(t
’
)
式中，I表示图像序列，t表示时间，t
’
表示不同时间。4.根据权利要求3所述的基于相位相关的低照度图像去噪方法，其特征在于，步骤(30)对配准...

【专利技术属性】
技术研发人员：钱惟贤，徐盈晖，陈钱，朱世豪，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：