一种图像降噪方法技术

本申请提供一种图像降噪方法

【技术实现步骤摘要】
一种图像降噪方法、装置及电子设备


[0001]本申请涉及图像处理
，尤其涉及一种图像降噪方法
、
装置及电子设备
。

技术介绍

[0002]图像降噪是指减少数字图像中噪声的过程
。
数字图像在数字化和传输过程中常受到成像设备与外部环境等噪声干扰影响，使得图像数据中存在噪声干扰信息，例如，脉冲噪声
、
椒盐噪声等
。
为了抑制噪声，提高图像质量，可以采用图像降噪方法去除图像中的噪声，恢复图像的真实信号值
。
[0003]可以基于神经网络的图像降噪方法消除图像中的噪声，该方法具有较大的感受野，能够提取图像中的低频信息，再利用这些低频信息对图像的降噪过程进行指导，该方法能够对图像在语义上进行分割
(
例如物体识别，运动检测等
)
，有效去除图像中的低频噪声
。
但是，由于神经网络的处理需要大量的参数，此类参数需要存放在内存中，并且由于其需要较大的感受野，大量的图像数据也必须存放在内存中，存储单元的上升会增大硬件成本，还会限制神经网络处理能力
。
还可以基于滤波器的图像降噪方法进行图像降噪，该方法利用的硬件资源较少，能够有效的去除图像中的高频噪声
。
但无法有效去除图像中的低频噪声，也无法对图形做出较好的语义分割，降低图像质量
。

技术实现思路

[0004]本申请提供了一种图像降噪方法
、
装置及电子设备，以解决图像降噪的硬件资源高的问题
。
[0005]第一方面，本申请提供一种图像降噪方法，包括：
[0006]获取待降噪图像；
[0007]将所述待降噪图像分解成高频图像和低频图像；
[0008]基于预置滤波器对所述高频图像进行高频降噪处理，生成高频降噪图像；
[0009]基于预置降噪模型对所述低频图像进行低频降噪处理，生成低频降噪图像，所述降噪模型为根据样本图像训练获得的神经网络模型；
[0010]融合所述高频降噪图像和所述低频降噪图像，得到降噪结果图像
。
[0011]在可选的实施方式中，将所述待降噪图像分解成高频图像和低频图像的步骤，包括：
[0012]基于低通滤波器滤除所述待降噪图像中的高频部分，得到低频图像，所述低频图像包括所述待降噪图像中的粗粒度信息，所述高频部分为所述待降噪图像中频率大于第一频率阈值的图像信号；
[0013]对所述待降噪图像和所述低频图像执行差分运算，得到高频图像，所述高频图像包括所述待降噪图像中的细粒度信息
。
[0014]在可选的实施方式中，将所述待降噪图像分解成高频图像和低频图像的步骤，包括：
[0015]基于高通滤波器滤除所述待降噪图像中的低频部分，得到高频图像，所述低频部分为所述待降噪图像中频率小于第一频率阈值的图像信号；
[0016]对所述待降噪图像和所述高频图像执行差分运算，得到低频图像
。
[0017]在可选的实施方式中，基于滤波器对所述高频图像进行高频降噪处理的步骤，包括：
[0018]将所述高频图像输入预置滤波器中，所述滤波器用于滤除所述高频图像中频率大于第二频率阈值的高频噪声；
[0019]获取所述滤波器输出的高频降噪图像
。
[0020]在可选的实施方式中，基于预置降噪模型对所述低频图像进行低频降噪处理的步骤，包括：
[0021]将所述低频图像输入预置降噪模型中，所述降噪模型用于滤除所述低频图像中频率小于第三频率阈值的低频噪声；
[0022]获取所述降噪模型输出的低频降噪图像
。
[0023]在可选的实施方式中，所述方法还包括：按照预设倍率缩小所述低频图像，生成低频缩小图像；
[0024]基于预置降噪模型对所述低频缩小图像进行低频降噪处理，生成低频缩小降噪图像；
[0025]按照预设倍率放大所述低频缩小降噪图像，生成所述低频降噪图像
。
[0026]在可选的实施方式中，融合所述高频降噪图像和所述低频降噪图像的步骤，包括：
[0027]将所述高频降噪图像和所述低频降噪图像执行图像加法运算，得到所述降噪结果图像
。
[0028]第二方面，本申请提供一种图像降噪装置，包括图像获取模块
、
图像分频模块
、
滤波降噪模块
、
模型降噪模块和图像融合模块，其中：
[0029]图像获取模块，用于获取待降噪图像；
[0030]图像分频模块，用于将所述待降噪图像分解成高频图像和低频图像；
[0031]滤波降噪模块，用于基于预置滤波器对所述高频图像进行高频降噪处理，生成高频降噪图像；
[0032]模型降噪模块，用于基于预置降噪模型对所述低频图像进行低频降噪处理，生成低频降噪图像，所述降噪模型为根据样本图像训练获得的神经网络模型；
[0033]图像融合模块，用于融合所述高频降噪图像和所述低频降噪图像，得到所述降噪结果图像
。
[0034]在可选的实施方式中，所述图像降噪装置还包括图像下采样模块和图像上采样模块
。
其中：
[0035]图像下采样模块，用于按照预设倍率缩小所述低频图像，生成低频缩小图像；
[0036]模型降噪模块，还用于基于预置降噪模型对所述低频缩小图像进行低频降噪处理，生成低频缩小降噪图像；
[0037]图像上采样模块，用于按照预设倍率放大所述低频缩小降噪图像，生成所述低频降噪图像
。
[0038]第三方面，本申请提供一种电子设备，包括：处理器
、
存储器和总线
。
所述处理器和
所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的计算机程序指令，所述处理器被配置为：
[0039]获取待降噪图像；
[0040]将所述待降噪图像分解成高频图像和低频图像；
[0041]基于预置滤波器对所述高频图像进行高频降噪处理，生成高频降噪图像；
[0042]基于预置降噪模型对所述低频图像进行低频降噪处理，生成低频降噪图像，所述降噪模型为根据样本图像训练获得的神经网络模型；
[0043]融合所述高频降噪图像和所述低频降噪图像，得到降噪结果图像
。
[0044]由以上技术方案可知，本申请提供一种图像降噪方法
、
装置及电子设备，所述方法可以在获取到待降噪图像之后，将待降噪图像分解成高频图像和低频图像
。
基于预置滤波器对高频图像进行高频降噪处理，生成高频降噪图像，基于预置降噪模型对低频图像进行低频降噪处理，生成低频降噪图像，其中，降噪模型为根据样本图像训练获得的神经网络模型
。
融合高频降噪图像和低频降噪图像，得到降噪结果图像
。...

【技术保护点】

【技术特征摘要】
1.
一种图像降噪方法，其特征在于，包括：获取待降噪图像；将所述待降噪图像分解成高频图像和低频图像；基于预置滤波器对所述高频图像进行高频降噪处理，生成高频降噪图像；基于预置降噪模型对所述低频图像进行低频降噪处理，生成低频降噪图像，所述降噪模型为根据样本图像训练获得的神经网络模型；融合所述高频降噪图像和所述低频降噪图像，得到降噪结果图像
。2.
根据权利要求1所述的图像降噪方法，其特征在于，将所述待降噪图像分解成高频图像和低频图像的步骤，包括：基于低通滤波器滤除所述待降噪图像中的高频部分，得到低频图像，所述低频图像包括所述待降噪图像中的粗粒度信息，所述高频部分为所述待降噪图像中频率大于第一频率阈值的图像信号；对所述待降噪图像和所述低频图像执行差分运算，得到高频图像，所述高频图像包括所述待降噪图像中的细粒度信息
。3.
根据权利要求1所述的图像降噪方法，其特征在于，将所述待降噪图像分解成高频图像和低频图像的步骤，包括：基于高通滤波器滤除所述待降噪图像中的低频部分，得到高频图像，所述低频部分为所述待降噪图像中频率小于第一频率阈值的图像信号；对所述待降噪图像和所述高频图像执行差分运算，得到低频图像
。4.
根据权利要求1所述的图像降噪方法，其特征在于，基于滤波器对所述高频图像进行高频降噪处理的步骤，包括：将所述高频图像输入预置滤波器中，所述滤波器用于滤除所述高频图像中频率大于第二频率阈值的高频噪声；获取所述滤波器输出的高频降噪图像
。5.
根据权利要求1所述的图像降噪方法，其特征在于，基于预置降噪模型对所述低频图像进行低频降噪处理的步骤，包括：将所述低频图像输入预置降噪模型中，所述降噪模型用于滤除所述低频图像中频率小于第三频率阈值的低频噪声；获取所述降噪模型输出的低频降噪图像
。6.
根据权利要求1所述的图像降噪方法，其特征在于，所述方法还包括：按照预设倍率缩小所述低频图像，生成低频缩小图像；基于预置降噪模型对所述低频缩小图像进行低频降噪处理，生成低频缩小降噪图像；按照预设倍率放大所述低频缩小降噪图像，生成所述低频降噪图像
。7.
根据权利要求1所述的图像降噪方法，其特征在于，融合所述高频降噪图像和所述低频降噪图像的步骤，包括：将所述高频...

【专利技术属性】
技术研发人员：周杰旻，
申请(专利权)人：爱芯元智半导体上海有限公司，
类型：发明
国别省市：