System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理领域,涉及图像去噪技术,具体是一种适用于极弱光成像环境下的图像去噪方法。
技术介绍
1、在极弱光成像环境下,由于光线不足,通常的图像去噪方法往往无法取得理想的效果。此时,图像往往存在噪声大、对比度低、清晰度差等问题,给后续的图像分析和处理带来很大的困难。
2、为此,提出一种适用于极弱光成像环境下的图像去噪方法。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此,本专利技术提出一种适用于极弱光成像环境下的图像去噪方法,该一种适用于极弱光成像环境下的图像去噪方法解决了在极弱光成像环境下图像去噪效果较差的问题。
2、为实现上述目的,根据本专利技术的第一方面的实施例提出一种适用于极弱光成像环境下的图像去噪方法,包括以下步骤:
3、步骤一:通过控制系统将目标图像根据分割规则分割为若干个子图像;
4、步骤二:通过控制系统获取子目标图像;
5、步骤三:通过控制系统对所述子目标图像进行去噪处理;
6、步骤四:通过控制系统将所述子目标图像和所述子图像进行重新组合,获取去噪后的目标图像。
7、优选地,所述控制系统包括处理器、图像分割模块、图像检测模块、图像去噪模块以及图像拼接模块;
8、所述处理器与所述图像分割模块、所述图像检测模块、所述图像去噪模块以及所述图像拼接模块通信连接;
9、所述图像分割模块与所述图像检测模块通信连接;
10、
11、所述图像去噪模块与所述图像拼接模块通信连接。
12、优选地,所述图像分割模块用于根据分割规则将目标图像分割成若干个子图像,包括以下步骤:
13、所述图像分割模块获取目标图像p;
14、将所述目标图像p进行均等分割,获取n个子图像pn;其中,n为所述子图像的编号,n的取值为1,2,3……n;
15、图像分割结束后,所述图像分割模块生成图像分割完毕信号,并将所述图像分割完毕信号发送至所述图像检测模块。
16、优选地,在所述目标图像中插入直角坐标系;
17、根据所述直角坐标系获取所述子图像的位置坐标。
18、优选地,所述图像检测模块用于根据所述子图像和图像检测模型获取子目标图像,包括以下步骤:
19、所述图像检测模块接收所述图像分割完毕信号后,获取所述子图像pn,以及获取噪点检测模型;其中,所述噪点检测模型基于人工智能模型建立;
20、将所述子图像输入至所述噪点检测模型中,获取噪点标签;其中,所述噪点标签包括有噪点和无噪点;
21、对所述噪点标签进行识别,获取所述噪点标签为有噪点的总数m;
22、当m≥2n/3时,所述图像检测模块将所述图像分割模块中的n更新为n′;其中,n′=2n;
23、并发送重新分割信号至所述图像分割模块;
24、所述图像分割模块接收所述重新分割信号后,重新对所述目标图像进行分割,直至m<2n/3;
25、当m<2n/3时,所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像,并生成图像去噪信号至所述图像去噪模块。
26、优选的,所述目标图像被分割三次后,m≥2n/3,停止分割,所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像,并生成图像去噪信号至所述图像去噪模块。
27、优选地,所述噪点检测模型基于人工智能模型建立,包括以下步骤:
28、从图像检测模块获取标准训练数据;
29、通过标准训练数据对人工智能模型进行训练,将训练完成的人工智能模型标记为噪点检测模型;
30、人工智能模型包括深度卷积神经网络模型和rbf神经网络模型。
31、优选地,所述图像去噪模块用于接收所述图像去噪信号后,对所述子目标图像进行去噪处理,获取去噪完成后的所述子目标图像pn′;
32、以及去噪完成后,所述图像去噪模块生成去噪完毕信号并发送至所述图像拼接模块。
33、优选地,图像去噪处理方法包括:均值滤波、中值滤波、高斯滤波、p-m方程去噪以及tv法去噪。
34、优选地,所述图像拼接模块用于接收所述去噪完毕信号后,将所述子目标图像pn′和所述子图像根据位置坐标进行重新组合,获取去噪后的目标图像p′。
35、与现有技术相比,本专利技术的有益效果是:
36、本专利技术通过图像分割模块获取目标图像;将目标图像进行均等分割,获取n个子图像;图像检测模块根据所述子图像和图像检测模型获取子目标图像;图像去噪模块对子目标图像进行去噪处理,获取去噪完成后的子目标图像;图像拼接模块将子目标图像和子图像根据位置坐标进行重新组合,获取去噪后的目标图像;针对每个区域分别进行去噪处理,减少了噪声对整个图像的干扰;提高了图像的清晰度和质量。
本文档来自技高网...【技术保护点】
1.一种适用于极弱光成像环境下的图像去噪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述控制系统包括处理器、图像分割模块、图像检测模块、图像去噪模块以及图像拼接模块;
3.根据权利要求2所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像分割模块用于根据分割规则将目标图像分割成若干个子图像,包括以下步骤:
4.根据权利要求3所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,在所述目标图像中插入直角坐标系;
5.根据权利要求3所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像检测模块用于根据所述子图像和图像检测模型获取子目标图像,包括以下步骤:
6.根据权利要求5所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述目标图像被分割三次后,M≥2N/3,停止分割,所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像,并生成图像去噪信号至所述图像去噪模块。
7.根据权利要求5所述的一种
8.根据权利要求5所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像去噪模块用于接收所述图像去噪信号后,对所述子目标图像进行去噪处理,获取去噪完成后的所述子目标图像pn′;
9.根据权利要求8所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,图像去噪处理方法包括:均值滤波、中值滤波、高斯滤波、P-M方程去噪以及TV法去噪。
10.根据权利要求8所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像拼接模块用于接收所述去噪完毕信号后,将所述子目标图像pn′和所述子图像根据位置坐标进行重新组合,获取去噪后的目标图像P′。
...【技术特征摘要】
1.一种适用于极弱光成像环境下的图像去噪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述控制系统包括处理器、图像分割模块、图像检测模块、图像去噪模块以及图像拼接模块;
3.根据权利要求2所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像分割模块用于根据分割规则将目标图像分割成若干个子图像,包括以下步骤:
4.根据权利要求3所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,在所述目标图像中插入直角坐标系;
5.根据权利要求3所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述图像检测模块用于根据所述子图像和图像检测模型获取子目标图像,包括以下步骤:
6.根据权利要求5所述的一种适用于极弱光成像环境下的图像去噪方法,其特征在于,所述目标图像被分割三次后,m≥2n/3,停止分割,...
【专利技术属性】
技术研发人员:纪明伟,
申请(专利权)人:合肥高晶光电科技有限公司,
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。