[发明专利]一种图像降噪并增强图像的算法

说明书

技术领域

本发明涉及一种图像处理技术，特别涉及一种图像降噪并增强图像的算法。

背景技术

消费者日渐使用数码相机来捕获静态图像和视频数据。连接到主机系统的网络摄像头和数码相机也变得越来越普遍。此外，其它包含数字图像捕获能力的装置(例如配有摄像头的手机和个人数字助理(PDA))正席卷市场。

一般来说，这类数码相机的用户希望相机每次均能捕获到图像质量尽可能最佳的图像数据(静态和/或视频)。不论环境条件(例如，低亮度、背光等)、用户外观(例如，用户肤色、发色、服装色彩等)和其它各种各样的因素(例如，用户与相机的距离、用户正使用的应用程序的类型(比如即时消息传递)等)如何，均希望获得这种尽可能最佳的图像质量。

有些常用的数字图像捕获装置试图改进图像质量。然而，所用的方法中存在若干缺点。首先，若干常用的数字图像捕获装置允许用户预先改变各种控制(例如，闪光灯、焦距等)以改进图像质量。然而，在许多这类情况下，数字捕获装置不会显示出任何智能性，而只是实施用户的决定。第二，即使在数字图像捕获装置确实使用了某种智能性的情况下(例如，建议用户应使用闪光灯)，但每种特征/控制是单独使用的。然而，总体图像质量取决于这些各种特征/控制的组合，而不是取决于每种单独的特征/控制。例如，单独处理环境中的微光可能会导致噪声增加。常规的数字图像捕获装置并未考虑到这些特征的这种交互作用。相反，单独对待特定问题有时会导致总体图像质量恶化而不是改善总体图像质量。

此外，有些可用的数字图像捕获装置试图将这些控制中的一些控制作为一个群组来处理，但其使用静态算法来进行这种处理。举例来说，这类静态算法会查看当前图像的预览，并判断可以进行哪些动作(如果有的话)来改进当前图像。这类技术大多用于静态图像捕获，且因此其本身不会考虑为什么图像质量未达最佳标准和/或之后捕获的图像会看起来如何。

其它可用的算法会在已经捕获了图像数据之后才使用捕获后处理技术(例如改进先前捕获的图像数据的亮度、饱和度、对比度等)来改进图像质量。然而，这类技术本质上是有局限性的，因为在捕获时间因非最佳因素而丢失的信息无法逆向找回。相反，只能使用技巧性处理技术(例如，像素平均化)来以最吸引人的形式展现已经捕获的数据。

因此，需要一种智能动态相机图像质量引擎，其可将一组控制作为群组进行管理，且能够实时地捕获到质量尽可能最佳的图像数据。此外，将需要一种直观且方便的方法和系统，既用于允许用户控制各种特征，又能一直使用户获悉与图像质量有关的各种发展。

发明内容

视频监控系统是以数字视频处理技术为核心、综合利用光电传感器、计算机网络、自动控制和人工智能等多种技术于一体的一种新型监控系统，其特点在于保安人员无需实地巡逻，便可以通过监控系统传回的视频获得现场的实际情况，而较高的视频图像质量特别有利于监控人员及时发现监控现场的问题，及时处理，以保证人员和财产的安全。在图像采集过程中，可能因为采集设备性能的限制、传输中外部信号的干扰以及在显示阶段产生畸变等问题而对视频造成影响，从而也影响了监控质量，因此增强图像是迫切需要解决的问题。

目前，图像增强的方法有很多，图1所示的为一种常用的图像增强方法，其处理过程为，首先将整幅图像采集，并记录其坐标和灰度值；然后使用均值滤波算法对整幅图像进行降噪滤波，获取一幅降噪后的新图像；接着在降噪后的图像的基础上，使用拉普拉斯算子对图像进行增强，最后得到一幅增强后的图像。但该方法中存在如下问题：

1.均值滤波算法是利用噪声的统计特性，通过噪声对称分布的特点，使用周围的像素点相互叠加，从而使夹杂在图像中的噪声有效去除，均值滤波过程中虽然滤除了噪声，同时将周围像素的很多信息夹杂进了中心像素点，这样经过中值滤波后，大大增加了图像间像素点数据的相关性，使得图像越发趋于平滑，图像变得更加模糊；

2.拉普拉斯算子的增强算法是根据图像内像素间变化速度的情况来提取图像的信息，算法认为如果相邻像素点数据变化迅速，则这一变化说明像素点处于图像的边缘，通过对相邻像素数据差值的进一步加强，会使边缘更加锐利从而使图像得以增强，但传统的拉普拉斯算子的系数是固定的，无法对增强的力度加以控制；

3.另外两者在结合的过程中，本身均值滤波的目的是为了降低噪声，以保证后续图像增强的过程中不会使噪声被凸现出来，但由于均值滤波本身的缺陷，使得在降噪的同时，图像中像素之间产生叠加，容易丢失很多信息，图像也变得模糊不清，非常不利于后续增强，因此，往往图像增强后效果并