[发明专利]基于拜耳模式的图像内相关噪声估计方法

说明书

本发明属于计算机视觉领域，为提供更为精确的噪声估计的方法，为此，本发明采用的技术方案是，基于拜耳模式的图像内相关噪声估计方法，步骤如下：1)建立噪声模型：2)对噪声图像进行下采样；3)对四副子图进行初步去噪；4)估计每副子图的噪声方差图：41)为去除RGB通道之间的相关性；42)搜索相似块；43)估计噪声方差；44)聚合估计方差；45)恢复整副图的方差图。本发明主要应用于计算机视觉场合。

技术领域

本发明属于计算机视觉领域。涉及实际图像去噪过程中噪声估计的方法，具体讲，通过基于Bayer(拜耳)模式下采样的方法分别估计四副子图的噪声方差图，进而上采样恢复整图实际图像的噪声方差图。

背景技术

噪声估计和图像去噪作为数字图像领域的一个基础问题，对很多图像处理算法的研究都具有重要作用。自从数字图像诞生，有关图像噪声的研究就开始了。而大部分的去噪算法都是在假设已经获知噪声类型和噪声水平的基础上进行的，这个必然需要先进行噪声估计。

在大部分的噪声估计算法中，噪声都通常被假设为加性高斯白噪声，并且是跟图像内容和空间分布是无关的。然而这种简单的高斯白噪声模型并不适用于由复杂的实际成像系统(单反相机、智能手机等)在拍摄过程中产生的信号相关噪声。

噪声模型可以分为三种类型：点模型、线模型和图模型。点模型主要是指针对于高斯白噪声而设计的传统噪声估计方法，用一单一方差表示图像噪声水平，并不适用于各种复杂噪声混合在一起的情况；线模型用NLF(噪声水平函数)曲线描述噪声水平与信号强度之间的映射关系；图模型认为图像噪声水平不仅与图像像素值有关，而且与像素周围内容有关，用噪声方差图对应噪声图像中每一个像素点的噪声水平。

目前主要有两种较好的噪声估计方法：一种是噪声水平函数(NLF)的估计，通过建立一个过完备字典，选取光滑图像块的方差作为样本，并利用稀疏表示的方法估计出图像的噪声水平函数。另一种是噪声方差图的估计，基于采用数据驱动的方式，采用MLP(多层感知机)学习噪声图像和噪声方差图之间的映射关系。

但是据查，这两种方法能够取得较好的结果，但是对于一些纹理丰富的图像，这两种方法的鲁棒性都不好。

发明内容

为克服现有技术的不足，本发明的目旨在提供更为精确的噪声估计的方法，为此，本发明采用的技术方案是，基于拜耳模式的图像内相关噪声估计方法，步骤如下：

1)建立噪声模型：

建立噪声模型为噪声方差图，即每个像素点都对应一个噪声水平，方程(1)中，(x,y)为当前像素的坐标，∑(x,y)是当前像素位置对应的方差矩阵。分别为该像素位置在YUV通道的噪声方差；

2)对噪声图像进行下采样：依照Bayer模式对图像进行下采样，得到四副子图{I₁,I₂,I₃,I₄}，用I_i(i＝1,2,3,4)表示其中一幅子图；

3)对四副子图进行初步去噪：采用彩色3维块匹配CBM3D算法分别对四副子图去噪，得到它们的去噪图像用表示其中一幅去噪图像，i＝1,2,3,4，该算法包含一个噪声水平参数σ，按照相机拍摄时采用的ISO值来确定，其计算公式为：

采用CBM3D(彩色3维块匹配)算法对四副子图进行去噪时，参数σ的值是固定的，并且由公式(2)计算出的σ通常要比噪声图像的实际噪声水平要大,从而彻底滤出噪声；

4)估计每副子图的噪声方差图

41)为去除RGB通道之间的相关性，分别将子图I_i和去噪子图从RGB空间变换到YUV空间，变换公式为：