[发明专利]一种基于sCMOS相机的随机噪声自适应检测与校正方法

说明书

一种基于sCMOS相机的随机噪声自适应检测与校正方法，属于图像传感器和信号处理领域。解决了随机噪声对sCMOS相机的图像造成的有效信息破坏问题。本发明依据sCMOS相机的高帧率特性，通过同一静态下，多幅连拍图像问相互参照的方法，来实现随机噪声的检测。通过检测所得结果，利用统计学原理与简单中值滤波器相结合的方法，仅对检测出的噪声点进行校正。本发明可以可快速、便捷地实现对sCMOS相机的静态图像随机噪声的自适应检测与校正，在科研相机领域具有很好的使用价值。

技术领域

本发明属于图像传感器和信号处理领域，具体涉及基于sCMOS相机中的一种提高图像质量的随机噪声的检测与校正算法的实现。

背景技术

sCMOS相机是一款集输出噪声低、灵敏度高、高分辨率和高帧频等众多优点为一体的科学级相机，在医学图像诊断、显微成像、天文观测和高清智能监控等领域都有着重要的作用^[1-3]。它的高性能决定了它将应用于一些对图像质量要求极高的领域，虽然这款相机的噪声很低，但是当图像在摄取，传输和变换的过程中，由于内部和外部等因素(如：器材材料本身限制、电磁波干扰、环境温度等)的存在，图像噪声仍不可忽视，这就对图像的质量以及图像中有效成分的获取产生了影响^[4，5]。在众多图像噪声中，随机噪声作为最常见的噪声类型之一，由于其没有固定的规律，又具有很强的随机性，并且在信号中普遍存在，所以，随机噪声的滤除问题一直都是科学工作者研究的热点问题^[6-20]。

对于随机噪声的研究，国内外研究学者在噪声的检测与校正方法上进行了不断地改进。经典滤波算法中，多幅图像叠加求平均^[6，7]是去除随机噪声的典型方法，由于随机噪声在多幅图像同一点出现的概率极低，经过上百幅图像平均之后，随机噪声的灰度值便会被弱化，从而达到校正效果，但是这种方法需要高帧率相机，连续拍摄大量的图像，处理速度会受到限制。邻域平均法^[8]虽然算法简单且处理速度快，但其不足是处理后的图像边缘会不完整且变得模糊，图像细节不能很好地保留。Buades^[9]等人提出的非局部均值滤波算法，保留了图像细节，但只适用于含有高斯噪声的图像。中值滤波^[10-13]是去除随机噪声的代表性方法之一，它采用排序统计理论，以目标像素的周围8个像素中排序居中的值来代替原像素，能有效抑制噪声的非线性信号处理技术，该算法适用于孤立的噪声点的消除，使周围的像素值接近的真实值。基于中值滤波的简单性和有效性，Liu Yang等人^[14，15]提出了很多改进方法，例如相关加权中值滤波、二维多级中值滤波等，让滤波取值更加合理，但同时说明该算法需要对检测结果有较高要求。Turkmen等人^[11，12]在噪声检测阶段通过设置噪声阈值的方法，对筛选出的噪声点进行中值滤波，达到了较好的校正效果，但对噪声阈值的选取依据并未出现统一标准。

由于随机噪声与正常像素的灰度值差别不是很大，以至人眼无法辨别图像中随机噪声的真实分布，所以为了让噪声检测与校正效果可观，便在无噪声标准图像中添加模拟的随机噪声，来验证检测与校正算法的好坏。文献^[16，17]加入的是典型的随机噪声(如：高斯噪声、椒盐噪声等)，文献^[11-13]与文献^[18，20]加入的是不同密度的随机噪声，两类噪声都在灰度分布上遵循一定的规律，他们的校正算法都能适用于不同的噪声密度，而且校正效果比较理想。但是，对于相机产生的随机噪声来说，无论是噪声类型还是密度大小，这些都是未知的^[11]，因此，要想对未知图像进行随机噪声的处理，需要更深一步的研究。

针对一幅图像无法判断随机噪声的真实分布的问题，本文利用sCMOS相机的高帧率特性，提出了一种静态图像下的关于随机噪声检测的新方法，在多幅图像求平均的基础上进行了算法改进，利用统计学原理集中对此作统计分析，把图像数量控制在了六幅以内，从而在保证检测准确率的前提下，提高了算法的校正速度，特别适用于对图像质量要求极高的sCMOS相机。

参考文献：