[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在审

专利信息
申请号: 201811171426.8 申请日: 2018-10-08
公开(公告)号: CN109389563A 公开(公告)日: 2019-02-26
发明(设计)人: 白华;杨亚美 申请(专利权)人: 天津工业大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 300387 *** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 随机噪声 相机 校正 自适应检测 检测 图像 信号处理领域 统计学原理 图像传感器 中值滤波器 静态图像 有效信息 噪声点 连拍 帧率 科研
【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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津工业大学,未经天津工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811171426.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top