[发明专利]一种CMOS图像信号相关噪声参数估计方法

说明书

本发明公开了一种CMOS图像信号相关噪声参数估计方法。图像灰度熵虽然对于无噪图像的纹理分析有较好的结果，但对于包含噪声的图像并不是十分理想。本发明的步骤如下：一、在目标图像中提取出多个大小为d×d的图像块。二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度。三、将各图像块按照纹理强度从小到大进行排序；取前M个图像块作为低纹理图像块。四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值。五、得到目标图像的信号相关噪声参数。本发明通过改进的局部二值模式定义了一种较为精确的计算图像块纹理强度的新方法，并将其应用到低纹理图像块的选择中。

技术领域

本发明属于计算机图像处理技术领域，具体涉及一种基于局部二值模式的CMOS图像信号相关噪声参数估计方法。

背景技术

在CMOS图像传感器采集过程中会不可避免地会产生噪声，其中两个突出的噪声源是热噪声和光子噪声，它们可以被建模为泊松-高斯噪声模型。该模型由表征光子噪声的信号相关(泊松)项和表征热噪声的信号无关(高斯)项组成。使用参数噪声模型对图像进行后续的去噪或其他应用前需要根据图像估计信号相关噪声参数。

目前，估计泊松-高斯噪声模型噪声参数的方法基本上都是基于散点图：对噪声图像进行分块，挑选低纹理图像块，每块图像估计出一对像素值和噪声方差，然后拟合出噪声参数。此方法的难点在于低纹理图像块的挑选，已经提出的有基于梯度方法和基于图像局部灰度熵的方法；然而，基于梯度的方法只考虑了图像水平和垂直方向上像素值变化情况，并不能特别准确的检测图像的纹理强度，而图像灰度熵虽然对于无噪图像的纹理分析有较好的结果，但对于包含噪声的图像并不是十分理想，因此，如何更为精确地挑选低纹理图像块是提高参数估计准确性的关键。

发明内容

本发明的目的在于提供一种基于局部二值模式的CMOS图像信号相关噪声参数估计方法。

本发明的具体步骤如下：

步骤一、在目标图像中提取出多个大小为d×d的图像块，10≤d≤25。

步骤二、对每一个提取出的图像块利用局部二进制模式方法计算纹理强度。

局部二进制模式方法具体如下：

2-1.将2赋值给i和j。

2-2.以图像块中第i行第j列像素点作为目标像素点。对目标像素点的像素值与目标像素点八领域内像素点的像素值分别作差，得到八个像素差值；若八领域内一个像素点对应的像素差值大于阈值z，则将该像素点标记为1，否则，将该像素点标记为0。

2-3.计算目标像素点八领域内像素点的标记跳变次数t(i,j)。若目标像素点八领域内相邻像素点的标记不相同，则表示一次标记跳变。之后，进入步骤2-4。

2-4.若j＜d-1，则将j增大1，并执行步骤2-2和2-3；若j＝d-1且i＜d-1，则将1赋值给j，将i增大1，并执行步骤2-2和2-3；否则，计算图像块的纹理信息

步骤三、将各图像块按照纹理强度T_k从小到大进行排序；取前M个图像块作为低纹理图像块；M＝λ·(p-d+1)·(q-d+1)；10％≤λ≤25％。

步骤四、计算各低纹理图像块的各低纹理图像块的像素估计值和噪声方差估计值，具体如下：

计算各低纹理图像块的像素估计值其中，G_k(i,j)为第k张低纹理图像块内第i行第j列像素点的像素值，k＝1,2,…,M。

计算第k张低纹理图像块的噪声方差估计值其中，为向量的二范数；G_k为第k张低纹理图像块对应的图像矩阵；u_min是第k张低纹理图像块的最小方差方向，最小方差方向为协方差矩阵∑_G的最小特征值所对应的特征向量：