[发明专利]噪点估计

说明书

一种图像处理设备，包括处理器，所述处理器用于通过以下步骤估计图像中的噪点，其中，所述图像由一组像素表示，并且每个像素在一个或多个通道中的每个通道上具有与所述像素相关的值：通过用于检测随机噪点的第一训练模型，处理从所述图像导出的数据，形成第一噪点估计；通过用于检测像素极值的第二训练模型，处理从所述图像导出的数据，形成第二噪点估计；将所述第一噪点估计和所述第二噪点估计组合，形成聚合噪点估计。

技术领域

本发明涉及估计图像中的噪点。

背景技术

当相机捕获图像时，捕获到的图像中可能会出现噪点。噪点降低了捕获图像的保真度。当使用的相机是数码相机时，图像噪点可以源于多个方面。首先，可以来自与图像捕获相关的随机过程。例如，这种随机噪点可以由图像传感器中的噪点产生。随机噪点因图像而异，由特定相机检测到。其次，噪点可以源自确定性源，如图像传感器中的故障像素。对于特定相机，这种噪点通常是一致的，除非额外像素失效或可能恢复。

某些情况特别容易出现图像噪点。例如，当数码相机在弱光条件下捕获图像时，相机可以增加其传感器的增益，以放大捕获数据的亮度。然而，这也增加了随机噪点。增加传感器增益的缺点是放大噪点。因此，噪点去除可以显著提高在弱光条件下捕获的图像质量。

希望能够在捕获图像后处理图像，以减少噪点的出现。这样，图像质量会更高。一种方法是使用滤镜来模糊图像。这样减少了高频噪点，但使图像不是很清晰。另一种方法是估计原始捕获图像中的噪点，然后尝试从原始捕获图像中删除估计的噪点，以便形成调整后的去噪图像。

估计图像中的噪点是有困难的。在Chatterjee、Priyam等人在CVPR 2011.IEEE,2011中的“通过联合去噪以及解拼抑制弱光图像中的噪点(Noise suppression in low-light images through joint denoising and demosaicing)”以及Remez、Tal等人在arXiv的预印本arXiv:1701.01687(2017)中的“弱光图像的深度卷积去噪(Deepconvolutional denoising of low-light images)”中描述了一些现有技术方法。Rudin、Leonid I.、Stanley Osher和Emad Fatemi在物理D：非线性现象60.1-4(1992)：259-268中的“基于非线性全变分的噪点去除算法(Nonlinear total variation based noiseremoval algorithms)”中提出了一种非线性变分算法以根据实现全变分损失的偏微分方程去除噪点。

需要一种改进的方法来估计图像中的噪点。

发明内容

本发明的实施例由所附独立权利要求的特征定义。这些实施例的其它有利实现方式由从属权利要求的特征进一步定义。

根据第一方面，提供了一种图像处理设备，包括处理器，所述处理器用于通过以下步骤估计图像中的噪点，其中，所述图像由一组像素表示，并且每个像素在一个或多个通道中的每个通道上具有与所述像素相关的值：通过用于检测随机噪点的第一训练模型，处理从所述图像导出的数据，形成第一噪点估计；通过用于检测像素极值的第二训练模型，处理从所述图像导出的数据，形成第二噪点估计；将所述第一噪点估计和所述第二噪点估计组合，形成聚合噪点估计。

根据第二方面，提供了一种用于训练图像处理模型的方法，包括：(a)接收多对图像，其中，每对图像表示公共场景，每对图像中的第一图像中包括的噪点比每对图像中的第二图像中包括的噪点多；(b)对于每对图像：(i)通过用于估计所述图像中的随机噪点的第一模型，处理从每对图像中的所述第一图像导出的数据，形成第一噪点估计；(ii)通过用于检测像素极值的第二模型，处理从每对图像中的所述第一图像导出的数据，形成第二噪点估计；(iii)将所述第一噪点估计和所述第二噪点估计组合，形成聚合噪点估计；(iv)估计(A)每对图像中的所述第二图像与(B)根据所述聚合噪点估计去噪的每对图像中的所述第一图像之间的差值；(v)根据估计差值调适所述第一模型和所述第二模型。