[发明专利]视频中图像的噪声估计方法、及视频降噪方法

说明书

视频中图像的噪声估计方法、及视频降噪方法，所述视频中图像的噪声估计方法包括：对于视频中相邻的帧图像，舍弃掉属于运动区域的块，得到变换后的当前帧图像I_cur1和变换后的差分图像I_dif1；根据变换后的当前帧图像I_cur1和变换后的差分图像I_dif1，计算得出亮度关于噪声水平的函数关系式；对变换后的当前帧图像I_cur1做自适应邻域选区，确定入选像素；对于各个块，分别计算所述对应像素在差分图像I_dif中的均值，以该均值作为噪声水平。本发明对噪声模型进行了深化，将各类噪声统一归为随像素值的变化而变化的噪声和与像素值无关的噪声两种，既能够准确的表征出噪声水平，同时又避免了因多种噪声类型的讨论而使算法复杂化。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种视频中图像的噪声估计方法、及视频降噪方法。

背景技术

在图像去噪、视频降噪等研究中，如何准确快速的对当前图像的噪声水平做出估计是一个重要课题。一个良好的噪声水平估计可以很好的为图像去噪算法提供助力。

事实上，很多图像去噪算法中就包含了噪声估计的内容。在大量的图像去噪算法研究论文中，研究者通常都以简单的“高斯噪声添加到干净图像作为噪声图像“来作为图像去噪的研究对象，并使用已知噪声强度水平作为阈值参考和去噪强度自适应的参数。这就导致了一个弊端：噪声模型(以高斯噪声为主)简单，对于噪声估计与实际严重不符。

现在已有的对视频中图像进行噪声估计的方法有以下几种：1)对单张噪声图像进行去噪来作为无噪图像，然后噪声图像和去噪图像相减，用其差值来估计噪声水平；2)有些方法利用了前后帧做噪声估计，对差分图像划分区域，来统计噪声水平；3)不同于前两种方法，而是将图像变换到其他变换域，比如小波变换或是傅里叶变换，通过数学计算和经验统计来对噪声水平加以估计；4)有些算法利用噪声水平函数的估计，建立一个过完备字典，选取光滑图像块的方差利用稀疏表示的方法来进行噪声估计；5)还有一些新技术利用多层感知机(MLP，MultiLayer Perceptron，也叫人工神经网络)和深度学习来估计噪声水平。

上述视频去噪中利用单张图像去噪后差分的方法(即第2种方法)的弊端有以下几点：第一，去噪图像一般不够干净，导致噪声估计不准确；第二假设去噪图像干净，那么再进行噪声估计意义不大。

其余有些算法也有着噪声模型简单的问题。很多噪声估计算法，把噪声视为加性高斯噪声，这与实际噪声模型相去甚远。事实上，噪声从形态上分类即可分为高斯噪声、椒盐噪声、泊松噪声、固定形态噪声等等多种噪声；从与像素的相关性分析，像泊松噪声等更是和像素的灰度值息息相关。因此，不加区分的使用加性高斯模型很明显是不够合理的。

对于一些变换域的噪声估计方法，比如先进行小波变换然后利用中值除以0.6745作为噪声水平的估计方法，实际使用上基本要配合相关统计得到的参数来使用，这就需要额外的对其他图像进行统计，实际并不合理。

此外还需要指出的一点是，很多噪声估计是针对经过多种图像处理的真彩图像。在实际工业应用中，对于未被图像处理的bayer格式的Raw数据处理是更为合理的。Raw数据最大程度上保留了噪声的真实大小和真实形态，同时没有经过各类图像处理环节导致的失真。

发明内容

本发明解决的技术问题是：在进行噪声估计时，对于多种类型的噪声混合的情形，如何更准确的表征出噪声水平，同时又不会因多种噪声类型的讨论而使算法复杂化。

为了解决上述技术问题，本发明实施例提供一种视频中图像的噪声估计方法，包括：

对于视频中相邻的帧图像，舍弃掉属于运动区域的块，得到变换后的当前帧图像I_cur1和变换后的差分图像I_dif1；