[发明专利]图像降噪方法、装置、存储介质及电子装置

说明书

本发明提供了一种图像降噪方法、装置、存储介质及电子装置，其中，该方法包括：获取对目标场景进行拍摄后所得到的第一图像和第二图像，其中，所述第一图像为预定频谱的不可见光图像，第二图像为包括预定单色的可见光图像；确定所述第一图像和所述第二图像中对应图像块的差距信息，并基于对应图像块的差距信息确定出所述第一图像和所述第二图像之间对应的且满足预定条件的目标图像块；基于所述第一图像中的所述目标图像块对所述第二图像中的所述目标图像块进行降噪处理；对降噪处理后的所述第二图像中的重叠区域进行组合以得到目标图像。通过本发明，解决了相关技术中存在的降噪效果差的问题，提高了降噪效果。

技术领域

本发明涉及通信领域，具体而言，涉及一种图像降噪方法、装置、存储介质及电子装置。

背景技术

图像的应用领域广泛，涉及到生物医学，军事，交通安防，机器视觉等领域。图像的质量直接影响其在这些领域应用的有效性，然而，图像在获取、处理、传输过程中，会不可避免的受到噪声的干扰。因此，滤除图像中的噪声有着极其重要的意义。

在相关技术中，主流图像降噪技术主要有空间域图像降噪：简单的有均值滤波，高斯滤波，中值滤波等算法。这类降噪算法不进行边界区域降噪和平坦区域的区域降噪。因此，在降噪的同时，会丢失很多有用的图像信息。稍微复杂的有双边滤波和非局部均值算法。但空间域算法的缺点是对于纹理的保护不是很好。频域图像降噪：主要的代表有小波，DCT(Discrete Cosine Transform，离散余弦变换)等降噪算法。这类算法是将图像变换到频域，并在频域上进行降噪。频域图像降噪的缺点是大噪声压制没有空间域降噪来的好。空间域和频域混合的图像降噪：主要包括BM3D(Block-Matching and 3D filtering，三维块匹配)，WNNM(Weighted Nuclear Norm Minimization，加权核范数最小化)等算法，该类算法将空间域和频域降噪进行组合，极大的提高了图像降噪能力。学习类的图像降噪：主要有深度学习和字典学习类的降噪算法。该类算法使用预先采集样本来训练降噪算法，取得了比较好的效果。但是计算量巨大，很难应用到实际产品中。

在相关技术中，还可以采用将红外线图像时域降噪强度和可见光时域降噪强度相结合，估计最终的时域降噪强度，对红外和可见光进行降噪。估计红外的空域降噪强度，对红外和可见光进行空域降噪。然而，用时域做参考，最大的问题就是会加重拖尾，而不是减轻拖尾。原因是不同的波段对物体的反射不同。假如某个物体在可见光中被检测到，但是在红外中没有被检测到，那么这个物体一定出现拖尾。用领域运动来进行组合，并不能有效解决这个问题。反而这样做会把红外信息做的更差，不利于图像的后处理。空域部分，使用sobel信息将红外和可见光空域降噪组合起来进行降噪，过于简单，不能发挥出红外指导的优势。

由此可知，相关技术中存在降噪效果差的问题。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像降噪方法、装置、存储介质及电子装置，以至少解决相关技术中存在的降噪效果差的问题。

根据本发明的一个实施例，提供了一种图像降噪方法，包括：获取对目标场景进行拍摄后所得到的第一图像和第二图像，其中，所述第一图像为预定频谱的不可见光图像，所述第二图像为包括预定单色的可见光图像；确定所述第一图像和所述第二图像中对应图像块的差距信息，并基于所述对应图像块的差距信息确定出所述第一图像和所述第二图像之间对应的且满足预定条件的目标图像块；基于所述第一图像中的所述目标图像块对所述第二图像中的所述目标图像块进行降噪处理；对降噪处理后的所述第二图像中的重叠区域进行组合以得到目标图像。