[发明专利]图像噪声的自适应识别方法、传感器芯片以及电子设备

说明书

本发明实施例提供了一种图像噪声的自适应识别方法、传感器芯片以及电子设备，涉及图像处理技术领域。图像噪声的自适应识别方法包括：获取采集的原始图像的图像数据；根据图像数据，得到原始图像的边缘特征信息；基于原始图像的边缘特征信息与图像数据，确定出原始图像中的噪声区域。本发明中，能够在保证噪声识别的高准确率的同时，平衡识别的复杂度与处理速度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像噪声的自适应识别方法、传感器芯片以及电子设备。

背景技术

宇宙射线是来自宇宙空间的各种高能粒子，主要包括质子和各种粒子。宇宙射线在电荷耦合(Charge Coupled Devices，简称CCD)等阵列探测器上被接收探测到后，会使得CCD阵列探测器所得图像上的相应像素位置的灰度值明显高于周围的像素点的灰度值，并且是在时间和空间上的分布均为无规律的随机事件。阵列探测器(例如为相机)的曝光/积分时间越长，相机的传感器芯片面积尺寸越大，所采得的图像数据上出现宇宙射线干扰的概率以及数目就越高。

在对相机拍摄的观测图像进行预处理时，宇宙射线噪声会产生较强的干扰作用，例如降低天文、生物医学等图像的压缩效率，干扰图像显示的对比度自动拉伸以及图像的自动识别处理等。

目前，常用的宇宙射线噪声的识别处理方法有多帧图像对比、中值滤波、强度阈值识别、边缘锐度阈值识别、Laplacian边缘检测算子处理等。

然而，多帧图像对比时，需要有对同一目标信号相同条件下所采得的多幅图像，对于常见的单幅图像数据的情形则完全无法使用；中值滤波的处理速度较慢、误判概率较大，且无法应对高能宇宙射线产生的多像素噪声；强度阈值识别与边缘锐度阈值识别都存在无法确定合适阈值的问题；Laplacian边缘检测算法则过于复杂，处理时间太长。

发明内容

本发明的目的在于提供一种图像噪声的自适应识别方法、传感器芯片以及电子设备，能够在保证噪声识别的高准确率的同时，平衡识别的复杂度与处理速度。

为实现上述目的，本发明提供了一种图像噪声的自适应识别方法，包括：获取采集的原始图像的图像数据；根据图像数据，得到原始图像的边缘特征信息；基于原始图像的边缘特征信息与图像数据，确定出原始图像中的噪声区域。

本发明还提供了一种传感器芯片，用于执行上述的图像噪声的自适应识别方法。

本发明还提供了一种电子设备，包括上述的传感器芯片。

本发明相对于现有技术而言，在采集原始图像后，先获取该原始图像的图像数据，然后根据图像数据，得到原始图像的边缘特征信息，继而能够基于原始图像的边缘特征信息与图像数据，确定出原始图像中的噪声区域；即能够基于单幅原始图像实现噪声识别，无需多幅原始图像的对比，实现了对动态变化的图像数据的处理，从而能够在保证噪声识别的准确率的同时，平衡识别的复杂度与处理速度。并且，边缘特征信息来源于原始图像本身，使得噪声识别的判断标准更加客观，无需人工介入，减少了人为因素对噪声识别的干扰，提升了噪声识别的自动化程度。

在一实施例中，根据图像数据，得到原始图像的边缘特征信息，包括：对图像数据进行二维差分，得到原始图像的二维差分数据；生成二维差分数据的灰度直方图，并根据二维差分数据的灰度直方图，确定原始图像的边缘特征信息。本实施例提供了根据图像数据，得到原始图像的边缘特征信息的一种具体实现方式。

在一实施例中，根据二维差分数据的灰度直方图，确定原始图像的边缘特征信息，包括：从灰度直方图中选取像素个数最多的第一灰度值，并从灰度直方图中选取像素个数为0的至少一个第二灰度值；分别计算第一灰度值与各第二灰度值的差值的绝对值，并将数值最大的绝对值乘与预设系数的乘积作为原始图像的边缘差分阈值；边缘特征信息为边缘差分阈值。本实施例提供了根据二维差分数据的灰度直方图，确定原始图像的边缘特征信息的一种具体实现方式。