圖像去噪方法和系統(tǒng)的制作方法
【專利說明】圖像去噪方法和系統(tǒng)
【背景技術】
[0001] 在過去數(shù)十年中，數(shù)字成像激增。大多數(shù)的圖像通過數(shù)字方式獲得，并且模擬圖像 也被轉換為數(shù)字圖形進行處理、存儲和顯示。消費者與專業(yè)人±同樣地對圖像質量具有較 高的要求和期望。噪聲水平是影響圖像質量的一個重要方面。圖像中存在各種噪聲，例如 來自圖像傳感器的C虹oma噪聲和Iumna噪聲W及源于圖像處理的壓縮噪聲。在盡可能小 地降低圖像清晰度的情況下，從圖像中去除噪聲是一個很大的挑戰(zhàn)。雖然現(xiàn)有技術中具有 多種圖像處理技術，但是由于各種原因其效果并不佳。因此，很有必要提出一種新型的圖像 降噪方法和系統(tǒng)。

【發(fā)明內容】

[0002] 本發(fā)明提供了用于拜耳顏色過濾陣列（CFA:colorfilterarray)圖像的去噪算 法的方法和系統(tǒng)的多個實施例，但并不限制其用于其他圖像的去噪算法中。在一些實施例 中，不是采用相同的硬闊值過濾策略，而是在訓練模型中學習多個用于不同系數(shù)的收縮函 數(shù)。上述方法可W進一步擴展用于在平均紅綠藍（RGB)估計和綠-紅、綠-藍（Gr抓）校 正中學習收縮函數(shù)模型。在一些實施例中，采用了匹配類型估計（MT巧步驟，其中，具有不 同匹配類型的塊具有自身唯一的收縮函數(shù)模型。在訓練模型中，所述MTE可W與協(xié)同過濾 (C0L巧相結合。
[0003] 在一些實施例中，本發(fā)明包括了從圖像中去除噪聲的方法。本發(fā)明可W進一步包 括，但并不限于，從具有噪聲屬性的第一圖像中選擇一個或多個塊作為一組噪聲塊，其中， 每個噪聲塊具有一組nXn個像素；從不具有噪聲屬性的第二圖像中選擇一個或多個塊作 為一組清潔塊，其中，每個清潔塊具有一組nXn個像素；評估該組噪聲塊的塊類型，所屬塊 類型的數(shù)量為一個或多個；基于所述一個或多個塊類型、W及所述噪聲塊和清潔塊各自的 nXn個像素，構建收縮函數(shù)模型；將所述收縮函數(shù)模型應用于第=圖像，獲得一組已去噪 塊，每個已去噪塊具有nXn個像素；化及重建所述nXn像素的一組已去噪塊，W去除所述 第S圖像的噪聲。
[0004] 本發(fā)明從圖像中去除噪聲的方法還包括，但不限于，選擇具有相同顏色配置的一 個或多個塊，分別選擇具有不同顏色配置的一個或多個塊，評估所述第一圖像的所述一個 或多個塊的空間分布，計算所述第一圖像的一個或多個相鄰塊之間的塊距離，對塊類型進 行分類，W及基于計算獲得的所述塊距離將相似塊類型進行分組，為了獲得第一塊和第二 塊的相同顏色配置而旋轉所述第一塊和第二塊。所述收縮函數(shù)模型還可W包括對塊類型進 行分組包括快速塊匹配算法；W及為了評估塊類型，表示所述快速塊匹配算法在每個方向 上的已匹配塊數(shù)量的n維向量。所述的收縮函數(shù)模型對每個塊類型設計對應的nXn個收 縮系數(shù)。
[0005] 在另一實施例中，本發(fā)明還提供了一種用于從圖像中去除噪聲的方法，所述方法 可W進一步包括，從圖像中選擇塊，所述塊具有第一組nXn個像素，其中，每個像素具有一 個RGB值；確定所述塊的平均RGB值；評估所述塊的塊類型；從所述平均RGB值中分別減去 所述塊的nXn個像素的各個RGB值，獲得第二組nXn個像素；對所述第二組nXn個像素 執(zhí)行2D轉換，W獲得nXn個頻域系數(shù)；為S個相似塊，對所述nXn個頻域系數(shù)執(zhí)行3D變 換獲得nXnXs個3D系數(shù)；獲得與圖像傳感器的噪聲屬性和所述塊的塊類型相關的一組收 縮函數(shù)；為所述nXnXs個3D系數(shù)，采用該組收縮函數(shù)執(zhí)行收縮處理，獲得一組nXnXs個 已去噪頻域值；對所述nXnXS個已去噪頻域值執(zhí)行一個或多個逆向變換，獲得一組nXn 已去噪像素值。
[0006] 本發(fā)明的從圖像中去除噪聲的方法還可W包括，但不限制于，構建收縮函數(shù)模型， 選擇具有相同顏色配置的一個或多個塊，分別選擇具有不同顏色配置的一個或多個塊，評 估一個或多個塊的空間分布，計算一個或多個相鄰塊之間的塊距離，對塊類型進行分類，W 及基于計算獲得的所述塊距離將相似塊類型進行分組，為了獲得相同顏色配置而旋轉一個 或多個塊。所述收縮函數(shù)模型還可W包括，每個所述nXnXS個3D系數(shù)的唯一收縮曲線， 每個塊類型的nXn個收縮系數(shù)，2D離散余弦變換（2D-DCT)，2D離散小波變換（2D-DWT)和 I-D哈爾/哈達瑪變換的組合，表示所述快速塊匹配算法在每個方向上已匹配塊數(shù)量的n維 向量，綠-紅、綠-藍（Gr抓）校正處理W及可選的色彩值校正處理。
[0007] 本發(fā)明公開的進一步的適應領域通過下文中的描述會更加清楚。應當理解的是， 在闡述各個實施例時，本發(fā)明的具體示例和細節(jié)描述僅是出于進行說明的目的，而并不用 來限制本發(fā)明的保護范圍。
[000引本說明書通篇所設及的"一個例子"、"例子"、"一個實施例"或者"實施例"等表述， 在結合當前技術的一個或多個示例進行描述時，用于說明一個特定的特征、結構或者特點。 因此，在本說明書的通篇的多處采用短語"在一個實施例中"，"在例子中"，"一個實施例"或 者"實施例"并不是必然地指相同的例子。進一步地，此處的標題僅是為了描述的方便而不 是用于限制或者說明本發(fā)明權利要求技術的范圍或意義。
【附圖說明】
[0009] 在本說明書結論部分的權利要求中，特別指明和主張了本發(fā)明的主題。此外，所述 附圖并不用來衡量，W強調而不是寬泛的方式來示例，本發(fā)明的主旨。從下面的詳細描述并 結合對應的附圖可W清楚地了解本發(fā)明上述的W及其他的目的、特征和優(yōu)點。
[0010] 圖IA示出了本發(fā)明實施例形成訓練收縮函數(shù)（S巧模型的流程圖；
[0011] 圖IB示出了本發(fā)明實施例應用所述訓練SF模型對噪聲圖像進行去噪的流程圖；
[0012] 圖2A示出了用于顏色過濾陣列（CFA)圖像去噪的具有平均紅綠藍（RGB)估計和 匹配類型估計的基于3D塊匹配度M3D)過濾的算法的示意圖；
[0013] 圖2B示出了用于CFA圖像去噪的具有協(xié)同過濾（COLF)的基于BM3D的算法的示 意圖；
[0014] 圖2C示出了用于CFA圖像去噪的具有COLF和聚合的基于BM3D的算法的示意圖；
[0015] 圖3示出了采用塊代碼1、2和3分別表示平坦、結構和紋理塊的用于噪聲CFA圖 像的8維匹配向量的示例；
[0016] 圖4A示出了用于拜耳度ayer)圖像的塊匹配算法的旋轉處理；
[0017] 圖4B示出了對參考塊及其相似塊執(zhí)行的3維轉換；
[0018] 圖5A示出了采用一組哈達瑪（Hadamard)轉換數(shù)值的用于紅色通道均值估計的訓 練SF模型的示例；
[0019] 圖5B示出了采用一組差值的用于紅色通道的均值估計的訓練SF模型的示例；
[0020] 圖6A示出了用于6X6像素DCT轉換的基；
[0021] 圖6B示出了對平坦塊進行I-D轉換中具有直流值C)系數(shù)的訓練后SF模型結果； [002引圖6C示出了對紋理塊進行I-D轉換中具有DC系數(shù)的訓練后SF模型結果；
[0023] 圖抓示出了對結構塊進行I-D轉換中具有DC系數(shù)的訓練后SF模型結果；
[0024] 圖6E示出了對平坦塊進行I-D轉換中具有交流（AC)系數(shù)的訓練后SF模型結果； [00巧]圖6F示出了對結構塊進行I-D轉換中具有AC系數(shù)的訓練后SF模型結果；
[0026] 圖6G示出了對垂直結構塊進行I-D轉換中具有DC系數(shù)的訓練后SF模型結果；
[0027] 圖細示出了對水平結構塊進行I-D轉換中具有DC系數(shù)的訓練后SF模型結果； [002引圖7示出了具有綠-紅、綠-藍（GrGb)校正的訓練SF模型的應用結果；
[0029] 圖8示出了計算機系統(tǒng)和裝置的示例。
【具體實施方式】
[0030] 在下面的描述中，出于解釋的目的，為了使本發(fā)明的各種實施例能夠被透徹理解， 闡述了很多細節(jié)。但是，顯然地，對于本領域技術人員來說，本發(fā)明的實施例也可W在沒有 部分運些細節(jié)的情況下實施。在其他示例中，一些公知的結構和算法通過框圖的形式示出。
[0031] 近年來，已經(jīng)提出了多種去噪算法。其中，基于塊的非局部方案（patch-based non-localsolutions)，例如S維塊匹配（BM3D:Block-matching3D)過濾，是較為先 進的算法。BM3D的核屯、是對相似塊（patch)進行捜索和分組，并協(xié)同地在3D變換域 (3dimensional(3-D)transformdomain)對所述相似塊執(zhí)行去噪模型。在經(jīng)過諸如硬闊值 過濾器或者Wiener過濾器的收縮處理之后，將通過逆向3D變換獲得的去噪塊經(jīng)過加權來 重建已去噪圖像。但是，由于所述塊匹配方法的計算成本過高，使得其在實際應用中不切實 際。此外，BM3D具有兩步去噪處理，首先，在收縮處理中，對初始硬闊值處理采用相同的參 數(shù)，在第二步中，通過參考一個真實能譜的初始預估來執(zhí)行Wiener過濾。運些程序增加了 硬件設計的難度。
[0032] 通常，由于大多數(shù)的去噪算法的假定噪聲模型為獨立同分布的噪聲模型 (I.I.化），如果對噪聲圖像直接進行逆馬賽克（demosaicing)處理，將會導致產(chǎn)生與空間 相關的噪聲。因此，在逆馬賽克處理之前在拜耳域度ayerDomain)對去噪模型進行操作是 非常關鍵的。因此，需要一種系統(tǒng)和方法，其能夠提供簡單快速構建和應用的去噪算法來降 低具有拜耳圖案度ayerpatterns)的原始圖像的噪聲。
[0033]W下的描述僅提供了優(yōu)選的典型實施例，其并不用來限制本發(fā)明的范圍、實用性 和結構。相反，W下對優(yōu)選的典型實施例進行的描述為本領域技術人員提供了對某一優(yōu)選 典型實施例的可實施性描述。可W理解的是，在不脫離本發(fā)明如所附上的權利要求的精神 和范圍的情況下，可W對本發(fā)明的功能和元件的排列做出各種變化。
[0034] 本發(fā)明一般設及信號降噪。雖然在整個上下文中W圖像信號進行描述，但是本發(fā) 明的多個方面還可W應用于具有低計算量限制的圖像處理、信號處理和/或類似的需要濾 除無關信號噪聲技術的各種方案，而不是試圖通過優(yōu)化特定系統(tǒng)的物理方面，例如物理連 接/連接器優(yōu)化、電路結構優(yōu)化W及其他，來解決圖像噪聲的問題。特定系統(tǒng)的物理方面至 少是在具體應用或者具體個例的基礎上有些效果的。但是，僅通過投入資源用于優(yōu)化物理 系統(tǒng)方面，很難在一個寬范圍內解決圖像噪聲降低的問題。在另一方面，就噪聲減少和/或 去噪算法核屯