[發明專利]一種圖像噪聲水平估計、抑制方法、裝置及電子設備

在審

• 申請號: 202010791185.8
• 申請日: 2020-08-07
• 公開（公告）號: CN111932514A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 鄒羽欣;王天鶴;熊意超
• 申請（專利權）人: 上海媒智科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/90;G06N3/04;G06N3/08
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

本發明公開了一種圖像噪聲水平估計、抑制方法、裝置及電子設備，該方法包括：獲取不同場景下同一目標物的多張圖像；計算所述圖像中RGB通道噪聲的均值及方差的范圍，作為噪聲水平估計結果；使用高斯分布模擬噪聲的分布，使用上述所得的結論作為超參設計數據增強；將數據增強加入深度學習網絡中，并對所述深度學習網絡進行訓練。該裝置包括：圖像收集模塊、噪聲水平評估模塊、數據增強模塊以及網絡訓練模塊。本發明的圖像噪聲抑制方法及裝置，方法簡單實用，可擴展性強，且注重了通道之間噪聲水平的不平衡。

技術領域

本發明涉及計算機視覺圖像技術領域，特別涉及一種圖像噪聲水平估計方法、抑制方法、裝置及電子設備。

背景技術

圖像是日常生活中不可或缺的信息載體，在人們獲取、存儲和傳遞信息的過程中起著重要作用。隨著數字多媒體技術的不斷發展，計算機圖像在醫學成像、模式識別、目標檢測中得到了廣泛的應用。但是圖像在采集、存儲的過程中，不可避免會受到各類噪聲的干擾。圖像噪聲是指存在于圖像數據中的不必要或冗余的干擾信息，使圖像模糊，有時甚至掩蓋圖像特征，同時給圖像視覺效果和后續數據分析工作帶來不利影響。因此，如何高效地抑制噪聲的影響，進而提高圖像數據處理的魯棒性，是計算機視覺領域的一個重要的研究課題。

現實場景中，圖像中的噪聲來源復雜，暗電流噪聲、熱噪聲、光子散粒噪聲、電路噪聲等等。傳統圖像去噪算法包括濾波算法、PCA降噪，DCT降，BM3D降噪等等，但這些傳統算法共同的缺點是在使用階段涉及大量的運算，因此時間成本較高，并且在去噪的過程中或多或少的平滑掉了圖像原本的細節，不利于圖像后續的分析。隨著卷積神經網絡在計算機視覺領域的發展，不少卷積神經網絡的工作也開展到了圖像去噪領域，出現了很多利用卷積神經網絡進行圖像去噪的方法，比如深度去噪卷積神經網絡(DnCNN)，真實圖像的卷積盲去噪網絡(CBDNet)等等，雖然神經網絡降低了圖像去噪的時間消耗，但是噪聲模型建立復雜，圖像細節信息損失的問題依舊存在。

申請號為：201711065002.9，名稱為：基于深度學習的圖像噪聲水平估計方法的中國專利提出了一種基于深度學習的圖像噪聲水平估計方法，設計了信號相關噪聲(SDN)模型；從網上下載無噪聲圖像和噪聲圖像作為數據集；訓練模型結束后將有噪聲圖像輸入至訓練好的模型中，輸出噪聲水平函數。其缺點為：在不同任務上使用時，難以定義和獲取無噪聲圖像，并且仍需要重新收集數據和訓練網絡，需要耗費巨大的人力和時間資源。

申請號為：201811338660.5，名稱為：基于深度學習的圖像去噪方法、裝置、設備和存儲介質的中國專利提出了一種基于深度學習的圖像去噪方法，搭建神經網絡訓練去噪模型；訓練模型結束后將有噪聲圖像輸入至訓練好的模型中，輸出去噪圖像。其缺點為：需要進行數據的收集和模型訓練，并且此發明的網絡結構只有去除噪聲的功能，功能單一。

發明內容

本發明針對上述現有技術中存在的問題，提出一種圖像噪聲水平估計、抑制方法、裝置及電子設備，其中噪聲水平估計方法簡單實用，可擴展性強，且注重了通道之間噪聲水平的不平衡。

根據本發明的第一方面，提供一種圖像噪聲水平估計方法，包括：

獲取不同場景下同一目標物的多張圖像；

計算所述圖像中RGB通道噪聲的均值及方差的范圍，作為噪聲水平估計結果。

較佳地，對所述圖像進行噪聲水平估計，包括：

對單個場景下獲得的圖像進行逐幀相減，得到噪聲圖像；

對每張所述噪聲圖像分別求出其RGB通道上的均值及方差，統計出分布直方圖，剔除異常值后得到每個場景下的各個通道的均值及方差的范圍；

對所有場景下的圖像進行上述處理，最終得到整體噪聲在RGB通道上均值及方差的范圍。

根據本發明的第二方面，提供一種圖像噪聲抑制方法，其包括：