圖像去噪方法和系統的制作方法
【專利說明】圖像去噪方法和系統
【背景技術】
[0001] 在過去數十年中，數字成像激增。大多數的圖像通過數字方式獲得，并且模擬圖像 也被轉換為數字圖形進行處理、存儲和顯示。消費者與專業人±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。雖然現有技術中具有 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。
【發明內容】
[0002] 本發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的收縮函 數。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模型。在訓練模型中，所述MTE可W與協同過濾 (C0L巧相結合。
[0003] 在一些實施例中，本發明包括了從圖像中去除噪聲的方法。本發明可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，構建收縮函數模型；將所述收縮函數模型應用于第=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 上的已匹配塊數量的n維向量。所述的收縮函數模型對每個塊類型設計對應的nXn個收 縮系數。
[0005] 在另一實施例中，本發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 執行2D轉換，W獲得nXn個頻域系數；為S個相似塊，對所述nXn個頻域系數執行3D變 換獲得nXnXs個3D系數；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；為所述nXnXs個3D系數，采用該組收縮函數執行收縮處理，獲得一組nXnXs個 已去噪頻域值；對所述nXnXS個已去噪頻域值執行一個或多個逆向變換，獲得一組nXn 已去噪像素值。
[0006] 本發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。所述收縮函數模型還可W包括，每個所述nXnXS個3D系數的唯一收縮曲線， 每個塊類型的nXn個收縮系數，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，本發明的具體示例和細節描述僅是出于進行說明的目的，而并不用 來限制本發明的保護范圍。
[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清楚地了解本發明上述的W及其他的目的、特征和優點。
[0010] 圖IA示出了本發明實施例形成訓練收縮函數（S巧模型的流程圖；
[0011] 圖IB示出了本發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行的3維轉換；
[0018] 圖5A示出了采用一組哈達瑪（Hadamard)轉換數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，為了使本發明的各種實施例能夠被透徹理解， 闡述了很多細節。但是，顯然地，對于本領域技術人員來說，本發明的實施例也可W在沒有 部分運些細節的情況下實施。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，并協同地在3D變換域 (3dimensional(3-D)transformdomain)對所述相似塊執行去噪模型。在經過諸如硬闊值 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，在第二步中，通過參考一個真實能譜的初始預估來執行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選的典型實施例，其并不用來限制本發明的范圍、實用性 和結構。相反，W下對優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對本發明的功能和元件的排列做出各種變化。
[0034] 本發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 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，而不是試圖通過優化特定系統的物理方面，例如物理連 接/連接器優化、電路結構優化W及其他，來解決圖像噪聲的問題。特定系統的物理方面至 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化物理 系統方面，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