[发明专利]对图像传感器中的集成噪声建模的方法和降噪的方法

权利要求书

1.一种处理图像信号的Bayer域信号以对图像传感器中的集成噪声建模的方法，所述方法包括：

接收图像信号的Bayer域信号；

通过使用Bayer域信号设置多个噪声模型，所述噪声模型包括暗电流噪声模型、散粒噪声模型和固定模式噪声模型；

基于所述多个噪声模型来确定图像传感器中的集成噪声级。

2.如权利要求1所述的方法，其中，所述集成噪声级依赖于图像传感器的曝光时间和将被处理的像素数据，所述像素数据为Bayer域的图像传感器所提供。

3.如权利要求1所述的方法，其中，关于Bayer域的每种颜色来设置暗电流噪声模型、散粒噪声模型和固定模式噪声模型中的至少一个。

4.如权利要求1所述的方法，其中，关于图像传感器的每个增益来设置暗电流噪声模型、散粒噪声模型和固定模式噪声模型中的至少一个。

5.如权利要求1所述的方法，其中，暗电流噪声模型对应于暗电流噪声的标准偏差，并且暗电流的标准偏差被设置成依赖于图像传感器的曝光时间的线性函数。

6.如权利要求1所述的方法，其中，散粒噪声模型对应于散粒噪声的标准偏差，并且散粒噪声的标准偏差被设置成依赖于将被处理的像素数据的线性函数。

7.如权利要求1所述的方法，其中，固定模式噪声模型对应于固定模式噪声的标准偏差，并且固定模式噪声的标准偏差被设置成依赖于将被处理的像素数据的线性函数。

8.如权利要求1所述的方法，所述方法还包括：通过使用由图像传感器提供的Bayer域信号来设置暗电流偏置，所述暗电流偏置对应于暗电流噪声的平均值。

9.如权利要求8所述的方法，其中，当将被处理的像素数据小于暗电流偏置时，基于暗电流噪声模型来确定集成噪声级，当将被处理的像素数据等于或大于暗电流偏置时，基于散粒噪声模型和固定模式噪声模型来确定集成噪声级。

10.如权利要求8所述的方法，其中，当将被处理的像素数据小于暗电流偏置时，集成噪声级被确定为SINT(L，T)＝SD(T)，当将被处理的像素数据等于或大于暗电流偏置时，集成噪声级被确定为SINT(L，T)＝[SS(L)²+SF(L)²]^1/2，其中，L是将被处理的像素数据，T是图像传感器的曝光时间，SINT是集成噪声级，SD是暗电流噪声的标准偏差，SS是散粒噪声的标准偏差，SF是固定模式噪声的标准偏差。

11.一种降低图像传感器中的噪声的方法，所述方法包括：

通过使用由图像传感器提供的Bayer域信号来设置多个噪声模型，所述噪声模型包括暗电流噪声模型、散粒噪声模型和固定模式噪声模型；

基于所述多个噪声模型来确定集成噪声级；

基于集成噪声级来对帧数据滤波，所述帧数据包括Bayer域的图像传感器提供的多个像素数据。

12.如权利要求11所述的方法，其中，暗电流噪声模型对应于暗电流噪声的标准偏差，并且暗电流的标准偏差被设置成依赖于图像传感器的曝光时间的线性函数，

散粒噪声模型对应于散粒噪声的标准偏差，并且散粒噪声的标准偏差被设置成依赖于将被处理的像素数据的线性函数，

固定模式噪声模型对应于固定模式噪声的标准偏差，并且固定模式噪声的标准偏差被设置成依赖于将被处理的像素数据的线性函数。

13.如权利要求11所述的方法，其中，设置多个噪声模型的步骤包括：

将每个噪声模型设置为各个函数；

将函数的系数在图像传感器的存储装置中存储为查找表，针对Bayer域的每种颜色和图像传感器的每个增益来设置所述系数。

14.如权利要求11所述的方法，其中，确定集成噪声级的步骤包括：

从查找表中提取系数，提取的系数对应于图像传感器的增益和将被处理的像素数据的颜色；

基于图像传感器的曝光时间、将被处理的像素数据和提取的系数来计算集成噪声级。

15.如权利要求11所述的方法，所述方法还包括：通过使用从图像传感器提供的Bayer域信号来设置暗电流偏置，所述暗电流偏置对应于暗电流噪声的平均值。