[实用新型]一种序列图像的去噪装置

说明书

技术领域

本实用新型涉及视频图像处理、视频通信技术，尤其涉及一种对视频图像进行自适应去噪的装置，属于图像处理技术领域。

背景技术

序列图像是在不同时间、不同方位对目标依序连续获取的系列图像。而图像在采集、传输、存储等过程中常常因为受到各类噪声的干扰而使图像质量有所下降，从而对后续的图像处理产生不利影响，因此，图像降噪对成像质量有着举足轻重的作用。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，所以为了提高图像的画质，需要减少图像中的噪声。噪声的产生有很多种，在图像获取及图像传输过程中，在量化过程中都会产生，从而导致了去噪声的方法也多种多样。

噪声可分为加性噪声和乘性噪声。加性噪声和图像信号强度是不相关的，如运算放大器，乘性噪声与图像信号是相关的，往往随图像信号的变化而变化。典型的噪声类型包括：高斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声及脉冲噪声。传统的图像降噪算法主要包括数学空域滤波降噪、频域滤波降噪和小波降噪及非局部均值去噪、形态学去噪等。1)空间域去噪：a)均值去噪；b)顺序统计去噪(中值去噪、最大值去噪、最小值去噪、中值去噪、阿尔法均值去噪)；2)频率域去噪：a)针对固定频率噪声(带阻去噪、带通去噪、陷波去噪)；b)针对噪声集中在高频区段(低通去噪)；3)小波去噪：数学角度为函数逼近，图像处理角度为低通去噪(对高频系数置零的线性去噪方法、基于阈值的小波去噪方法)；4)非局部均值去噪：非局部均值是一种基于快匹配来确定滤波权值，并根据这个权值进行点的滤波操作；5)形态学去噪：最常见的形态学运算有腐蚀和膨胀，以及开运算和闭运算，其可以滤除孤立的噪声点，但该方法去除噪声不彻底，降噪效果不理想，故该方法很少单独使用。

无论空域或者频域滤波降噪，由于不能有效地判别噪声还是图像的细节，在降噪的同时，会导致图像变模糊。而在小波降噪中，小波阈值直接关系到降噪质量和图像质量，阈值太小降噪效果不佳，阈值太大细节损失太多，选择合理阈值的计算过程比较复杂。

实际应用中，常用的降噪方法包括2D空域降噪和3D时空域降噪的方法：

2D空域降噪只在二维空间上进行降噪处理。基本方法：对一个像素将其与周围像素进行加权平均，加权平均后噪声降低，但缺点是会造成画面模糊，特别是物体边缘部分。3D时空域降噪进一步考虑帧与帧之间的时域关系，对每个像素进行时域上的加权平均，通过减少时域上的改变降低噪声。相比2D降噪，3D降噪效果更好，且不会造成边缘的模糊，但其存在的主要问题是：画面不会是完全静止的，如果对不属于同一物体的两个点进行降噪处理会造成错误。因此该方法需要进行运动估计，其效果好坏也与运动估计算法相关。而运动估计算法复杂、计算量大，耗时长，是制约3D降噪的主要瓶颈。

实用新型内容

本实用新型的目的是为了解决现有技术中存在的去不足，而提供了一种序列图像的去噪装置，该装置更好的完成对序列图像中运动物体与噪声的分离，对序列图像去噪，减少运动拖尾及运动残影，保留原有细节，进而实现对图像画质的改善。

为了解决上述问题，本实用新型采用的技术方案是：

一种序列图像的去噪装置，它包括输入图像单元、运动估计单元、时空域联合滤波单元和噪声估计模块，输入图像单元将序列图像输入到运动估计单元，经运动估计单元处理后输入到时空域联合滤波单元处理；噪声估计模块输出数据至运动估计单元处理。

所述运动估计单元包括空域滤波单元、差分模块、差分图像融合模块、形态学处理模块和运动估计模块，空域滤波单元对图像进行滤波处理后传递到差分模块进行差分运算，差分图像融合模块对前一模块的图像进行加权融合处理，并经过形态学处理模块，处理后传递到运动估计模块进行运动估计运算。

所述时空域联合滤波单元包括序列图像的时域滤波模块和基于边缘保持的空域滤波模块及时空域滤波融合模块。

所述噪声估计模块利用图像边缘结构具有很强的二阶差分特性，图像对拉普拉斯模板的噪声统计器较敏感，通过两个拉普拉斯模板组成的内核来进行卷积操作，然后直接通过对图像的一次卷积，对卷积结果进行一次取平均值。

所述空域滤波模块包括强空域滤波模块和弱空域滤波模块。

所述运动估计模块包括IIR滤波模块、空域滤波模块和滤波系数计算模块。

本实用新型的有益效果：

与现有技术相比，本实用新型通过空域滤波、差分运算、加权融合、形态学处理、基于时空域滤波系数进行联合滤波能够有效完成对序列图像中运动物体的与噪声的分离，有效的去除了噪声，改善图像画质。