CN104680483A - 图像的噪声估计方法、视频图像去噪方法及装置 - Google Patents

Abstract

本发明实施例提供了图像的噪声估计方法、视频图像去噪方法及装置，确定待处理图像的两个方向的拉普拉斯算子，其中，对两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；利用差异算子对待处理图像进行平滑处理，得到平滑图像；基于第一预设尺寸，将平滑图像进行不重叠分块，得到各图像块；分别确定各图像块的方差，并从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将预设数量个方差的加权平均值确定为估计的待处理图像的噪声方差。解决现有技术中对图像的噪声估计不准确的问题，本发明涉及图像处理领域。

Description

图像的噪声估计方法、视频图像去噪方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及图像的噪声估计方法、视频图像去噪方法及装置。

背景技术

图像或者视频在传输的过程中，会受到各种噪声的污染，而导致接收方接收到的图像或视频与原始的图像或视频相比分辨率降低，不仅影响视觉效果，对于需要从中获取或识别运动目标的图像或视频，更是影响了获取或识别工作的准确性。因此，现有技术中需要对图像或者视频帧图像中的噪声进行估计，以便为后续的去噪处理做准备。

现有技术中，对图像或者视频帧图像中的噪声的估计方法主要包括如下步骤：

步骤1、对待估计图像或者视频帧图像进行不重叠分块处理；

步骤2、对步骤1中分块处理得到的各图像块分别进行方差计算；

步骤3、从步骤2计算出的各方差中，选取多个值较小方差进行噪声估计。

但是，由于图像或者视频帧图像中的目标存在边缘，而目标的边缘影响了图像的平滑性，因为平滑块的像素值波动可认为是由噪声引起的，因此，通过估计平滑块的方差，就可以获得原始图像中噪声方差的估计，也就是说，经过步骤1的分块处理之后，不存在目标边缘的图像块会比较平滑，计算出的方差与噪声方差很相近，而存在目标边缘的图像块不够平滑，导致计算出的方差与噪声方差相比相差很大，对于低噪声图像，由于噪声较小，边缘块估计出的噪声方差会大于实际噪声方差，导致过高地估计其噪声，对于高噪声图像，由于噪声很大，边缘块估计出的噪声会小于实际噪声方差，导致过低地估计其噪声，使得噪声估计不准确。

发明内容

本发明实施例提供了图像的噪声估计方法、视频图像去噪方法及装置，用以解决现有技术中对图像的噪声估计不准确的问题。

基于上述问题，本发明实施例提供的一种图像的噪声估计方法，包括：

确定待处理图像的两个方向的拉普拉斯算子，其中，所述两个方向的拉普拉斯算子满足如下条件：对所述两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；

利用所述差异算子对所述待处理图像进行平滑处理，得到平滑图像；

基于第一预设尺寸，将所述平滑图像进行不重叠分块，得到各图像块；

分别确定所述各图像块的方差，并

从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将所述预设数量个方差的加权平均值确定为估计的所述待处理图像的噪声方差。

本发明实施例提供的一种视频图像去噪方法，包括：

基于上述一种图像的噪声估计方法，确定待处理视频的当前帧图像的噪声方差，并根据所述噪声方差确定运动检测阈值；

基于第二预设尺寸，分别将所述当前帧图像和前一帧图像进行不重叠分块，得到所述当前帧图像的各图像块和所述前一帧图像的各图像块；

针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度；并

将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；

分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理。

本发明实施例提供的一种图像的噪声估计装置，包括：

算子确定模块，用于确定待处理图像的两个方向的拉普拉斯算子，其中，所述两个方向的拉普拉斯算子满足如下条件：对所述两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；

平滑处理模块，用于利用所述差异算子对所述待处理图像进行平滑处理，得到平滑图像；

第一分块模块，用于基于第一预设尺寸，将所述平滑图像进行不重叠分块，得到各图像块；

方差确定模块，用于分别确定所述各图像块的方差，并

噪声估计模块，用于从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将所述预设数量个方差的加权平均值确定为估计的所述待处理图像的噪声方差。

本发明实施例提供的一种视频图像去噪装置，包括：

阈值确定模块，用于通过上述图像的噪声估计装置，确定待处理视频的当前帧图像的噪声方差，并根据所述噪声方差确定运动检测阈值；

第二分块模块，用于基于第二预设尺寸，分别将所述当前帧图像和前一帧图像进行不重叠分块，得到所述当前帧图像的各图像块和所述前一帧图像的各图像块；

相似度确定模块，用于针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度；并

运动检测模块，用于将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；

去噪处理模块，用于分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理。

本发明实施例的有益效果包括：

本发明实施例提供的图像的噪声估计方法、视频图像去噪方法及装置，确定待处理图像的两个方向的拉普拉斯算子，其中，两个方向的拉普拉斯算子满足如下条件：对两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；利用差异算子对待处理图像进行平滑处理，得到平滑图像；基于第一预设尺寸，将平滑图像进行不重叠分块，得到各图像块；分别确定各图像块的方差，并从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将预设数量个方差的加权平均值确定为估计的待处理图像的噪声方差。在对待处理图像进行分块之前，对图像进行平滑处理，使得图像中的目标边缘变得平滑，那么，划分的各图像块中的图像变得平滑，各图像块计算的方差可以较为正常，利用方差进行图像的噪声估计更加准确；

进一步地，利用上述噪声估计方法确定待处理视频的当前帧图像的噪声方差，并根据噪声方差确定运动检测阈值；基于第二预设尺寸，分别将当前帧图像和前一帧图像进行不重叠分块，得到当前帧图像的各图像块和前一帧图像的各图像块；针对当前帧图像的每个图像块，确定该图像块与前一帧图像中与该图像块位置对应的图像块之间的相似度；并将相似度与运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；分别对当前帧图像中的运动图像块和静止图像块进行去噪处理。在上述对视频图像进行去噪处理的过程中，基于准确的噪声估计方法对图像进行噪声估计，再进行去噪处理，使得去噪处理效果更好。

附图说明

图1为本发明实施例提供的一种图像的噪声估计方法的流程图；

图2为本发明实施例提供的一种视频图像去噪方法的流程图；

图3为本发明实施例1提供的一种图像的噪声估计方法的流程图；

图4a-图4c为本发明实施例1提供的拉普拉斯算子模板举例；

图5为本发明实施例2提供的一种视频图像去噪方法的流程图；

图6为本发明实施例3提供的一种视频图像去噪方法的流程图；

图7为本发明实施例提供的一种图像的噪声估计装置的结构示意图；

图8为本发明实施例提供的一种视频图像去噪装置的结构示意图。

具体实施方式

本发明实施例提供了图像的噪声估计方法、视频图像去噪方法及装置，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明实施例提供一种图像的噪声估计方法，如图1所示，包括：

S101、确定待处理图像的两个方向的拉普拉斯算子，其中，该两个方向的拉普拉斯算子满足如下条件：对该两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值。

S102、利用S101中确定的差异算子对待处理图像进行平滑处理，得到平滑图像。

S103、基于第一预设尺寸，将S102中得到的平滑图像进行不重叠分块，得到各图像块。

S104、分别确定S103中确定的各图像块的方差。

S105、从S104中确定的各方差中，按照方差值从小到大的顺序确定预设数量个方差。

S106、并将S105中确定的预设数量个方差的加权平均值确定为估计的待处理图像的噪声方差。

相应的，基于上述图像的噪声估计方法，本发明实施例还提供一种视频图像去噪方法，如图2所示，包括：

S201、基于上述图像的噪声估计方法，确定待处理视频的当前帧图像的噪声方差，并根据噪声方差确定运动检测阈值。

S202、基于第二预设尺寸，分别将当前帧图像和前一帧图像进行不重叠分块，得到当前帧图像的各图像块和前一帧图像的各图像块。

S203、针对当前帧图像的每个图像块，确定该图像块与前一帧图像中与该图像块位置对应的图像块之间的相似度。

S204、将S203中确定的相似度与S201中确定的运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块。

S205、分别对当前帧图像中的运动图像块和静止图像块进行去噪处理。

进一步地，上述步骤S201的执行与步骤S202-步骤S203没有先后顺序。

下面结合附图，用具体实施例对本发明提供的方法及相关设备进行详细描述。

实施例1：

本发明实施例1中，提供了一种图像的噪声估计方法，如图3所示，具体包括如下步骤：

S301、确定待处理图像的两个方向的拉普拉斯算子，其中，该两个方向的拉普拉斯算子满足如下条件：对该两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值。

进一步地，假设确定的待处理图像的两个方向的拉普拉斯算子进行如式（1）的线性运算，得到差异算子dL：

dL＝aL₁-bL₂；   （1）

其中，L₁和L₂分别表示确定的两个方向的拉普拉斯算子；且差异算子dL满足各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于其他位置的数值的绝对值。

下面举例说明：

假设a和b分别取2和1，图4a-图4c分别为L₁、L₂和dL对应的模板。如图4a-图4c所示，由于dL对应的模板中，各行数值之和均为0，各列数值之和均为0，且位于中间的数值的绝对值4，大于位于其他位置的数值的绝对值，因此，L₁、L₂能够满足条件，可以将L₁、L₂确定为选择的两个方向的拉普拉斯算子。

进一步地，现有技术中可以利用拉普拉斯算子的零交叉性质进行图像中的目标边缘定位，而本实施例中，由于差异算子的性质，可以使用差异算子对待处理图像进行平滑处理。

S302、利用S301中确定的差异算子采用如下公式对所述待处理图像进行平滑处理：

$n(x,y)=\underset{j=-l}{\overset{l}{\mathrm{\Σ}}}\underset{i=-l}{\overset{l}{\mathrm{\Σ}}}\mathrm{dL}(x+i,y+j)v(x+i,y+j);---\left(2\right)$

其中，(x,y)表示所述待处理图像中的像素点；v(x,y)表示对像素点(x,y)进行平滑处理之前，像素点(x,y)的灰度值；n(x,y)表示对像素点(x,y)进行平滑处理之后，像素点(x,y)的灰度值；l的值为拉普拉斯算子模板的行数或者列数减1除以2。

进一步地，（2）式中以(x,y)为中心像素点的（2l+1）×（2l+1）图像块与拉普拉斯算子模板相对应，对该中心像素点(x,y)进行平滑处理之后的灰度值n(x,y)为使用拉普拉斯模板dL(x+i,y+j)中的每个值分别与图像块中与该值位置对应的像素点的灰度值相乘，再将得到的各乘积相加的得到的值来代替中心像素(x,y)的灰度值即为处理后的灰度值n(x,y)。

S303、基于第一预设尺寸，将S302中得到的平滑图像进行不重叠分块，得到各图像块。

S304、分别确定S303中确定的各图像块的方差。

S305、从S304中确定的各方差中，按照方差值从小到大的顺序确定预设数量个方差。

较佳地，本步骤中可以将各方差由小到大进行排序，并确定前6%的方差。

S306、并将S305中确定的预设数量个方差的加权平均值确定为估计的待处理图像的噪声方差。

本步骤中，确定的各个方差的权值可以相等，即将预设数量个方差的平均值确定为估计的待处理图像的噪声方差。

实施例2：

本发明实施例2中，提供了一种视频图像去噪方法，如图5所示，具体包括如下步骤：

S501、基于上述图像的噪声估计方法，确定待处理视频的当前帧图像的噪声方差，并根据噪声方差确定运动检测阈值。

进一步地，可以根据实际需要使用预设系数与噪声方差相乘，并将乘积确定为运动检测阈值。

进一步地，本步骤与步骤S502-S503没有严格的执行顺序，也就是说，只要在步骤S504之前确定出运动检测阈值即可。

S502、基于第二预设尺寸，分别将当前帧图像和前一帧图像进行不重叠分块，得到当前帧图像的各图像块和前一帧图像的各图像块。

S503、针对当前帧图像的每个图像块，确定该图像块与前一帧图像中与该图像块位置对应的图像块之间的相似度。

S504、将S503中确定的相似度与S501中确定的运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块。

S505、分别对当前帧图像中的运动图像区域和静止图像区域进行去噪处理。

S506、确定当前帧图像中每个像素点的梯度值。

进一步地，本步骤与步骤S501-步骤S505的执行没有严格的先后顺序，也就是说，只要在执行步骤S507之前，确定出当前帧图像中每个像素点的梯度值即可。

进一步地，也可以将本步骤修改为：确定当前帧图像中的运动图像块中每个像素点的梯度值。

S507、从运动图像块中的各像素点中，确定梯度值大于预设梯度阈值的像素点。

进一步地，本步骤中，梯度值大于预设梯度阈值的像素点可以认为是作为运动目标的边缘的像素点。

S508、针对确定的像素点中的每个像素点，将对该像素点进行去噪处理之后得到的灰度值，与预设比例的对该像素点进行去噪处理之前的灰度值的和，进一步确定为对该像素点进行去噪处理之后的灰度值。

进一步地，对于当前帧图像中的运动图像块中和静止图像块中，作为非运动目标边缘的像素点，可以将去噪处理之后，得到的像素点的灰度值直接作为去噪处理之后该像素点的灰度值，而对于作为运动目标边缘的像素点，还需要按照本步骤进行进一步的处理。经过进一步地处理，能够使得图像中运动目标的细小边缘完整地保留，使得处理后的图像不会出现拖影现象。

本步骤中，假设作为运动目标边缘的像素点，进行去噪处理之前灰度值为Y，进行去噪处理之后灰度值为Y'，预设比例为α，则该像素点进行去噪处理之后，最终灰度值可以为：Y'+αY。

实施例3：

本发明实施例3中，提供了一种视频图像去噪方法，如图6所示，具体包括如下步骤：

S601、基于上述图像的噪声估计方法，确定待处理视频的当前帧图像的噪声方差，并根据噪声方差确定运动检测阈值。

进一步地，本步骤与步骤S602-S604没有严格的执行顺序，也就是说，只要在步骤S605之前确定出运动检测阈值即可。

S602、基于第二预设尺寸，分别将当前帧图像和前一帧图像进行不重叠分块，得到当前帧图像的各图像块和前一帧图像的各图像块。

S603、针对当前帧图像和前一帧图像的每个图像块，确定该图像块所在帧中，以该图像块为中心的s×s个图像块构成的图像区域。

S604、针对当前帧图像的每个图像块，采用如下公式确定该图像块与前一帧图像中与该图像块位置对应的图像块之间的相似度D(i,j,k)：

$D(i,j,k)=\underset{m=i-h}{\overset{i+h}{\mathrm{\Σ}}}\underset{n=j-h}{\overset{j+h}{\mathrm{\Σ}}}{[S_B(m,n,k)-S_B(m,n,k-1)]}^2---\left(3\right)$

其中，(i,j)表示该图像块的中心坐标；h的值为(s-1)/2；k和k-1表示帧号；(m,n)表示以该图像块为中心的图像区域中除该图像块之外的图像块相对于该图像块的坐标；S_B(m,n,k)表示第k帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和；S_B(m,n,k-1)表示第k-1帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和。

进一步地，假设s的值为3，也就是说，针对当前帧图像和前一帧图像的每个图像块，确定该图像块以及该图像块所在帧中，以该图像块为中心的3×3个图像块构成的图像区域，则以该图像块为中心的图像区域中，包括9个图像块。那么式（3）中，分别计算当前帧的9个图像块中每个图像块中所有像素点灰度值的和，以及前一帧的9个图像块中每个图像块中所有像素点灰度值的和，并分别确定当前帧中以及前一帧中各自的9个图像块中，每两个位置对应的图像块中所有像素点灰度值的和的差值的平方，并将得到的9个差值的平方相加，得到的和作为该图像块的相似度。

S605、当S604中确定的相似度大于S601中确定的运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为运动图像块；

当S604中确定的相似度不大于S601中确定的运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为静止图像块。

进一步地，本步骤中，当D(i,j,k)大于运动检测阈值时，可以将(i,j)表征的图像块中的每个像素点标记为1，否则，标记为0，那么被标记为1的像素点构成的图像块表征运动图像块，被标记为0的像素点构成的图像块表征静止图像块。

S606、分别对当前帧图像中的运动图像块和静止图像块进行去噪处理。

本步骤中，可以采用改进的3D-Rational滤波公式对当前帧图像中的静止图像块进行去噪处理，如式（4）所示：

$y_0^t=x_0^t-\underset{i,j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\frac{-x_i^{t-1}+2x_0^t-x_j^{t-1}}{k_t{(x_i^{t-1}-x_j^t)}^2+A_t}---\left(4\right)$

针对静止图像块中的每个像素点，假设该像素点进行去噪处理之前的灰度值为x₀，该像素点进行去噪处理之后的灰度值为y₀，t和t-1分别用来标识帧号（不表示幂值），Ω表示与该像素点相邻的九个像素点的索引集合，i和j分别表示Ω中的任一像素点，x_i和x_j分别表示i像素点和j像素点的灰度值，k_t，A_t均表示时域去噪调节因子。

本步骤中，可以采用改进的快速NLM方法，对当前帧图像中的运动图像块进行去噪处理，如式（5）所示：

$\mathrm{NLv}\left(i\right)=\underset{j\∈I}{\mathrm{\Σ}}w(i,j)v\left(j\right)---\left(5\right)$

其中，

$Z\left(i\right)=\underset{j}{\mathrm{\Σ}}w(i,j).$

在式（5）中，NLv(i)表示对像素点i进行去噪处理之后像素点i的灰度值，像素点j为与像素点i相邻的像素点，v(j)表示对像素点j进行去噪处理之前像素点j的灰度值，w(i,j)表示利用像素点j进行去噪处理之前像素点j的灰度值确定像素点i进行去噪处理之后像素点i的灰度值时，使用的各个权值。

式（6）为权值w(i,j)的计算公式，其中，||N(i)-N(j)||²表示像素点i和像素点j之间的欧式距离，h为衰减因子，▽v(i)表示像素点i的梯度值，▽v(j)表示像素点j的梯度值，σ_▽表示另一个梯度阈值，表示像素点i的均值，表示像素点j的均值，η₁和η₂分别表示第一均值阈值和第二均值阈值，较佳地，η₁和η₂可以分别取值为0.9和1.2。

基于同一发明构思，本发明实施例还提供了一种图像的噪声估计装置，由于这些装置所解决问题的原理与前述一种图像的噪声估计方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。

本发明实施例提供的一种图像的噪声估计装置，如图7所示，包括如下模块：

算子确定模块701，用于确定待处理图像的两个方向的拉普拉斯算子，其中，所述两个方向的拉普拉斯算子满足如下条件：对所述两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；

平滑处理模块702，用于利用所述差异算子对所述待处理图像进行平滑处理，得到平滑图像；

第一分块模块703，用于基于第一预设尺寸，将所述平滑图像进行不重叠分块，得到各图像块；

方差确定模块704，用于分别确定所述各图像块的方差，并

噪声估计模块705，用于从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将所述预设数量个方差的加权平均值确定为估计的所述待处理图像的噪声方差。

进一步地，所述平滑处理模块702，具体用于利用所述差异算子，采用如下公式对所述待处理图像进行平滑处理：

$n(x,y)=\underset{j=-l}{\overset{l}{\mathrm{\Σ}}}\underset{i=-l}{\overset{l}{\mathrm{\Σ}}}\mathrm{dL}(x+i,y+j)v(x+i,y+j);$

其中，(x,y)表示所述待处理图像中的像素点；v(x,y)表示对像素点(x,y)进行平滑处理之前，像素点(x,y)的灰度值；n(x,y)表示对像素点(x,y)进行平滑处理之后，像素点(x,y)的灰度值；l的值为所述差异算子模板的行数或者列数减1除以2。

基于同一发明构思，本发明实施例还提供了一种基于上述图像的噪声估计装置的视频图像去噪装置，由于这些装置所解决问题的原理与前述视频图像去噪方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。

本发明实施例提供的一种视频图像去噪装置，如图8所示，包括如下模块：

阈值确定模块801，用于通过上述图像的噪声估计装置，确定待处理视频的当前帧图像的噪声方差，并根据所述噪声方差确定运动检测阈值；

第二分块模块802，用于基于第二预设尺寸，分别将所述当前帧图像和前一帧图像进行不重叠分块，得到所述当前帧图像的各图像块和所述前一帧图像的各图像块；

相似度确定模块803，用于针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度；并

运动检测模块804，用于将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；

去噪处理模块805，用于分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理。

进一步地，上述视频图像去噪装置，还包括：

梯度值确定模块806，用于确定所述当前帧图像中每个像素点的梯度值；

像素点确定模块807，用于在所述去噪处理模块分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理之后，从所述运动图像块中的各像素点中，确定梯度值大于预设梯度阈值的像素点；

边缘处理模块808，用于针对确定的像素点中的每个像素点，将对该像素点进行去噪处理之后得到的灰度值，与预设比例的对该像素点进行去噪处理之前的灰度值的和，进一步确定为对该像素点进行去噪处理之后的灰度值。

进一步地，所述相似度确定模块803，具体用于针对所述当前帧图像和所述前一帧图像的每个图像块，确定该图像块以及该图像块所在帧中，以该图像块为中心的s×s个图像块构成的图像区域；

针对所述当前帧的每个图像块，采用如下公式确定该图像块与所述前一帧中与该图像块位置对应的图像块之间的相似度D(i,j,k)：

$D(i,j,k)=\underset{m=i-h}{\overset{i+h}{\mathrm{\Σ}}}\underset{n=j-h}{\overset{j+h}{\mathrm{\Σ}}}{[S_B(m,n,k)-S_B(m,n,k-1)]}^2$

其中，(i,j)表示该图像块的中心坐标；h的值为(s-1)/2；k和k-1表示帧号；(m,n)表示以该图像块为中心的图像区域中除该图像块之外的图像块相对于该图像块的坐标；S_B(m,n,k)表示第k帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和；S_B(m,n,k-1)表示第k-1帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和。

进一步地，所述运动检测模块804，具体用于当所述相似度大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为运动图像块；当所述相似度不大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为静止图像块。

上述各单元的功能可对应于图1至图3、图5-图6所示流程中的相应处理步骤，在此不再赘述。

本发明实施例提供的图像的噪声估计方法、视频图像去噪方法及装置，确定待处理图像的两个方向的拉普拉斯算子，其中，两个方向的拉普拉斯算子满足如下条件：对两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；利用差异算子对待处理图像进行平滑处理，得到平滑图像；基于第一预设尺寸，将平滑图像进行不重叠分块，得到各图像块；分别确定各图像块的方差，并从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将预设数量个方差的加权平均值确定为估计的待处理图像的噪声方差。在对待处理图像进行分块之前，对图像进行平滑处理，使得图像中的目标边缘变得平滑，那么，划分的各图像块中的图像变得平滑，各图像块计算的方差可以较为正常，利用方差进行图像的噪声估计更加准确；

进一步地，利用上述噪声估计方法确定待处理视频的当前帧图像的噪声方差，并根据噪声方差确定运动检测阈值；基于第二预设尺寸，分别将当前帧图像和前一帧图像进行不重叠分块，得到当前帧图像的各图像块和前一帧图像的各图像块；针对当前帧图像的每个图像块，确定该图像块与前一帧图像中与该图像块位置对应的图像块之间的相似度；并将相似度与运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；分别对当前帧图像中的运动图像块和静止图像块进行去噪处理。在上述对视频图像进行去噪处理的过程中，基于准确的噪声估计方法对图像进行噪声估计，再进行去噪处理，使得去噪处理效果更好。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种图像的噪声估计方法，其特征在于，包括：

确定待处理图像的两个方向的拉普拉斯算子，其中，所述两个方向的拉普拉斯算子满足如下条件：对所述两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；

利用所述差异算子对所述待处理图像进行平滑处理，得到平滑图像；

基于第一预设尺寸，将所述平滑图像进行不重叠分块，得到各图像块；

分别确定所述各图像块的方差，并

从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将所述预设数量个方差的加权平均值确定为估计的所述待处理图像的噪声方差。

2.如权利要求1所述的方法，其特征在于，利用所述差异算子，采用如下公式对所述待处理图像进行平滑处理：

$n(x,y)=\underset{j=-l}{\overset{l}{\mathrm{\Σ}}}\underset{i=-l}{\overset{l}{\mathrm{\Σ}}}\mathrm{dL}(x+i,y+j)v(x+i,y+j);$

其中，(x,y)表示所述待处理图像中的像素点；v(x,y)表示对像素点(x,y)进行平滑处理之前，像素点(x,y)的灰度值；n(x,y)表示对像素点(x,y)进行平滑处理之后，像素点(x,y)的灰度值；l的值为所述差异算子模板的行数或者列数减1除以2。

3.一种视频图像去噪方法，其特征在于，包括：

基于权利要求1-2任一所述图像的噪声估计方法，确定待处理视频的当前帧图像的噪声方差，并根据所述噪声方差确定运动检测阈值；

基于第二预设尺寸，分别将所述当前帧图像和前一帧图像进行不重叠分块，得到所述当前帧图像的各图像块和所述前一帧图像的各图像块；

针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度；并

将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；

分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理。

4.如权利要求3所述的方法，其特征在于，还包括：

确定所述当前帧图像中每个像素点的梯度值；

分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理之后，还包括：

从所述运动图像块中的各像素点中，确定梯度值大于预设梯度阈值的像素点；

针对确定的像素点中的每个像素点，将对该像素点进行去噪处理之后得到的灰度值，与预设比例的对该像素点进行去噪处理之前的灰度值的和，进一步确定为对该像素点进行去噪处理之后的灰度值。

5.如权利要求3所述的方法，其特征在于，针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度，具体包括：

针对所述当前帧图像和所述前一帧图像的每个图像块，确定该图像块所在帧中，以该图像块为中心的s×s个图像块构成的图像区域；

针对所述当前帧的每个图像块，采用如下公式确定该图像块与所述前一帧中与该图像块位置对应的图像块之间的相似度D(i,j,k)：

$D(i,j,k)=\underset{m=i-h}{\overset{i+h}{\mathrm{\Σ}}}\underset{n=j-h}{\overset{j+h}{\mathrm{\Σ}}}{[S_B(m,n,k)-S_B(m,n,k-1)]}^2$

其中，(i,j)表示该图像块的中心坐标；h的值为(s-1)/2；k和k-1表示帧号；(m,n)表示以该图像块为中心的图像区域中除该图像块之外的图像块相对于该图像块的坐标；S_B(m,n,k)表示第k帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和；S_B(m,n,k-1)表示第k-1帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和。

6.如权利要求3所述的方法，其特征在于，将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块，具体包括：

当所述相似度大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为运动图像块；

当所述相似度不大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为静止图像块。

7.一种图像的噪声估计装置，其特征在于，包括：

算子确定模块，用于确定待处理图像的两个方向的拉普拉斯算子，其中，所述两个方向的拉普拉斯算子满足如下条件：对所述两个方向的拉普拉斯算子进行预设线性运算得到的差异算子中，各行数值之和以及各列数值之和均为零，且位于中心的数值的绝对值大于位于非中心位置的数值的绝对值；

平滑处理模块，用于利用所述差异算子对所述待处理图像进行平滑处理，得到平滑图像；

第一分块模块，用于基于第一预设尺寸，将所述平滑图像进行不重叠分块，得到各图像块；

方差确定模块，用于分别确定所述各图像块的方差，并

噪声估计模块，用于从各方差中，按照方差值从小到大的顺序确定预设数量个方差，并将所述预设数量个方差的加权平均值确定为估计的所述待处理图像的噪声方差。

8.如权利要求7所述的装置，其特征在于，所述平滑处理模块，具体用于利用所述差异算子，采用如下公式对所述待处理图像进行平滑处理：

$n(x,y)=\underset{j=-l}{\overset{l}{\mathrm{\Σ}}}\underset{i=-l}{\overset{l}{\mathrm{\Σ}}}\mathrm{dL}(x+i,y+j)v(x+i,y+j);$

其中，(x,y)表示所述待处理图像中的像素点；v(x,y)表示对像素点(x,y)进行平滑处理之前，像素点(x,y)的灰度值；n(x,y)表示对像素点(x,y)进行平滑处理之后，像素点(x,y)的灰度值；l的值为所述差异算子模板的行数或者列数减1除以2。

9.一种视频图像去噪装置，其特征在于，包括：

阈值确定模块，用于通过权利要求7-8任一所述图像的噪声估计装置，确定待处理视频的当前帧图像的噪声方差，并根据所述噪声方差确定运动检测阈值；

第二分块模块，用于基于第二预设尺寸，分别将所述当前帧图像和前一帧图像进行不重叠分块，得到所述当前帧图像的各图像块和所述前一帧图像的各图像块；

相似度确定模块，用于针对所述当前帧图像的每个图像块，确定该图像块与所述前一帧图像中与该图像块位置对应的图像块之间的相似度；并

运动检测模块，用于将所述相似度与所述运动检测阈值进行比较，并根据比较结果确定该图像块为运动图像块或者静止图像块；

去噪处理模块，用于分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理。

10.如权利要求9所述的装置，其特征在于，还包括：

梯度值确定模块，用于确定所述当前帧图像中每个像素点的梯度值；

像素点确定模块，用于在所述去噪处理模块分别对所述当前帧图像中的运动图像块和静止图像块进行去噪处理之后，从所述运动图像块中的各像素点中，确定梯度值大于预设梯度阈值的像素点；

边缘处理模块，用于针对确定的像素点中的每个像素点，将对该像素点进行去噪处理之后得到的灰度值，与预设比例的对该像素点进行去噪处理之前的灰度值的和，进一步确定为对该像素点进行去噪处理之后的灰度值。

11.如权利要求9所述的装置，其特征在于，所述相似度确定模块，具体用于针对所述当前帧图像和所述前一帧图像的每个图像块，确定该图像块所在帧中，以该图像块为中心的s×s个图像块构成的图像区域；

针对所述当前帧的每个图像块，采用如下公式确定该图像块与所述前一帧中与该图像块位置对应的图像块之间的相似度D(i,j,k)：

$D(i,j,k)=\underset{m=i-h}{\overset{i+h}{\mathrm{\Σ}}}\underset{n=j-h}{\overset{j+h}{\mathrm{\Σ}}}{[S_B(m,n,k)-S_B(m,n,k-1)]}^2$

其中，(i,j)表示该图像块的中心坐标；h的值为(s-1)/2；k和k-1表示帧号；(m,n)表示以该图像块为中心的图像区域中除该图像块之外的图像块相对于该图像块的坐标；S_B(m,n,k)表示第k帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和；S_B(m,n,k-1)表示第k-1帧中中心坐标为(m,n)的图像块中所有像素点灰度值的和。

12.如权利要求9所述的装置，其特征在于，所述运动检测模块，具体用于当所述相似度大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为运动图像块；当所述相似度不大于所述运动检测阈值时，确定当前帧的该图像块相对上一帧中与该图像块位置对应的图像块为静止图像块。