CN109978774B - 多帧连续等曝光图像的去噪融合方法及装置 - Google Patents

多帧连续等曝光图像的去噪融合方法及装置 Download PDF

Info

Publication number
CN109978774B
CN109978774B CN201711449537.6A CN201711449537A CN109978774B CN 109978774 B CN109978774 B CN 109978774B CN 201711449537 A CN201711449537 A CN 201711449537A CN 109978774 B CN109978774 B CN 109978774B
Authority
CN
China
Prior art keywords
image
blocks
block
noise
frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711449537.6A
Other languages
English (en)
Other versions
CN109978774A (zh
Inventor
张晓盟
姬弘桢
杨傲
魏道敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Spreadtrum Communications Shanghai Co Ltd
Original Assignee
Spreadtrum Communications Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Spreadtrum Communications Shanghai Co Ltd filed Critical Spreadtrum Communications Shanghai Co Ltd
Priority to CN201711449537.6A priority Critical patent/CN109978774B/zh
Publication of CN109978774A publication Critical patent/CN109978774A/zh
Application granted granted Critical
Publication of CN109978774B publication Critical patent/CN109978774B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明提供一种多帧连续等曝光图像的去噪融合方法及装置，旨在联合同一场景的多张图像信息进行降噪并合成一张低噪高质量图像。所述方法包括：从多帧连续等曝光图像中选取一帧图像作为参考图像；将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像。本发明在融合过程中的计算完全基于非频域的处理，大大降低了计算量，同时兼顾了计算效率与融合结果。

Description

多帧连续等曝光图像的去噪融合方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种多帧连续等曝光图像的去噪融合方法及装置。
背景技术
受限于手机上相机的透镜及像素点的尺寸大小，在低亮环境下，手机拍照更容易产生噪声严重的图像。如何快速有效地估计噪声、去除噪声，在低亮情况下也能稳定成像便是一个挑战。
基于点的均值滤波可有效消除加在图像平滑区域各点上服从同分布的随机噪声，同理，基于若干个相似图像块的联合去噪也能十分有效地消除随机噪声。目前，基于块相似性的联合去噪方法主要包括3DNR(3D降噪)、NLM(非局部均值)、BM3D(三维块匹配)等，这些方法被证明是一种十分有效的可提高图像质量的手段。而图像的去噪处理，通常分为两种实现方式：其一是在空间域直接对像素的处理；另一种则先对图像进行转换，然后在变换域(频域)对于图像的变换系数进行处理，最后经反变换得到处理后图像。通常采用的3DNR与NLM实现方法是在空间域完成的，而BM3D兼顾时域与频域处理。
现有技术中采用的一种方案流程类似于BM3D，主要实现过程包括分组(对齐)和滤波(合并)两步。具体流程为：连续低曝光快拍获得Bayer(拜耳)域一组图像作为输入，选取参考帧(lucky image)，分块后再基于块内像素间距离的判断，为参考帧图像的每一个小块在其它帧中找到对应的小块，再经过对每一组参考块与对应块进行时域与空域的滤波，获得最终输出图像。该方案的优势在于：在暗光或者有快速运动物体的情景下，***稳定，成像噪声小，伪影问题能够得到很好控制；且在Bayer域的操作可有效地提高图像的动态范围。
但是，由于该方案流程中的关键步骤合并无论在时域或空域处理均在频域完成的，因而存在一些突出且明显的缺点，主要有：1、耗时：Bayer域输入图像的处理分四个平面分别进行频域的滤波处理，计算量变大；2、频域的单点处理会影响整个空间域像素的取值，其参数调制与控制较难，容易生成伪彩色；在高对比度及高频区域，易出现各种伪影。
发明内容
本发明提供的多帧连续等曝光图像的去噪融合方法及装置，融合过程中的计算完全基于非频域的处理，大大降低了计算量，同时兼顾了计算效率与融合结果。
第一方面，本发明提供一种多帧连续等曝光图像的去噪融合方法，包括：
从多帧连续等曝光图像中选取一帧图像作为参考图像；
将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；
分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像。
可选地，在所述分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像之后，所述方法还包括：
对所述经时域融合后的图像进行空域滤波。
可选地，所述对每组图像块进行融合，得到多组融合后的图像块包括：
计算所述参考图像中每个参考块与其它各帧图像中的对应块之间的距离；
将计算出来的距离与预设阈值进行比较；
当计算出来的距离小于预设阈值时，保持其它帧图像中的对应块不变；
当计算出来的距离大于预设阈值时，自动构造含噪声的对应块；
加权平均所有对应块与参考块，得到融合后的图像块。
可选地，所述自动构造含噪声的对应块包括：
统计与参考块不匹配的对应块的个数m；
获取参考块图像的噪声水平估计；
自动构造含噪声的m个对应块。
可选地，所述自动构造含噪声的m个对应块包括：
估计原始无噪声参考块；
为所述原始无噪声参考块添加随机噪声，构造出含噪声的对应块m个。
第二方面，本发明提供一种多帧连续等曝光图像的去噪融合装置，包括：
选取单元，用于从多帧连续等曝光图像中选取一帧图像作为参考图像；
分组单元，用于将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；
融合单元，用于分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像
可选地，所述装置还包括：
滤波单元，用于对所述经时域融合后的图像进行空域滤波。
可选地，所述融合单元包括：
计算模块，用于计算所述参考图像中每个参考块与其它各帧图像中的对应块之间的距离；
比较模块，用于将计算出来的距离与预设阈值进行比较；
保持模块，用于当计算出来的距离小于预设阈值时，保持其它帧图像中的对应块不变；
构造模块，用于当计算出来的距离大于预设阈值时，自动构造含噪声的对应块；
加权模块，用于加权平均所有对应块与参考块，得到融合后的图像块。
可选地，所述构造模块包括：
统计子模块，用于统计与参考块不匹配的对应块的个数m；
获取子模块，用于获取参考块图像的噪声水平估计；
构造子模块，用于自动构造含噪声的m个对应块。
可选地，所述构造子模块包括：
估计分模块，用于估计原始无噪声参考块；
构造分模块，用于为所述原始无噪声参考块添加随机噪声，构造出含噪声的对应块m个。
本发明实施例提供的多帧连续等曝光图像的去噪融合方法及装置，为避免频域处理，直接对图像组像素操作，分两步完成对输入图像在时域与空域的融合，融合过程中的计算完全基于非频域的处理，大大降低了计算量，既可以避免频域计算的耗时，以提高计算速度，同时兼顾了计算效率与融合结果；也能避免因频域处理不当而引入的各种伪影，从而在易控制/***稳定等方面得以改进。
附图说明
图1为本发明一实施例多帧连续等曝光图像的去噪融合方法的流程图；
图2为本发明一实施例多帧连续等曝光图像的去噪融合装置的结构示意图；
图3为本发明另一实施例多帧连续等曝光图像的去噪融合装置的结构示意图；
图4为本发明再一实施例多帧连续等曝光图像的去噪融合装置的结构示意图；
图5为本发明又一实施例多帧连续等曝光图像的去噪融合装置的结构示意图；
图6为本发明还一实施例多帧连续等曝光图像的去噪融合装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
旨在联合同一场景的多张图像信息进行降噪并合成一张低噪高质量图像，本发明实施例提供一种多帧连续等曝光图像的去噪融合方法，如图1所示，所述方法包括：
S11、从多帧连续等曝光图像中选取一帧图像作为参考图像。
S12、将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块。
S13、分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像。
本发明实施例提供的多帧连续等曝光图像的去噪融合方法，为避免频域处理，直接对图像组像素操作，分两步完成对输入图像在时域与空域的融合，融合过程中的计算完全基于非频域的处理，大大降低了计算量，既可以避免频域计算的耗时，以提高计算速度，同时兼顾了计算效率与融合结果；也能避免因频域处理不当而引入的各种伪影，从而在易控制/***稳定等方面得以改进。
下面对本发明多帧连续等曝光图像的去噪融合方法进行详细说明。
S21、输入一组图像。
这里的图像，指一组连续的且具有相同较短曝光时间的图像，适用于噪声模型简单易估的图像(如Bayer域)。
S22、选取参考图像，并实现分块对齐。
从多帧图像中选取一张图像作为参考图像，然后将参考图像进行分块，基于高斯分层法，从粗至细，为参考图像中的每一小块图像(tile，参考块)在每一帧对应图像中找到与之对应的小块(对应块)，其实这是一个分组的过程。
S23、多帧图分块融合。
基于步骤S22分组的结果，融合每一组图像小块的具体步骤如下：
S231、计算参考图像中每一个小块与其它图像中对应小块之间的距离，可参照公式(1)：
Figure BDA0001528251310000061
其中，m*n是图像小块的尺寸，Tc与Ta,l分别是指参考块与第l帧中的对应块，距离D不限于2-范数，也可以是1-范数，即差值的绝对值的和，或者其它定义范数。
S232、比较D与预设阈值T的大小。
D即为公式(1)的计算结果，而阈值T是一个预设数值。比较结果分两种情况处理：
(1)D≤T：说明对应块与参考块内容相似，转至步骤S233；
(2)D>T：说明第i帧中的对应块内容与参考块差别较大，选择直接舍弃该对应块，然后转至步骤S234。
S233、保持该帧中的对应块不变。
S234、自动构造含噪声的对应块。
采取该步骤的理由在于，剔除不合适的块，能防止融合过程中出现伪影；构造含噪声的对应块，则在于消除合成图像的噪声水平不均匀现象。该步骤的具体过程包含：
a、统计与参考块不匹配的对应块的个数m
b、获取参考块图像的噪声水平估计，噪声水平(方差)σ1 2的估计可由对参考块的求均方差而获得(基于图像噪声模型简单与小块划分的前提)
c、自动构造含噪声的m张对应块：
c1、估计原始无噪声参考块Ts，可采取的方式是：1、基于高斯核卷积完成对参考块的滤波；2、利用其它小于阈值的对应块与参考块平均，获得降噪后的图像。方法应不限于这两种，也可以结合帧间与帧内间的图像信息获取降噪后图像。
c2、基于公式(2)，给Ts上添加随机噪声，自动构造含噪声的对应块m个。
Ta,i＝Ts+σ2*randn(row,col) (2)
Bayer域噪声在暗场处以加性白噪声为主，而在亮度加大时主要表现为泊松分布模型，为了便于计算，结合图像小块的特点，假定每个小块图像上的噪声水平相同，其噪声方差的是基于步骤b估计得到，然后再通过适度放缩而获取最终方差，即σ2＝k*σ1 2，其中k为调节系数，randn(row,col)负责生成随机高斯噪声。
S235、加权平均所有对应块与参考块。
Figure BDA0001528251310000071
公式(3)给出了最简单的直接平均加和计算法。但计算方法不限于此，还可以采用其它方法，比如基于距离远近的权值计算法
Figure BDA0001528251310000081
公式(4)中的wi即为权值；也可以采用基于逐点计算的加权法，如式(5)所示：
Figure BDA0001528251310000082
基于以上步骤逐组实现图像小块融合，最终实现整幅图像的融合。
S24、输出合成图并完成空域去噪。
为参考图上所有的图像小块都进行步骤S23的操作，得到一幅经时域融合后的图像，该步骤主要完成了多张图像在时域上的去噪与融合，为进一步去噪，选择NLM方法或者双边滤波法或者其它方法完成空域的滤波。
S25、输出合成后图像。
本发明实施例还提供一种多帧连续等曝光图像的去噪融合装置，如图2所示，所述装置包括：
选取单元11，用于从多帧连续等曝光图像中选取一帧图像作为参考图像；
分组单元12，用于将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；
融合单元13，用于分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像
本发明实施例提供的多帧连续等曝光图像的去噪融合装置，为避免频域处理，直接对图像组像素操作，分两步完成对输入图像在时域与空域的融合，融合过程中的计算完全基于非频域的处理，大大降低了计算量，既可以避免频域计算的耗时，以提高计算速度，同时兼顾了计算效率与融合结果；也能避免因频域处理不当而引入的各种伪影，从而在易控制/***稳定等方面得以改进。
进一步地，如图3所示，所述装置还包括：
滤波单元14，用于对所述经时域融合后的图像进行空域滤波。
可选地，如图4所示，所述融合单元13包括：
计算模块131，用于计算所述参考图像中每个参考块与其它各帧图像中的对应块之间的距离；
比较模块132，用于将计算出来的距离与预设阈值进行比较；
保持模块133，用于当计算出来的距离小于预设阈值时，保持其它帧图像中的对应块不变；
构造模块134，用于当计算出来的距离大于预设阈值时，自动构造含噪声的对应块；
加权模块135，用于加权平均所有对应块与参考块，得到融合后的图像块。
可选地，如图5所示，所述构造模块134包括：
统计子模块1341，用于统计与参考块不匹配的对应块的个数m；
获取子模块1342，用于获取参考块图像的噪声水平估计；
构造子模块1343，用于自动构造含噪声的m个对应块。
可选地，如图6所示，所述构造子模块1343包括：
估计分模块13431，用于估计原始无噪声参考块；
构造分模块13432，用于为所述原始无噪声参考块添加随机噪声，构造出含噪声的对应块m个。
本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种多帧连续等曝光图像的去噪融合方法，其特征在于，包括：
从多帧连续等曝光图像中选取一帧图像作为参考图像；
将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；
分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像；
所述对每组图像块进行融合，得到多组融合后的图像块包括：计算所述参考图像中每个参考块与其它各帧图像中的对应块之间的距离；将计算出来的距离与预设阈值进行比较；当计算出来的距离小于预设阈值时，保持其它帧图像中的对应块不变；当计算出来的距离大于预设阈值时，自动构造含噪声的对应块；加权平均所有对应块与参考块，得到融合后的图像块；
所述自动构造含噪声的对应块包括：统计与参考块不匹配的对应块的个数m；获取参考块图像的噪声水平估计；自动构造含噪声的m个对应块。
2.根据权利要求1所述的方法，其特征在于，在所述分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像之后，所述方法还包括：
对所述经时域融合后的图像进行空域滤波。
3.根据权利要求1所述的方法，其特征在于，所述自动构造含噪声的m个对应块包括：
估计原始无噪声参考块；
为所述原始无噪声参考块添加随机噪声，构造出含噪声的对应块m个。
4.一种多帧连续等曝光图像的去噪融合装置，其特征在于，包括：
选取单元，用于从多帧连续等曝光图像中选取一帧图像作为参考图像；
分组单元，用于将所述参考图像进行分块，得到多个参考块，在其它各帧图像中找到与每个参考块相应的对应块，得到多组图像块；
融合单元，用于分别对每组图像块进行融合，得到多组融合后的图像块，并最终得到经时域融合后的图像；
所述融合单元包括：计算模块，用于计算所述参考图像中每个参考块与其它各帧图像中的对应块之间的距离；比较模块，用于将计算出来的距离与预设阈值进行比较；保持模块，用于当计算出来的距离小于预设阈值时，保持其它帧图像中的对应块不变；构造模块，用于当计算出来的距离大于预设阈值时，自动构造含噪声的对应块；加权模块，用于加权平均所有对应块与参考块，得到融合后的图像块；
所述构造模块包括：统计子模块，用于统计与参考块不匹配的对应块的个数m；获取子模块，用于获取参考块图像的噪声水平估计；构造子模块，用于自动构造含噪声的m个对应块。
5.根据权利要求4所述的装置，其特征在于，所述装置还包括：
滤波单元，用于对所述经时域融合后的图像进行空域滤波。
6.根据权利要求4所述的装置，其特征在于，所述构造子模块包括：
估计分模块，用于估计原始无噪声参考块；
构造分模块，用于为所述原始无噪声参考块添加随机噪声，构造出含噪声的对应块m个。
CN201711449537.6A 2017-12-27 2017-12-27 多帧连续等曝光图像的去噪融合方法及装置 Active CN109978774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711449537.6A CN109978774B (zh) 2017-12-27 2017-12-27 多帧连续等曝光图像的去噪融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711449537.6A CN109978774B (zh) 2017-12-27 2017-12-27 多帧连续等曝光图像的去噪融合方法及装置

Publications (2)

Publication Number Publication Date
CN109978774A CN109978774A (zh) 2019-07-05
CN109978774B true CN109978774B (zh) 2021-06-18

Family

ID=67071746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711449537.6A Active CN109978774B (zh) 2017-12-27 2017-12-27 多帧连续等曝光图像的去噪融合方法及装置

Country Status (1)

Country Link
CN (1) CN109978774B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689502B (zh) * 2019-10-09 2022-06-14 深圳看到科技有限公司 一种图像处理方法及相关装置
CN110990088B (zh) * 2019-12-09 2023-08-11 Oppo广东移动通信有限公司 数据处理方法及相关设备
CN111986155A (zh) * 2020-07-20 2020-11-24 广州润普网络科技有限公司 一种通用场景文字识别方法及装置
CN112801908B (zh) * 2021-02-05 2022-04-22 深圳技术大学 图像去噪方法、装置、计算机设备和存储介质
CN113191965B (zh) * 2021-04-14 2022-08-09 浙江大华技术股份有限公司 图像降噪方法、设备及计算机存储介质
CN113240607A (zh) * 2021-05-26 2021-08-10 Oppo广东移动通信有限公司 图像去噪方法、装置、电子设备及存储介质
CN113344821B (zh) * 2021-06-29 2022-10-21 展讯通信（上海）有限公司 图像降噪方法、装置、终端、存储介质
CN113766150B (zh) * 2021-08-31 2024-03-26 北京安酷智芯科技有限公司 一种降噪方法、电路***、电子设备及计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102238316A (zh) * 2010-04-29 2011-11-09 北京科迪讯通科技有限公司 一种3d数字视频图像的自适应实时降噪方案
CN103606132A (zh) * 2013-10-31 2014-02-26 西安电子科技大学 基于空域和时域联合滤波的多帧数字图像去噪方法
CN104952040A (zh) * 2014-03-26 2015-09-30 安凯(广州)微电子技术有限公司 图像滤波方法和装置
WO2016113888A1 (ja) * 2015-01-15 2016-07-21 株式会社島津製作所 画像処理装置
CN106251365A (zh) * 2016-07-22 2016-12-21 北京邮电大学 多曝光视频融合方法及装置
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN106897975A (zh) * 2017-02-07 2017-06-27 信阳师范学院 一种超立方体粒计算的图像去噪方法
CN107403413A (zh) * 2017-04-14 2017-11-28 杭州当虹科技有限公司 一种视频多帧去噪及增强方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639934B (zh) * 2009-09-04 2012-07-04 西安电子科技大学 基于轮廓波域块隐马尔可夫模型sar图像去噪方法
TWI552897B (zh) * 2013-05-17 2016-10-11 財團法人工業技術研究院 影像動態融合方法與裝置
WO2015177845A1 (ja) * 2014-05-19 2015-11-26 株式会社島津製作所 画像処理装置
CN105741255B (zh) * 2014-12-08 2018-11-16 展讯通信（上海）有限公司 图像融合方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102238316A (zh) * 2010-04-29 2011-11-09 北京科迪讯通科技有限公司 一种3d数字视频图像的自适应实时降噪方案
CN103606132A (zh) * 2013-10-31 2014-02-26 西安电子科技大学 基于空域和时域联合滤波的多帧数字图像去噪方法
CN104952040A (zh) * 2014-03-26 2015-09-30 安凯(广州)微电子技术有限公司 图像滤波方法和装置
WO2016113888A1 (ja) * 2015-01-15 2016-07-21 株式会社島津製作所 画像処理装置
CN106251365A (zh) * 2016-07-22 2016-12-21 北京邮电大学 多曝光视频融合方法及装置
CN106251318A (zh) * 2016-09-29 2016-12-21 杭州雄迈集成电路技术有限公司 一种序列图像的去噪装置及方法
CN106897975A (zh) * 2017-02-07 2017-06-27 信阳师范学院 一种超立方体粒计算的图像去噪方法
CN107403413A (zh) * 2017-04-14 2017-11-28 杭州当虹科技有限公司 一种视频多帧去噪及增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
High quality multi-focus polychromatic composite image fusion algorithm based on filtering in frequency domain and synthesis in space domain;Lei Z.等;《Journal of Zhejiang University SCIENCE C (Comput & Electron)》;20100507;第365-374页 *
一种基于多通道联合估计的非局部均值彩色图像去噪方法;王翔 等;《数据采集与处理》;20171130;第32卷(第6期);第1187-1197页 *

Also Published As

Publication number Publication date
CN109978774A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109978774B (zh) 多帧连续等曝光图像的去噪融合方法及装置
CN112767289B (zh) 图像融合方法、装置、介质及电子设备
CN110324664B (zh) 一种基于神经网络的视频补帧方法及其模型的训练方法
EP2852152B1 (en) Image processing method, apparatus and shooting terminal
JP5007228B2 (ja) 画像クリーンアップおよび前置符号化
US9549164B2 (en) Image processing apparatus and method, and related computer program
TWI596573B (zh) 影像處理裝置及其影像雜訊抑制方法
CN109963048B (zh) 降噪方法、降噪装置及降噪电路***
JP5822157B2 (ja) ノイズ低減装置、ノイズ低減方法及びプログラム
US8818127B2 (en) Image processing apparatus and image processing method
CN102073993A (zh) 一种基于摄像机自标定的抖动视频去模糊方法和装置
CN113850741B (zh) 图像降噪方法、装置、电子设备以及存储介质
CN111242860B (zh) 超级夜景图像的生成方法、装置、电子设备及存储介质
WO2023273868A1 (zh) 图像降噪方法、装置、终端、存储介质
US9111339B1 (en) System and method for reducing noise from an image
CN113379609B (zh) 一种图像处理方法、存储介质及终端设备
CN113632134A (zh) 使用预组合去噪的高动态范围图像生成
CN111340732A (zh) 一种低照度视频图像增强方法及装置
KR102395305B1 (ko) 저조도 영상 개선 방법
KR101456445B1 (ko) Ｈｓｖ 색상 공간에서 영상의 안개 제거 장치 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
CN111416937B (zh) 图像处理方法、装置、存储介质及移动设备
Luo et al. Real‐time digital image stabilization for cell phone cameras in low‐light environments without frame memory
Munezawa et al. Noise removal method for moving images using 3-D and time-domain total variation regularization decomposition
CN116634284B (zh) Raw域视频去噪方法、装置、电子设备及存储介质
EP2631871B1 (en) Virtual image generation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant