CN116205810B - 视频降噪方法、装置和电子设备 - Google Patents

视频降噪方法、装置和电子设备 Download PDF

Info

Publication number
CN116205810B
CN116205810B CN202310108936.5A CN202310108936A CN116205810B CN 116205810 B CN116205810 B CN 116205810B CN 202310108936 A CN202310108936 A CN 202310108936A CN 116205810 B CN116205810 B CN 116205810B
Authority
CN
China
Prior art keywords
image
noise reduction
denoising
target image
target
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
CN202310108936.5A
Other languages
English (en)
Other versions
CN116205810A (zh
Inventor
刘建伟
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.)
Aixin Yuanzhi Semiconductor Co ltd
Aixin Yuanzhi Semiconductor Ningbo Co ltd
Original Assignee
Aixin Yuanzhi Semiconductor 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 Aixin Yuanzhi Semiconductor Shanghai Co Ltd filed Critical Aixin Yuanzhi Semiconductor Shanghai Co Ltd
Priority to CN202310108936.5A priority Critical patent/CN116205810B/zh
Publication of CN116205810A publication Critical patent/CN116205810A/zh
Application granted granted Critical
Publication of CN116205810B publication Critical patent/CN116205810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本申请提出一种视频降噪方法、装置和电子设备，方法包括：将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像，将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像，根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。由此可知，本申请满足了对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好，提升了视频降噪的可调性，更大范围的满足了各种场景的各种画质需求。

Description

视频降噪方法、装置和电子设备
技术领域
本申请涉及视频降噪技术领域，尤其涉及一种视频降噪方法、装置和电子设备。
背景技术
视频降噪是把噪声从视频的图像信号中去除，以使得视频的效果更好。
现有技术中，使用多种降噪算法来对视频进行降噪，如有高斯滤波，双边滤波，Non-Local-Mean，IIR滤波；或者，利用神经网络对视频进行降噪处理，即将视频输入到神经网络中，输出对应的去噪后的视频。
但是，相关技术中，传统降噪算法的降噪能力有限，并且在做时域降噪的时候很难分辨运动物体和背景从而造成鬼影等现象；基于神经网络的降噪方法，去噪能力很强，但是可调性差，很难分别控制运动物体和背景区域的降噪力度，并且很难在细节纹理和噪声去除之间进行调整，从而使得视频降噪后的效果不好。
发明内容
本申请提供一种视频降噪方法、装置及存储介质，以至少解决相关技术中的视频降噪效果不好的技术问题。
本申请第一方面实施例提出一种视频降噪方法，包括：
将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像；
将所述目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，所述第一降噪图像为所述目标图像的上一帧图像对应的已经过降噪处理的图像；
根据所述目标图像、第一图像和第二图像对所述目标图像进行降噪力度控制，得到第三图像；
根据所述第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像；
利用可区分调节的降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理后的第二降噪图像。
本申请第二方面实施例提出一种视频降噪装置，包括：
第一降噪模块，用于将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像；
第二降噪模块，用于将所述目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，所述第一降噪图像为所述目标图像的上一帧图像对应的已经过降噪处理的图像；
处理模块，用于根据所述目标图像、第一图像和第二图像对所述目标图像进行降噪力度控制，得到第三图像；
融合模块，用于根据所述第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像；
第三降噪模块，用于利用可区分调节的降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理后的第二降噪图像。
本申请第三方面实施例提出的计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现如上第一方面所述的方法。
本申请第四方面实施例提出的计算机设备，其中，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时，能够实现如上第一方面所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本公开实施例中提出的视频降噪方法、装置和电子设备，将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像，将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像，根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像，根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。由此可知，在本公开的实施例中，通过对不同区域分配不同的神经网络进行，然后对不同区域利用不同的降噪力度进行调节，和可区分调节的降噪算法的降噪力度，使得视频保留更多的细节，从而满足了对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好，提升了视频降噪的可调性，更大范围的满足了各种场景的各种画质需求。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的视频降噪方法的流程示意图；
图2为根据本申请一个实施例提供的视频降噪方法的流程示意图；
图3为根据本申请一个实施例提供的视频降噪装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的视频降噪方法及装置。
实施例一
图一为根据本申请一个实施例提供的视频降噪方法的流程示意图，如图1所示，所述方法可以包括：
步骤101、将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像。
本公开实施例中，上述空域降噪神经网络为编码器-解码器结构的全卷积神经网络。
以及，本公开实施例中，将待处理视频中的目标图像输入至空域降噪神经网络后，通过编码器-解码器结构的全卷积神经网络得到经过空域神经网络降噪后的第一图像，以对目标图像中的不同亮度进行降噪。
本公开实施例中，上述目标图像的格式可以是RAW图像、RGB图像、YUV图像的任意一种。
步骤102、将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像。
其中，本公开实施例中，上述第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像。
本公开实施例中，上述时域降噪神经网络为编码器-解码器结构的全卷积神经网络。
以及，本公开实施例中，上述第二图像中的像素点与目标图像中的像素点一一对应，第二图像中像素点的值为目标图像中的像素点的运动系数。具体地，本公开实施例中，上述第二图像中像素点的值在0到1之间，也即是，第二图像的每个像素点表示目标图像的同一位置像素点和第一降噪图像中同一位置像素点相比是不是运动的，0表示没有运动，1表示肯定运动，其余值表示运动的置信度。
步骤103、根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像。
其中，本公开实施例中，上述通过步骤102得到第二图像之后，根据第二图像可以得到不同的运动区域，基于此，可以基于目标图像和第二图像得到目标图像中每个像素点对应的控制降噪的力度，以便根据每个像素点的控制降噪的力度对目标图像和第一图像进行降噪调整。具体这部分内容会在后续实施例中进行详细介绍。
步骤104、根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像。
其中，本公开实施例中，通过步骤103得到第三图像之后，可以通过第二图像的像素值对上述第一降噪图像和第三图像进行时域融合，得到第四图像。关于这部分内容会在后续实施例中进行详细介绍。
步骤105、利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。
其中，本公开实施例中，上述可区分调节的降噪算法可以为可区分调节的传统降噪算法。
需要说明的是，本公开实施例中，可以对不同区域(不同亮度，运动区域和背景区域)分配不同的神经网络降噪力度和传统降噪的降噪力度，从而满足对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好。
以及，本公开实施例中，图像中的运动区域很难获得时域上的融合因此信躁比较低，本申请中使用时域降噪神经网络先进行部分降噪，然后用后续的传统可区分调节的降噪算法块进行降噪，在降低噪声的同时保持合适的降噪力度；对于高信噪比(背景区域或者亮度较高的区域)的区域，本申请使用空域神经网进行处理，后续利用可区分调节的降噪算法进行处理时力度可以适当减小，以保留更多的细节。基于此，本申请提升了视频降噪的可调性，可以更大范围的满足各种场景的各种画质需求。
综上所述，本公开实施例中提出的视频降噪方法，将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像，将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像，根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像，根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。由此可知，在本公开的实施例中，通过对不同区域分配不同的神经网络进行，然后对不同区域利用不同的降噪力度进行调节，和可区分调节的降噪算法的降噪力度，使得视频保留更多的细节，从而满足了对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好，提升了视频降噪的可调性，更大范围的满足了各种场景的各种画质需求。
实施例二
图二为根据本申请一个实施例提供的视频降噪方法的流程示意图，如图2所示，所述方法可以包括：
步骤201、将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像。
步骤202、将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像。
步骤203、根据第一图像与第二图像中各个同一位置的像素点的像素值，得到降噪力度控制图像。
其中，本公开实施例中，上述降噪力度控制图像的像素点表示控制降噪的力度值。
本公开实施例中，根据第一图像与第二图像中各个同一位置的像素点的像素值，得到降噪力度控制图像的方法可以包括：根据第一图像的像素值和第二图像中各个同一位置的像素点的像素值从预设二维数组中查找该位置对应的控制降噪的力度值，得到降噪力度控制图像。其中，预设二维数组为第一图像的像素值和第二图像的像素值对应的控制降噪的力度值
步骤204、利用降噪力度控制图像中的像素值，对第一图像和目标图像中各个同一位置的像素点的像素值进行融合，得到第三图像。
本公开实施例中，利用降噪力度控制图像中的像素值，对第一图像和目标图像中各个同一位置的像素点的像素值进行融合，得到第三图像的方法可以包括：利用降噪力度控制图像中的像素值，通过第一公式对第一图像和目标图像中各个同一位置的像素点的像素值进行融合，得到第三图像，其中，第一公式为：cur_control＝Strength*cur_denoised+(1-Strength)*cur，其中，Strength为降噪力度控制图像中的像素值，cur_denoised为第一图像中的像素值，cur为目标图像的像素值，cur_control为第三图像的像素值。
步骤205、利用第二图像中的像素值，对第一降噪图像和第三图像中各个同一位置的像素点的像素值进行时域融合，得到第四图像。
其中，本公开实施例中，利用第二图像中的像素值，对第一降噪图像和第三图像中各个同一位置的像素点的像素值进行时域融合，得到第四图像的方法可以包括：利用第二图像中的像素值，通过第二公式对第一降噪图像和第三图像中各个同一位置的像素点的像素值进行时域融合，得到第四图像，其中，第二公式为：cur_blend＝cur_control*alpha+prev*(1-alpha)，其中，alpha为第二图像中的像素值，cur_control为第三图像中的像素值，prev为第一降噪图像的像素值，cur_blend为第四图像的像素值。
步骤206、利用可区分调节的传统降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理的第二降噪图像。
综上所述，本公开实施例中提出的视频降噪方法，将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像，将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像，根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像，根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。由此可知，在本公开的实施例中，通过对不同区域分配不同的神经网络进行，然后对不同区域利用不同的降噪力度进行调节，和可区分调节的降噪算法的降噪力度，使得视频保留更多的细节，从而满足了对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好，提升了视频降噪的可调性，更大范围的满足了各种场景的各种画质需求。
实施例三
图三为根据本申请一个实施例提供的视频降噪装置的结构示意图，如图3所示，所述装置可以包括：
第一降噪模块301，用于将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像；
第二降噪模块302，用于将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像；
处理模块303，用于根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像；
融合模块304，用于根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像；
第三降噪模块305，用于利用可区分调节的降噪算法对第四图像和所述第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。
其中，本公开实施例中，空域降噪神经网络为编码器-解码器结构的全卷积神经网络，时域降噪神经网络为编码器-解码器结构的全卷积神经网络。
以及，本公开实施例中，所述第二图像中的像素点与所述目标图像中的像素点一一对应，所述第二图像中像素点的值为所述目标图像中的像素点的运动系数。
进一步地，本公开实施例中，上述装置处理模块具体用于：
根据第一图像与第二图像中各个同一位置的像素点的像素值，得到降噪力度控制图像，其中，降噪力度控制图像的像素点表示控制降噪的力度；
利用降噪力度控制图像中的像素值，对第一图像和目标图像中各个同一位置的像素点的像素值进行融合，得到第三图像。
进一步地，本公开实施例中，上述融合模块具体用于：
利用第二图像中的像素值，对第一降噪图像和第三图像中各个同一位置的像素点的像素值进行时域融合，得到第四图像。
进一步地，本公开实施例中，上述第三降噪模块，具体用于：
利用可区分调节的传统降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理的第二降噪图像。
综上所述，本公开实施例中提出的视频降噪装置，将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像，将目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，第一降噪图像为目标图像的上一帧图像对应的已经过降噪处理的图像，根据目标图像、第一图像和第二图像对目标图像进行降噪力度控制，得到第三图像，根据第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，利用可区分调节的降噪算法对第四图像和第二图像进行降噪，得到目标图像对应的降噪处理后的第二降噪图像。由此可知，在本公开的实施例中，通过对不同区域分配不同的神经网络进行，然后对不同区域利用不同的降噪力度进行调节，和可区分调节的降噪算法的降噪力度，使得视频保留更多的细节，从而满足了对于不同区域解析力和噪声的需求，从而使整体的画质达到一个最优的效果，使得视频降噪的效果更好，提升了视频降噪的可调性，更大范围的满足了各种场景的各种画质需求。
为了实现上述实施例，本公开还提出一种计算机存储介质。
本公开实施例提供的计算机存储介质，存储有可执行程序；所述可执行程序被处理器执行后，能够实现如图1或图2任一所示的方法。
为了实现上述实施例，本公开还提出一种计算机设备。
本公开实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；所述处理器执行所述程序时，能够实现如图1或图2任一所示的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种视频降噪方法，其特征在于，所述方法包括：
将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像；
将所述目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，所述第一降噪图像为所述目标图像的上一帧图像对应的已经过降噪处理的图像，所述第二图像中的像素点与所述目标图像中的像素点一一对应，所述第二图像中像素点的值为所述目标图像中的像素点的运动系数，其中，所述第二图像中像素点的值在0和1之间，所述第二图像的每个像素点表示所述目标图像的同一位置像素点和所述第一降噪图像中同一位置像素点相比是不是运动的，0表示没有运动，1表示运动，其余值表示运动的置信度；
根据所述目标图像、第一图像和第二图像对所述目标图像进行降噪力度控制，得到第三图像；
根据所述第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，其中，利用所述第二图像中的像素值，对所述第一降噪图像和所述第三图像中各个同一位置的像素点的像素值进行时域融合，以得到所述第四图像；
利用可区分调节的降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理后的第二降噪图像。
2.根据权利要求1所述的方法，其特征在于，所述空域降噪神经网络为编码器-解码器结构的全卷积神经网络，所述时域降噪神经网络为编码器-解码器结构的全卷积神经网络。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像、第一图像和第二图像对所述目标图像进行降噪力度控制，得到第三图像，包括：
根据所述第一图像与所述第二图像中各个同一位置的像素点的像素值，得到降噪力度控制图像，其中，所述降噪力度控制图像的像素点表示控制降噪的力度；
利用所述降噪力度控制图像中的像素值，对所述第一图像和所述目标图像中各个同一位置的像素点的像素值进行融合，得到第三图像。
4.根据权利要求1所述的方法，其特征在于，所述利用可区分调节的降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理后的第二降噪图像，包括：利用可区分调节的传统降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理的第二降噪图像。
5.一种视频降噪装置，其特征在于，所述装置包括：
第一降噪模块，用于将待处理视频中的目标图像输入至空域降噪神经网络中，得到第一图像；
第二降噪模块，用于将所述目标图像与第一降噪图像输入至时域降噪神经网络中，得到第二图像，所述第一降噪图像为所述目标图像的上一帧图像对应的已经过降噪处理的图像，所述第二图像中的像素点与所述目标图像中的像素点一一对应，所述第二图像中像素点的值为所述目标图像中的像素点的运动系数，其中，所述第二图像中像素点的值在0和1之间，所述第二图像的每个像素点表示所述目标图像的同一位置像素点和所述第一降噪图像中同一位置像素点相比是不是运动的，0表示没有运动，1表示运动，其余值表示运动的置信度；
处理模块，用于根据所述目标图像、第一图像和第二图像对所述目标图像进行降噪力度控制，得到第三图像；
融合模块，用于根据所述第一降噪图像、第二图像和第三图像进行时域融合，得到第四图像，其中，利用所述第二图像中的像素值，对所述第一降噪图像和所述第三图像中各个同一位置的像素点的像素值进行时域融合，以得到所述第四图像；
第三降噪模块，用于利用可区分调节的降噪算法对所述第四图像和所述第二图像进行降噪，得到所述目标图像对应的降噪处理后的第二降噪图像。
6.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的方法。
7.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至4中任一项所述的方法。
CN202310108936.5A 2023-02-13 2023-02-13 视频降噪方法、装置和电子设备 Active CN116205810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310108936.5A CN116205810B (zh) 2023-02-13 2023-02-13 视频降噪方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310108936.5A CN116205810B (zh) 2023-02-13 2023-02-13 视频降噪方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN116205810A CN116205810A (zh) 2023-06-02
CN116205810B true CN116205810B (zh) 2024-03-19

Family

ID=86516758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310108936.5A Active CN116205810B (zh) 2023-02-13 2023-02-13 视频降噪方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN116205810B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979712A (zh) * 2016-10-20 2018-05-01 上海富瀚微电子股份有限公司 一种视频降噪方法及装置
CN113012061A (zh) * 2021-02-20 2021-06-22 百果园技术(新加坡)有限公司 降噪处理方法、装置及电子设备
CN113689361A (zh) * 2021-10-27 2021-11-23 深圳市慧鲤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN114049271A (zh) * 2021-11-10 2022-02-15 Oppo广东移动通信有限公司 视频处理方法与装置、终端及计算机可读存储介质
CN114679519A (zh) * 2020-12-24 2022-06-28 浙江宇视科技有限公司 视频处理方法、装置、电子设备及存储介质
CN114782280A (zh) * 2022-04-28 2022-07-22 维沃移动通信有限公司 图像处理方法和装置
CN115131229A (zh) * 2022-05-27 2022-09-30 腾讯科技（深圳）有限公司 图像降噪、滤波数据处理方法、装置和计算机设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979712A (zh) * 2016-10-20 2018-05-01 上海富瀚微电子股份有限公司 一种视频降噪方法及装置
CN114679519A (zh) * 2020-12-24 2022-06-28 浙江宇视科技有限公司 视频处理方法、装置、电子设备及存储介质
CN113012061A (zh) * 2021-02-20 2021-06-22 百果园技术(新加坡)有限公司 降噪处理方法、装置及电子设备
CN113689361A (zh) * 2021-10-27 2021-11-23 深圳市慧鲤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN114049271A (zh) * 2021-11-10 2022-02-15 Oppo广东移动通信有限公司 视频处理方法与装置、终端及计算机可读存储介质
CN114782280A (zh) * 2022-04-28 2022-07-22 维沃移动通信有限公司 图像处理方法和装置
CN115131229A (zh) * 2022-05-27 2022-09-30 腾讯科技（深圳）有限公司 图像降噪、滤波数据处理方法、装置和计算机设备

Also Published As

Publication number Publication date
CN116205810A (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN110378859B (zh) 一种新的高动态范围图像生成方法
US6600517B1 (en) System and method for improving the sharpness of a video image
US7538822B2 (en) Apparatus and method for filtering digital image signal
CN106846270B (zh) 一种图像边缘增强方法及装置
JP5144202B2 (ja) 画像処理装置およびプログラム
CN110570374B (zh) 一种对红外传感器所获得图像的处理方法
JP4599446B2 (ja) 階調制御装置および階調制御方法
CN109816608B (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
IES20080497A2 (en) Image processing method and apparatus
JP2000050109A (ja) ノイズを除去するための非線形イメ―ジフィルタ
US8526736B2 (en) Image processing apparatus for correcting luminance and method thereof
JPH0944654A (ja) 画像処理装置、画像処理方法、ノイズ除去装置及びノイズ除去方法
JP4118688B2 (ja) ビデオ画像のセグメンテーションに基づく強調を行うシステム及び方法
US9014503B2 (en) Noise-reduction method and apparatus
KR20050027152A (ko) 이미지 디테일 강조에 있어서 잡음 있는 가장자리의 검출및 처리를 위한 방법 및 장치
CN110401784B (zh) 自适应调节滤波强度的运动平滑方法、***及视频设备
JP3285545B2 (ja) 動き検出回路とノイズ低減装置
CN116205810B (zh) 视频降噪方法、装置和电子设备
KR101778461B1 (ko) 저조도 영상의 노이즈 제거 방법 및 이의 제조 장치
JPH1117984A (ja) 画像処理装置
CN111754437B (zh) 一种基于运动强度的3d降噪方法及装置
CN114679519B (zh) 视频处理方法、装置、电子设备及存储介质
JP5219771B2 (ja) 映像処理装置および映像処理装置の制御方法
KR101634652B1 (ko) 영상의 대비 강화 방법 및 장치
Chandpa et al. Comparative study of linear and non-linear contrast enhancement techniques

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
CP03 Change of name, title or address

Address after: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Ningbo City, Zhejiang Province, 315200

Patentee after: Aixin Yuanzhi Semiconductor Co.,Ltd.

Country or region after: China

Address before: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Zhenhai District, Ningbo City, Zhejiang Province, 315200

Patentee before: Aixin Yuanzhi Semiconductor (Ningbo) Co.,Ltd.

Country or region before: China

Address after: Room 59, 17th Floor, Science and Technology Innovation Building, No. 777 Zhongguan West Road, Zhuangshi Street, Zhenhai District, Ningbo City, Zhejiang Province, 315200

Patentee after: Aixin Yuanzhi Semiconductor (Ningbo) Co.,Ltd.

Country or region after: China

Address before: 201702 room 1190, zone B, floor 11, building 1, No. 158 Shuanglian Road, Qingpu District, Shanghai

Patentee before: Aisin Yuanzhi semiconductor (Shanghai) Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address