[发明专利]基于拜耳模式的图像内相关噪声估计方法

权利要求书

1.一种基于拜耳模式的图像内相关噪声估计方法，其特征是，步骤如下：

1)建立噪声模型：

建立噪声模型为噪声方差图，即每个像素点都对应一个噪声水平，方程(1)中，(x,y)为当前像素的坐标，∑(x,y)是当前像素位置对应的方差矩阵，分别为该像素位置在YUV通道的噪声方差；

2)对噪声图像进行下采样：依照Bayer模式对图像进行下采样，得到四幅子图{I₁,I₂,I₃,I₄}，用I_i表示其中一幅子图，i＝1,2,3,4；

3)对四幅子图进行初步去噪：采用彩色3维块匹配CBM3D算法分别对四幅子图去噪，得到它们的去噪图像用表示其中一幅去噪图像，该算法包含一个噪声水平参数σ，按照相机拍摄时采用的ISO值来确定，其计算公式为：

采用CBM3D(彩色3维块匹配)算法对四幅子图进行去噪时，参数σ的值是固定的，并且由公式(2)计算出的σ通常要比噪声图像的实际噪声水平要大,从而彻底滤出噪声；

4)估计每幅子图的噪声方差图

41)为去除RGB通道之间的相关性，分别将子图I_i和去噪子图从RGB空间变换到YUV空间，变换公式为：

A是变换矩阵，变换后图像分别表示为

42)搜索相似块：以步长为s,将分为k×k的图像块，对于每一个图像块,在包含其的一定范围的区域内搜索与之最为相似的m个图像块，分为一组记为利用中图像块的坐标在中选取相应的图像块，分为一组记为G；

43)估计噪声方差：估计G携带的噪声样本N，公式为：

计算N中噪声样本的方差σ²，即为当前图像块中像素所对应的噪声水平，计算公式为：

n是N中噪声样本总数，xi是N中第i个样本点，是N中所有样本均值；

44)聚合估计方差：由于设定的步长s一般小于图像块尺寸，所以对于一个像素点将会出现估计出多个方差的情况，对这个像素点所有估计出来的方差进行聚合，作为该像素点所对应的方差；

45)恢复整幅图的方差图：按照上述步骤分别估计出四幅子图在YUV通道的噪声方差图i＝1,2,3,4；c＝y,u,v，由四幅子图的方差图通过上采样分别恢复整幅图像的YUV通道的噪声方差图。

2.如权利要求1所述的基于拜耳模式的图像内相关噪声估计方法，其特征是，步骤4)具体是：

41)将图像从RGB空间转换到YUV空间，其变换矩阵为：

42)为保证估计精度，将步长s设置为1，图像块尺寸为4×4，通过最小化参考块和匹配块之间l₂距离搜索相似块：

B_xR和B_x分别表示参考块和匹配块,||·||₂表示l₂范数，k²是B_xR中的像素数，选取d(B_xR,B_x)前m个最小值对应的B_x自适应地搜索出B_xR的相似块，另外，搜索相似块只在Y通道进行，UV通道直接采用Y通道的分组方式；

44)由于搜索相似块时，步长s设置为1，参考块之间将会相互重叠，进而每个像素点将估计出多个噪声水平，求取均值作为最终估计的噪声水平；

45)将按照Bayer模式上采样到原始位置，恢复出整幅噪声图像的噪声方差图。