[发明专利]基于动态随机共振的CMOS图像传感器信号去噪方法

说明书

本发明公开了基于动态随机共振的CMOS图像传感器信号去噪方法。本发明如下：1、对初始图像进行归一化处理，得到归一化图像。步骤2、图像块噪声方差的估计。步骤3、将各二维图像块降维为一维的序列信号。步骤4、迭代更新序列信号。步骤5、用步骤4所得的各像素点对应的结果序列分别确定去噪后图像中对应像素点的归一化数值，从而获得去噪后图像。本发明通过改进的郎之万方程，优化最优随机共振的系统参数的值，并将其应用到信号依赖噪声图像去噪领域。本发明通过改进的最优系统参数的值，可以根据估计的噪声参数自适应计算随机共振的系统参数，实现动态随机共振进行图像去噪，降低随机共振图像去噪的时间复杂度。

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种基于动态随机共振的CMOS图像传感器信号依赖噪声去除方法。

背景技术

图像作为人类认识世界，了解世界，改变世界的一种重要工具，在与人类日常生活相关的各种领域得到了广泛运用。但是，在CMOS图像传感器采集过程中会不可避免地会产生噪声，其中两个突出的噪声源是热噪声和光子噪声，热噪声建模为加性高斯白噪声，光子噪声建模为信号依赖噪声。将图像的噪声建模为信号依赖噪声对研究图像去噪算法非常重要。

目前使用随机共振对图像去噪主要可以分为两类：一类是通过外加高斯白噪声驱动随机共振。但这种方法无法保证外加的高斯噪声能正好驱动随机共振，需要不断地迭代加入不同标准差的高斯噪声来获得最优的图像，所以使用这类方法进行图像去噪需要花费大量的时间。另一类利用图像内部噪声驱动随机共振，并没有对图像的噪声模型进行具体的考虑，通常将噪声建模为加性高斯白噪声。因此，提出一种降低时间复杂度和考虑实际的噪声模型对改进图像去噪算法非常重要。

发明内容

本发明提供了一种基于动态随机共振的CMOS图像传感器信号依赖噪声去除方法，通过改进的郎之万方程，计算出最优随机共振的系统参数的值可以由信号依赖噪声的噪声强度唯一确定，最终根据估计的高斯-高斯噪声模型的噪声参数，自适应计算随机共振的系统参数，实现动态随机共振进行图像去噪。

一种基于动态随机共振的CMOS图像传感器信号依赖噪声去除方法，步骤如下：

步骤1、对初始图像进行归一化处理，得到归一化图像。

步骤2、在归一化图像中取若干个低秩补丁；用各个低秩补丁确定归一化图像的信号依赖噪声参数。归一化图像中每个像素点均对应设置一个二维图像块。根据归一化图像的信号依赖噪声参数来确定每个二维图像块的信号依赖噪声方差σ_noise和加性高斯白噪声方差σ_D。将归一化图像中各二维图像块的信号依赖噪声方差σ_noise和加性高斯白噪声方差σ_D分别代入到式(5)中，分别求得每个二维图像块的系统参数a和b的值。

其中，f_s为周期信号的固有频率；σ_noise为信号依赖噪声方差；σ_D为加性高斯白噪声方差。

步骤3、将各二维图像块降维为一维的序列信号。

步骤4、将每个像素点对应的序列信号进行迭代更新如式(6)所示。

其中，x(n+1)为迭代后的结果序列信号，x₁(n)为迭代前的序列信号，k₁、k₂、k₃、k₄分别为时间起始点、两个中间点、终止点的斜率。n为循环执行的次数。

步骤5、用步骤4所得的各像素点对应的结果序列分别确定去噪后图像中对应像素点的归一化数值，从而获得去噪后图像。

作为优选，确定系统参数a和b表达式(5)的过程如下：