一种基于sCMOS相机的随机噪声自适应检测与校正方法与流程

本发明属于图像传感器和信号处理领域，具体涉及基于scmos相机中的一种提高图像质量的随机噪声的检测与校正算法的实现。

背景技术：

scmos相机是一款集输出噪声低、灵敏度高、高分辨率和高帧频等众多优点为一体的科学级相机，在医学图像诊断、显微成像、天文观测和高清智能监控等领域都有着重要的作用^[1-3]。它的高性能决定了它将应用于一些对图像质量要求极高的领域，虽然这款相机的噪声很低，但是当图像在摄取，传输和变换的过程中，由于内部和外部等因素(如：器材材料本身限制、电磁波干扰、环境温度等)的存在，图像噪声仍不可忽视，这就对图像的质量以及图像中有效成分的获取产生了影响^[4，5]。在众多图像噪声中，随机噪声作为最常见的噪声类型之一，由于其没有固定的规律，又具有很强的随机性，并且在信号中普遍存在，所以，随机噪声的滤除问题一直都是科学工作者研究的热点问题^[6-20]。

对于随机噪声的研究，国内外研究学者在噪声的检测与校正方法上进行了不断地改进。经典滤波算法中，多幅图像叠加求平均^[6，7]是去除随机噪声的典型方法，由于随机噪声在多幅图像同一点出现的概率极低，经过上百幅图像平均之后，随机噪声的灰度值便会被弱化，从而达到校正效果，但是这种方法需要高帧率相机，连续拍摄大量的图像，处理速度会受到限制。邻域平均法^[8]虽然算法简单且处理速度快，但其不足是处理后的图像边缘会不完整且变得模糊，图像细节不能很好地保留。buades^[9]等人提出的非局部均值滤波算法，保留了图像细节，但只适用于含有高斯噪声的图像。中值滤波^[10-13]是去除随机噪声的代表性方法之一，它采用排序统计理论，以目标像素的周围8个像素中排序居中的值来代替原像素，能有效抑制噪声的非线性信号处理技术，该算法适用于孤立的噪声点的消除，使周围的像素值接近的真实值。基于中值滤波的简单性和有效性，liuyang等人^[14，15]提出了很多改进方法，例如相关加权中值滤波、二维多级中值滤波等，让滤波取值更加合理，但同时说明该算法需要对检测结果有较高要求。turkmen等人^[11，12]在噪声检测阶段通过设置噪声阈值的方法，对筛选出的噪声点进行中值滤波，达到了较好的校正效果，但对噪声阈值的选取依据并未出现统一标准。

由于随机噪声与正常像素的灰度值差别不是很大，以至人眼无法辨别图像中随机噪声的真实分布，所以为了让噪声检测与校正效果可观，便在无噪声标准图像中添加模拟的随机噪声，来验证检测与校正算法的好坏。文献^[16，17]加入的是典型的随机噪声(如：高斯噪声、椒盐噪声等)，文献^[11-13]与文献^[18，20]加入的是不同密度的随机噪声，两类噪声都在灰度分布上遵循一定的规律，他们的校正算法都能适用于不同的噪声密度，而且校正效果比较理想。但是，对于相机产生的随机噪声来说，无论是噪声类型还是密度大小，这些都是未知的^[11]，因此，要想对未知图像进行随机噪声的处理，需要更深一步的研究。

针对一幅图像无法判断随机噪声的真实分布的问题，本文利用scmos相机的高帧率特性，提出了一种静态图像下的关于随机噪声检测的新方法，在多幅图像求平均的基础上进行了算法改进，利用统计学原理集中对此作统计分析，把图像数量控制在了六幅以内，从而在保证检测准确率的前提下，提高了算法的校正速度，特别适用于对图像质量要求极高的scmos相机。

参考文献：

[1]孙宏海，何舒文，吴培，王延杰.高动态科学级cmos相机设计与成像分析[j].液晶与显示，2017，32(03)：240-248.

[2]何舒文，王延杰，孙宏海，张雷，吴培.高动态科学级cmos相机系统的设计[j].液晶与显示，2015，30(04)：729-735.

[3]jinli.ahighlyreliableandsuper-speedopticalfibertransmissionforhyper-spectralscmoscamera[j].optik-internationaljournalforlightandelectronoptics，2016，127(3).

[4]张艳楠.图像处理中的中值滤波及其改进[j].中国新通信，2018，20(02)：230-231.

[5]junichinakamura.imagesensorsandsignalprocessingfordigitalstillcameras[m].taylorandfrancis：2005.66-69.

[6]李占述，叶海霞，徐伯庆.一种数字图像随机噪声的估计及利用matlab的实现[j].装备制造技术，2009(06)：1-2+24.

[7]董歌，罗守华，陈功.microct投影图像噪声的去除[j].医疗卫生装备，2009，30(02)：7-10.

[8]雷林平，伍雁鹏，黄磊.经典图像去噪算法比较[j].电脑与信息技术，2014，22(06)：17-18.

[9]黄英，文晓涛，贺振华.地震图像随机噪声的非局部均值去噪法[j].断块油气田，2013，20(06)：730-732.

[10]陈静.一种去除灰度及彩色图像随机噪声的方法[a].中国图象图形学学会.第十四届全国图象图形学学术会议论文集[c].中国图象图形学学会：，2008：5.

[11]郭远华，周贤林.基于灰度密度和四方向的随机脉冲噪声检测[j].计算机科学，2016，43(s2)：220-222.

[12]ilketurkmen.anewmethodtoremoverandom-valuedimpulsenoiseinimages[j].aeue-internationaljournalofelectronicsandcommunications，2013，67(9).

[13]vikasgupta，vijayshrichaurasia，madhushandilya.random-valuedimpulsenoiseremovalusingadaptivedualthresholdmedianfilter[j].journalofvisualcommunicationandimagerepresentation，2015，26.

[14]刘洋，王典，刘财，冯晅.局部相关加权中值滤波技术及其在叠后随机噪声衰减中的应用[j].地球物理学报，2011，54(02)：358-367.

[15]王明常，邢立新，吕凤军，潘军，孟涛，刘志会.利用二维多级中值滤波去除遥感图像随机噪声[j].吉林大学学报(地球科学版)，2004(s1)：178-180.

[16]jianpan，xinhuayang，huafengcai，bingxianmu.imagenoisesmoothingusingamodifiedkalmanfilter[j].neurocomputing，2016，173.

[17]yingyuezhou，zhongfuye，yaoxiao.arestorationalgorithmforimagescontaminatedbymixedgaussianplusrandom-valuedimpulsenoise[j].journalofvisualcommunicationandimagerepresentation，2013，24(3).

[18]郭红伟，余江，骆洪军，张自红.自适应控制迭代的随机值脉冲噪声滤波[j].计算机工程与应用，2011，47(34)：193-195.

[19]liuce，szeliskirichard，bingkangsing，zitnickclawrence，freemanwilliamt.automaticestimationandremovalofnoisefromasingleimage.[j].ieeetransactionsonpatternanalysisandmachineintelligence，2007，30(2).

[20]xialan，zhiyongzuo.random-valuedimpulsenoiseremovalbytheadaptiveswitchingmediandetectorsanddetail-preservingregularization[j].optik-internationaljournalforlightandelectronoptics，2014，125(3).

[21]吉小军，施文康，张自嘉，等.基于噪声信号的声源检测与故障诊断[j].计算机测量与控制，2003，11(12)：918-920.

[22]emvastandard1288：standardforcharacterizationofimagesensorsandcameras[s].release3.0，2010.11.

技术实现要素：

本发明是提出一种基于scmos相机的随机噪声的自适应检测与校正方法，目的是提高图像质量，解决随机噪声对scmos相机的图像造成信息破坏问题。

本发明所采用的技术方案，具体包含如下操作步骤：

步骤1，把相机镜头固定，调整相机性能参数，连续采集6幅静态图像p1，p2，p3，p4，p5，p6；

步骤2，图像p1与p2对应像素点的灰度值作差，得到p1与p2的差值图d12，差值不为零的像素点，即为两幅图像中的全部疑似噪声点；

步骤3，分别对图像p1与p3，p1与p4，p1与p5，p1与p6重复步骤2的方法，可得到差值图d13、d14、d15和d16；

步骤4，计算d12，d13，d14，d15，d16这五幅差值图的像素灰度值，可求出图像p1与p2，p1与p3，…，p1与p6的全部疑似噪声点坐标；

步骤5，如果这五幅差值图的灰度值在同一位置均不为零，则图像p1在该点为疑似噪声点，将图像p1的疑似随机噪声坐标输出；

步骤6，初次校正算法：统计噪声图p2，p3，…，p6五幅图像中，同一位置坐标下，噪声点灰度值出现的频数与频率；

步骤7，当出现频率最大的灰度值只有一个时：将出现频率最大的灰度值替换掉p1图中该噪声点的灰度值；

步骤8，当出现频率最大的灰度值有两个时：如果这两个灰度值的差值在10以内，则取两个灰度值的平均值替换掉该噪声点的灰度值；否则把该点坐标存入二次修正矩阵mlast；

步骤9，二次修正算法：对初次算法没有校正的坐标点mlast进行灰度校正，边缘填充与中值滤波，边界处通过镜像反射方法来填补，执行3×3的中值滤波算法校正。

本发明的效果和益处是，实际应用表明，本发明可以在不破坏原始图像正常像素信息的前提下，对scmos相机在拍摄过程中产生的随机噪声进行了自适应检测与校正，大大提高了图像质量，在科研相机领域具有很好的使用价值。

本发明技术有以下几个优势：

(1)本发明操作简便、算法简单，计算量小、执行效率高、速度快。

(2)本发明涉及的算法可以在scmos科研级相机中硬件实现，如通过fpga实现，以进一步提高运算速率，也可通过上位机软件实现。

(3)本发明是根据检测出的随机噪声的位置坐标，分两次进行校正，初次校正大部分比较肯定的随机噪声点，二次修复被误检的噪声点，从而使校正结果更加准确。

(4)本发明提出的方法可快速、便捷地实现对scmos相机的静态图像随机噪声的自适应检测与校正，在科研相机领域具有很好的使用价值。

(5)本发明同样适用于其他型号scmos相机随机噪声的自适应检测与校正。

附图说明

图1是本发明方法的操作流程图；

图2是未使用本发明方法获得的随机噪声校正前的图像；

图3是使用本发明方法获得的随机噪声校正后的图像。

具体实施方式

以下结合附图和实施例详细叙述本发明的具体实施。

本发明提出的方法的整体操作流程如附图1所示，在具体实施时一般分成两个阶段，即首先是利用scmos相机的高帧率特性，设计了多幅图像互相参照来进行随机噪声的自适应检测算法，以下简称为随机噪声检测阶段；然后是随机噪声校正阶段，通过检测所得结果，分两次对其校正，初次校正大部分比较肯定的随机噪声点，二次修复被误检的噪声点，从而使校正结果更加准确。

随机噪声检测阶段的操作流程如下：

步骤1，把相机镜头固定，调整相机性能参数，连续采集6幅静态图像p1，p2，p3，p4，p5，p6；

步骤2，图像p1与p2对应像素点的灰度值作差，得到p1与p2的差值图d12，差值不为零的像素点，即为两幅图像中的全部疑似噪声点；

步骤3，分别对图像p1与p3，p1与p4，p1与p5，p1与p6重复步骤2的方法，可得到差值图d13、d14、d15和d16；

步骤4，计算d12，d13，d14，d15，d16这五幅差值图的像素灰度值，可求出图像p1与p2，p1与p3，…，p1与p6的全部疑似噪声点坐标；

步骤5，如果这五幅差值图的灰度值在同一位置均不为零，则图像p1在该点为疑似噪声点，将图像p1的疑似随机噪声坐标输出。

随机噪声校正阶段的操作流程如下：

步骤6，初次校正算法：统计噪声图p2，p3，…，p6五幅图像中，同一位置坐标下，噪声点灰度值出现的频数与频率；

步骤7，当出现频率最大的灰度值只有一个时：将出现频率最大的灰度值替换掉p1图中该噪声点的灰度值；

步骤8，当出现频率最大的灰度值有两个时：如果这两个灰度值的差值在10以内，则取两个灰度值的平均值替换掉该噪声点的灰度值；否则把该点坐标存入二次修正矩阵mlast；

步骤9，二次修正算法：对初次算法没有校正的坐标点mlast进行灰度校正，边缘填充与中值滤波，边界处通过镜像反射方法来填补，执行3×3的中值滤波算法校正。

附图2是未使用本发明方法采集获得的随机噪声校正前的细胞灰度图像，附图3是使用了本发明所提出的自适应校正方法对附图2进行随机噪声校正后的图像。两图相比较，可以明显的看出，本发明所提出的基于scmos相机的随机噪声检测与校正方法，有效解决了随机噪声对scmos相机的图像造成的有效信息破坏问题。

实际应用表明，本发明可以可快速、便捷地实现对scmos相机的静态图像随机噪声的自适应检测与校正，在科研相机领域具有很好的使用价值。