一种适用于极弱光成像环境下的图像去噪方法

技术领域

本发明属于图像处理领域，涉及图像去噪技术，具体是一种适用于极弱光成像环境下的图像去噪方法。

背景技术

在极弱光成像环境下，由于光线不足，通常的图像去噪方法往往无法取得理想的效果。此时，图像往往存在噪声大、对比度低、清晰度差等问题，给后续的图像分析和处理带来很大的困难。

为此，提出一种适用于极弱光成像环境下的图像去噪方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种适用于极弱光成像环境下的图像去噪方法，该一种适用于极弱光成像环境下的图像去噪方法解决了在极弱光成像环境下图像去噪效果较差的问题。

为实现上述目的，根据本发明的第一方面的实施例提出一种适用于极弱光成像环境下的图像去噪方法，包括以下步骤：

步骤一：通过控制系统将目标图像根据分割规则分割为若干个子图像；

步骤二：通过控制系统获取子目标图像；

步骤三：通过控制系统对所述子目标图像进行去噪处理；

步骤四：通过控制系统将所述子目标图像和所述子图像进行重新组合，获取去噪后的目标图像。

优选地，所述控制系统包括处理器、图像分割模块、图像检测模块、图像去噪模块以及图像拼接模块；

所述处理器与所述图像分割模块、所述图像检测模块、所述图像去噪模块以及所述图像拼接模块通信连接；

所述图像分割模块与所述图像检测模块通信连接；

所述图像检测模块与所述图像去噪模块通信连接；

所述图像去噪模块与所述图像拼接模块通信连接。

优选地，所述图像分割模块用于根据分割规则将目标图像分割成若干个子图像，包括以下步骤：

所述图像分割模块获取目标图像P；

将所述目标图像P进行均等分割，获取N个子图像p

图像分割结束后，所述图像分割模块生成图像分割完毕信号，并将所述图像分割完毕信号发送至所述图像检测模块。

优选地，在所述目标图像中插入直角坐标系；

根据所述直角坐标系获取所述子图像的位置坐标。

优选地，所述图像检测模块用于根据所述子图像和图像检测模型获取子目标图像，包括以下步骤：

所述图像检测模块接收所述图像分割完毕信号后，获取所述子图像p

将所述子图像输入至所述噪点检测模型中，获取噪点标签；其中，所述噪点标签包括有噪点和无噪点；

对所述噪点标签进行识别，获取所述噪点标签为有噪点的总数M；

当M≥2N/3时，所述图像检测模块将所述图像分割模块中的N更新为N′；其中，N′＝2N；

并发送重新分割信号至所述图像分割模块；

所述图像分割模块接收所述重新分割信号后，重新对所述目标图像进行分割，直至M＜2N/3；

当M＜2N/3时，所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像，并生成图像去噪信号至所述图像去噪模块。

优选的，所述目标图像被分割三次后，M≥2N/3，停止分割，所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像，并生成图像去噪信号至所述图像去噪模块。

优选地，所述噪点检测模型基于人工智能模型建立，包括以下步骤：

从图像检测模块获取标准训练数据；

通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为噪点检测模型；

人工智能模型包括深度卷积神经网络模型和RBF神经网络模型。

优选地，所述图像去噪模块用于接收所述图像去噪信号后，对所述子目标图像进行去噪处理，获取去噪完成后的所述子目标图像p

以及去噪完成后，所述图像去噪模块生成去噪完毕信号并发送至所述图像拼接模块。

优选地，图像去噪处理方法包括：均值滤波、中值滤波、高斯滤波、P-M方程去噪以及TV法去噪。

优选地，所述图像拼接模块用于接收所述去噪完毕信号后，将所述子目标图像p

与现有技术相比，本发明的有益效果是：

本发明通过图像分割模块获取目标图像；将目标图像进行均等分割，获取N个子图像；图像检测模块根据所述子图像和图像检测模型获取子目标图像；图像去噪模块对子目标图像进行去噪处理，获取去噪完成后的子目标图像；图像拼接模块将子目标图像和子图像根据位置坐标进行重新组合，获取去噪后的目标图像；针对每个区域分别进行去噪处理，减少了噪声对整个图像的干扰；提高了图像的清晰度和质量。

附图说明

图1为本发明的流程图；

图2为本发明的原理图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

如图1-2所示，一种适用于极弱光成像环境下的图像去噪方法，包括以下步骤：

步骤一：通过控制系统将目标图像根据分割规则分割为若干个子图像；

步骤二：通过控制系统获取子目标图像；

步骤三：通过控制系统对所述子目标图像进行去噪处理；

步骤四：通过控制系统将所述子目标图像和所述子图像进行重新组合，获取去噪后的目标图像。

本实施例中，所述控制系统包括处理器、图像分割模块、图像检测模块、图像去噪模块以及图像拼接模块；

所述处理器与所述图像分割模块、所述图像检测模块、所述图像去噪模块以及所述图像拼接模块通信连接；

所述图像分割模块与所述图像检测模块通信连接；

所述图像检测模块与所述图像去噪模块通信连接；

所述图像去噪模块与所述图像拼接模块通信连接。

本实施例中，所述图像分割模块用于根据分割规则将目标图像分割成若干个子图像，包括以下步骤：

所述图像分割模块获取目标图像P；需要进一步说明的是，所述目标图像P即为需要本实施例中需要去噪的图像数据；

将所述目标图像P进行均等分割，获取N个子图像p

图像分割结束后，所述图像分割模块生成图像分割完毕信号，并将所述图像分割完毕信号发送至所述图像检测模块；

在另一个优选的实施例中，在所述目标图像中插入直角坐标系；

根据所述直角坐标系获取所述子图像的位置坐标；

需要进行说明的是，设置位置坐标的目的为了后续拼接步骤更加准确和便捷。

本实施例中，所述图像检测模块用于根据所述子图像和图像检测模型获取子目标图像，包括以下步骤：

所述图像检测模块接收所述图像分割完毕信号后，获取所述子图像p

将所述子图像输入至所述噪点检测模型中，获取噪点标签；其中，所述噪点标签包括有噪点和无噪点；

对所述噪点标签进行识别，获取所述噪点标签为有噪点的总数M；

当M≥2N/3时，所述图像检测模块将所述图像分割模块中的N更新为N′；其中，N′＝2N；

并发送重新分割信号至所述图像分割模块；

所述图像分割模块接收所述重新分割信号后，重新对所述目标图像进行分割，直至M＜2N/3；

进一步地，所述目标图像最多可分割三次，即使第三次分割结束后，M≥2N/3，所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像，并生成图像去噪信号至所述图像去噪模块；

当M＜2N/3时，所述图像检测模块将所述噪点标签为有噪点的子图像标记为子目标图像，并生成图像去噪信号至所述图像去噪模块；

本实施例中，所述噪点检测模型基于人工智能模型建立，包括以下步骤：

从图像检测模块获取标准训练数据；

通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为噪点检测模型；

本实施例中，标准训练数据包括若干组输入数据以及对应的噪点标签，且输入数据和子图像内容属性一致；

本实施例中，人工智能模型包括深度卷积神经网络模型或者RBF神经网络模型等具有强大非线性拟合能力的模型。

所述图像去噪模块用于接收所述图像去噪信号后，对所述子目标图像进行去噪处理，获取去噪完成后的所述子目标图像p

具体地，图像去噪处理方法包括：均值滤波、中值滤波、高斯滤波、P-M方程去噪以及TV法去噪；

以及去噪完成后，所述图像去噪模块生成去噪完毕信号并发送至所述图像拼接模块。

所述图像拼接模块用于接收所述去噪完毕信号后，将所述子目标图像p

本发明的工作原理：

图像分割模块获取目标图像P；将目标图像P进行均等分割，获取N个子图像p

图像检测模块接收图像分割完毕信号后，获取子图像p

图像去噪模块接收图像去噪信号后，对子目标图像进行去噪处理，获取去噪完成后的子目标图像p

图像拼接模块接收去噪完毕信号后，将子目标图像p

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。