运动补偿在多帧降噪中的应用

电视图象的杂波干扰是影响图象质量的重要因素，以往的降噪方法对于活动图象通常存在着降噪效果和运动图象拖尾的矛盾［１］。探讨一种基于运动补偿的多帧降噪方法，在不产生严重的运动图象拖尾前提下，尽可能地提高图象信噪比，改善图象的主观质量。据估算，对于活动图象可获得３～７ｄＢ的Ｓ／Ｎ改善。

多帧降噪在功能机中的应用

通过快速拍摄几张图片,并对图像进行分块处理,运动矢量的检测及降噪,最终得到一个质量较高的图片。

基于深度学习的图像降噪技术在智慧水利中的应用

随着物联网技术的发展,智慧水利系统依赖于从各类监控设备、无人机、摄像头和卫星采集的大量图像数据,这些数据的质量直接影响数字孪生平台中模型的鲁棒性和识别率。文章探讨了图像降噪技术在智慧水利系统中的应用,特别是在数字孪生平台中的重要性,详细分析了图像降噪技术的发展历程,从传统方法到基于深度学习的现代方法,并着重讨论了单帧和多帧降噪技术在处理低光照和复杂天气条件下江河湖海图像的效果。通过实验研究,展示了这些技术在提高图像质量、增强模型性能方面的潜力,强调了在智慧水利系统中综合应用这些技术的重要性。

低照度场景下的时空频域视频去噪算法

随着移动端图像以及视频拍摄技术的广泛应用,低照度场景成为重要的成像场景之一。然而以夜晚、室内等为代表的低照度场景下,图像传感器采集到的视频图像普遍存在信噪比低和视觉效果差等问题。针对低照度场景下视频图像的质量问题,本文提出一种提升去噪效果的时空频域结合(TSF)视频去噪算法。所提出的TSF算法首先建立包含数字增益的低照度图像噪声模型,然后针对原始视频中的相邻前后两帧,基于光流法完成图像配准得到位移图,在时空域对高频图像进行去噪和重构,进而结合后续噪声图像实现无限脉冲响应处理,同时在空域进行降噪,输出后一帧去噪图像。在0.32lux到1.5lux的低照度环境下,基于当前手机中主流4800万像素图像传感器采集到的数据集,所提出的TSF算法与谷歌Pixel2所采用的实时视频去噪算法相比,具有更好的图像质量和纹理保持效果,同时与VBM4D去噪算法相比,有效降低运行时间和复杂度。