专利名称：一种图像降噪方法及系统的制作方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种图像降噪方法及系统。
背景技术：
近年来，云计算已成为IT(信息技术)领域最受人关注的技术之一，也是当前大型企业、互联网IT建设正在考虑和投入的重要领域。云计算的提出引发了新的技术变革和新的IT服务模式。云计算是通过标准化的IT技术和产品，利用最前沿的技术和服务，将软件、应用平台和基础设施整合的一个综合系统，使用者通过互联网技术，可以方便快捷的按需索取相关服务。云服务主要的形式可以归纳为SaaS (软件即服务)、PaaS (平台即服务)和IaaS (基础设施即服务)三种服务模式。通过云计算，网络服务提供者可以在数秒内，处理数以千万计甚至亿计的信息，提供与“超级计算机”效能同样强大的网络服务。最简单的云计算技术在网络服务中已经随处可见，例如，搜寻引擎和网络信箱等，使用者只要输入简单指令即能得到大量信息。在未来，如手机、GPS (全球定位系统)、便携式终端甚至个人电脑等处理能力和存储资源增加有限的客户终端都可以借助云计算技术和云计算服务，发展出更多、更强大的应用服务。图像作为多媒体时代主要的信息载体之一，在采集、转换和传输过程中，易受到成像设备与外部环境噪声干扰等影响导致质量下降，因此，图像降噪是图像工程中一个基础和必要的预处理步骤，是图像感知、分类与识别的关键技术之一。图像降噪的本质是模式分类，即从有规律的“图像模式”中将具有点奇异的不规则“噪声模式”分离出来。
目前，图像降噪方法主要分为空域滤波、变换域滤波以及变换域统计建模分析等三大类。传统的大部分滤波方法属于空域滤波，如均值滤波、中值滤波等。实际上采用各种平滑函数对图像进行卷积处理，在便于硬件实现，削弱噪声的同时对图像的有用信息也进行了平滑。变换域统计建模分析方法对变换域系数进行统计建模，能够取得较好的降噪效果，但是需要较多的先验信息，建立适合的模型进行训练，而且计算复杂度很高。在变换域滤波方法中，基于小波变换的收缩阈值降噪方法最具代表性，但是变换域收缩阈值容易产生失真，称为伪吉布斯现象。随着多媒体数字技术的发展，图像分辨率大大提高，图像的数量也越来越多，在硬件条件基本保持不变的前提下，硬件的处理能力与图像降噪的巨大处理量之间的矛盾日益凸显。
发明内容
本发明要解决的技术问题是提供一种图像降噪方法及系统，可以在客户端处理能力有限的情况下快速高效地实现对图像的降噪处理。为解决上述技术问题，本发明的一种图像降噪方法，包括客户端将待处理的图像转换为至少一个图像子层，将图像子层发送给云计算系统；
云计算系统在接收到图像子层后，对图像子层进行降噪处理，并将降噪处理后的图像子层返回给客户端；客户端接收到降噪处理后的图像子层后，将降噪处理后的图像子层重构为图像，得到降噪处理后的图像。进一步地，客户端若将待处理的图像转换为多个图像子层，则云计算系统在接收到图像子层后，并行地对多个图像子层进行降噪处理。
进一步地,还包括客户端将待处理的图像分解为至少一个图像子层后，还为图像子层选择图像降噪算法，将所选择的图像降噪算法通知到云计算系统或将所选择的图像降噪算法的可执行文件上传到云计算系统；云计算系统在接收到图像子层后，采用图像子层对应的图像降噪算法对图像子层进行降噪处理。进一步地，客户端采用非下采样变换将待处理的图像分解为至少一个图像子层；采用非下采样逆变换将降噪处理后的图像子层重构为图像。进一步地，还包括客户端在将待处理的图像转换为至少一个图像子层前，接收用户输入的将待处理的图像转换为图像子层的层数，按照用户输入的层数将待处理的图像转换为至少一个图像子层，其中，用户输入的层数与图像降噪的精度成正比。进一步地，一种图像降噪系统，包括客户端、接入网络和云计算系统，其中客户端，用于将待处理的图像转换为至少一个图像子层，通过接入网络将图像子层发送给云计算系统；并在接收到云计算系统返回的降噪处理后的图像子层后，将降噪处理后的图像子层重构为图像，得到降噪处理后的图像；云计算系统，用于在接收到图像子层后，对图像子层进行降噪处理，并将降噪处理后的图像子层通过接入网络返回给客户端。进一步地，云计算系统包括云管理服务器和云计算服务器，其中云管理服务器，用于为客户端分配云计算服务器，接收客户端发送的图像子层，向一个云计算服务器发送一个图像子层；并在接收到云计算服务器返回的降噪处理后的图像子层后，通过接入网络将降噪处理后的图像子层返回给客户端；云计算服务器，用于在接收到图像子层后，对图像子层进行降噪处理，并将降噪处理后的图像子层返回给云管理服务器。进一步地，客户端，还用于在将待处理的图像分解为至少一个图像子层后，为图像子层选择图像降噪算法，将所选择的图像降噪算法通知到云管理服务器或将所选择的图像降噪算法的可执行文件上传到云管理服务器；云管理服务器，还用于将图像子层对应的图像降噪算法通知到云计算服务器或将图像子层对应的图像降噪算法的可执行文件发送给云计算服务器；云计算服务器，在接收到图像子层后，采用图像子层对应的图像降噪算法对图像子层进行降噪处理。进一步地，客户端是采用非下采样变换将待处理的图像分解为至少一个图像子层；是采用非下采样逆变换将降噪处理后的图像子层重构为图像。
进一步地，客户端，还用于在将待处理的图像转换为至少一个图像子层前，接收用户输入的将待处理的图像转换为图像子层的层数，按照用户输入的层数执行将待处理的图像转换为至少一个图像子层，其中，用户输入的层数与图像降噪的精度成正比。综上所述，本发明通过将图像进行分层，将复杂的图像降噪分解为多个图像子层的降噪处理，利用云计算对各个图像子层并行进行降噪处理，从而可以在客户端资源有限的情况下，进行高复杂的运算得到高质量的降噪图像，克服了只能在客户端上进行简单的空域滤波和变换域滤波得到简单且效果一般的图像降噪的限制，满足了当前图像分辨率增加和图像数量增多的情况下的图像快速而高效的降噪处理的需要。
图I为本实施方式的图像降噪方法的流程图；图2为本实施方式的图像降噪方法的数据交互图；
图3为本实施方式的图像降噪系统的架构图；图4为本实施方式的图像降噪方法的示例的数据交互图。
具体实施例方式本实施方式针对客户端处理能力有限与高质量图像降噪处理需要耗费大量运算资源的矛盾，借助云计算提供的强大处理能力和近似无限的存储资源，采用多尺度几何变换图像分层策略将图像分解成可以并行处理的多个含噪图像子层进行降噪处理。客户端负责将图像分解成多个图像子层，每个图像子层的具体降噪处理过程交给云端完成，从而在客户端利用云计算就可以快速而又高效地完成含噪图像的降噪处理。图I所示为本实施方式的图像降噪方法，包括步骤101 :客户端(个人电脑、移动电脑或手持终端等)提示用户根据对图像降噪的精度要求输入将含噪声图像分解为图像子层的层数n(n> I)；对图像降噪的精度要求越高，输入的层数需要越多；相反，如果对图像降噪的精度要求较低，则输入相对较少的层数；可以设置I 10层供用户选择。步骤102 :客户端采用非下采样Contourlet变换将含噪声图像分解成不同方向、不同频率的n个图像子层；步骤103 :客户端根据各个图像子层的几何特征选择图像降噪算法，将所选算法通知到云计算系统或将所选算法的可执行文件上传到云计算系统；目前的图像降噪算法中包含多种针对不同几何特征的图像进行处理的算法，客户端可以根据各个图像子层的几何特征选择各种已有算法。如果云计算系统中未配置降噪算法的可执行文件，则客户端需要将图像降噪算法的可执行文件上传到云计算系统；如果云计算系统中已配置降噪算法的可执行文件，则客户端需要将所选择的针对各个图像子层的图像降噪算法通知到云计算系统。步骤104 :云计算系统采用各个图像子层对应的图像降噪算法，并行地同时对n个图像子层分别进行降噪处理，并将降噪处理后的图像子层返回给客户端；步骤105 :客户端采用非下采样逆变换对云计算系统降噪处理后的图像子层进行重构，得到降噪后的图像。
本实施方式充分利用云计算的超强的处理和存储能力以及方便快捷的标准接口信息，将图像降噪的绝大部分工作转移到云端进行，大大提高了客户终端降低图像噪声的效率；同时可以根据图像降噪的要求和云端的资源情况选择相应的降噪处理精度，从而实现快速而又精度可控的图像降噪方法。假设含噪声图像为I = f+m，其中，f为原始图像，m为独立同分布的高斯白噪声信号M(0，O 2)，参考图2，本实施方式进行图像降噪过程中客户端与云计算系统的数据交互流程包括201 :客户端接收将图像分解为图像子层的层数n ;202:进行图像分层，对含噪声图像I采用非下采样变换分解，将图像分解成n个图像子层；203 :客户端向云计算系统申请n个云计算服务器；204 :云计算服务器为客户端分配出n个云计算服务器，并通知客户端云计算服务 器分配成功；205 :客户端上传图像子层到云计算系统，包括将分解的图像子层上传到云计算系统，并将各个图像子层需要采用的图像降噪算法的可执行文件上传到云计算系统或将采用的图像降噪算法通知到云计算系统；206:云计算系统将各个图像子层分配到不同的云计算服务器，并将各个图像子层对应的降噪算法通知给云计算服务器或将对应的降噪算法的可执行文件发送给云计算服务器；207:云计算服务器按照相应的算法对图像子层进行降噪处理，得到降噪后的图像子层；208 :云计算系统下传降噪后的图像子层到客户终端；209 :客户端对降噪后的图像子层进行非下采样逆变换，得到降噪后的图像I'。目前云端的架构因各个运营商所采用技术的不同而有所差异，本实例方式采用图3所示的云计算系统，图像降噪系统包含客户端、接入网络和云计算系统，其中，云计算系统包括云管理服务器、云计算服务器群以及云存储服务器群，其中客户端负责接收用户输入的将待处理的图像转换为图像子层的层数，按照用户输入的层数将待处理的图像转换为至少一个图像子层，通过接入网络将图像子层发送给云计算系统；为图像子层选择图像降噪算法，将所选择的图像降噪算法通知到云管理服务器或将所选择的图像降噪算法的可执行文件上传到云管理服务器；并在接收到云计算系统返回的降噪处理后的图像子层后，将降噪处理后的图像子层重构为图像，得到降噪处理后的图像；客户端采用非下采样变换将待处理的图像分解为至少一个图像子层；采用非下采样逆变换将降噪处理后的图像子层重构为图像。云管理服务器负责管理云服务器资源和对外提供接口信息，为客户端分配云计算服务器，接收客户端发送的图像子层，向一个云计算服务器发送一个图像子层；将图像子层对应的图像降噪算法通知到云计算服务器或将图像子层对应的图像降噪算法的可执行文件发送给云计算服务器；并在接收到云计算服务器返回的降噪处理后的图像子层后，通过接入网络将降噪处理后的图像子层返回给客户端；
云计算服务器负责为云用户提供计算服务，在接收到图像子层后，采用图像子层对应的图像降噪算法，对图像子层进行降噪处理，并将降噪处理后的图像子层返回给云管理服务器。云存储服务器群负责为云用户提供存储空间服务，保存客户端上传的图像子层对应的图像降噪算法的可执行文件。本实施方式中客户端通过接入网络接入云管理服务器，从而获得相关云服务。应用示例图4中以客户端将图像分解为6个图像子层为例，对客户端与云计算系统的数据交互流程进行说明，包括401 :客户端接收对含噪声图像I进行分解的子层数n，例如，将图像分解为6个图 像子层，即n = 6;402:客户端对含噪声图像I进行非下采样变换分解，将图像分成6个图像子层，分别记为IC1、Ic2 > IC3> IC4> IC5> 1 ，并根据各个图像子层的几何特征选择图像降噪算法；例如，对icl、iC2进行小波软阈值降噪得到降噪图像子层r C1、r C2，对iC3、iC4、iC5进行隐马尔科夫树模型分离噪声得到降噪图像子层I' C3>r。4、1'。5，对1。6进行Winner滤波平滑噪声得到降噪图像子层I' C6。403 :客户端向云管理服务器申请6个云计算服务器资源；404 :云管理服务器为客户端分配6个云计算服务器资源，并通知客户端云计算服务器资源分配成功；405 :客户端通过接入网络将图像子层Ia Ic6上传到云管理服务器，并将所选算法通知到云管理服务器或将所选算法的可执行文件上传到云管理服务器；406:云管理服务器分别向分配的6个不同的云计算服务器发送一个图像子层，并将图像子层对应的算法通知到云计算服务器或将所选算法的可执行文件发送给云计算服务器；407 :云计算服务器分别对云管理服务器下发的图像子层进行降噪处理；408:云计算服务器对图像子层进行降噪处理后，将降噪处理后的图像子层I' a I'。6上传给云管理服务器；409 :云管理服务器将降噪处理后的图像子层I' ei I' C6下传给客户端；410 :客户端对降噪处理后的图像子层I' a I' C6进行非下采样Contourlet逆变换得到降噪后的图像I'。显然，本领域的技术人员应该明白，上述的本发明的各模块、各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们的多个模块或者步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
权利要求
1.ー种图像降噪方法，包括 客户端将待处理的图像转换为至少ー个图像子层，将所述图像子层发送给云计算系统； 所述云计算系统在接收到所述图像子层后，对所述图像子层进行降噪处理，并将降噪处理后的图像子层返回给所述客户端； 所述客户端接收到所述降噪处理后的图像子层后，将所述降噪处理后的图像子层重构为图像，得到降噪处理后的图像。
2.如权利要求I所述的方法，其特征在干 所述客户端若将所述待处理的图像转换为多个图像子层，则所述云计算系统在接收到所述图像子层后，并行地对所述多个图像子层进行降噪处理。
3.如权利要求I或2所述的方法，其特征在于，还包括 所述客户端将所述待处理的图像分解为至少ー个图像子层后，还为图像子层选择图像降噪算法，将所选择的图像降噪算法通知到所述云计算系统或将所选择的图像降噪算法的可执行文件上传到所述云计算系统； 所述云计算系统在接收到所述图像子层后，采用图像子层对应的图像降噪算法对所述图像子层进行降噪处理。
4.如权利要求I所述的方法，其特征在干 所述客户端采用非下采样变换将所述待处理的图像分解为至少ー个图像子层；采用非下采样逆变换将所述降噪处理后的图像子层重构为图像。
5.如权利要求I所述的方法，其特征在于，还包括 所述客户端在将所述待处理的图像转换为至少ー个图像子层前，接收用户输入的将所述待处理的图像转换为图像子层的层数，按照用户输入的层数将所述待处理的图像转换为至少ー个图像子层，其中，所述用户输入的层数与图像降噪的精度成正比。
6.一种图像降噪系统，包括客户端、接入网络和云计算系统，其中 所述客户端，用于将待处理的图像转换为至少ー个图像子层，通过所述接入网络将所述图像子层发送给所述云计算系统；并在接收到所述云计算系统返回的降噪处理后的图像子层后，将所述降噪处理后的图像子层重构为图像，得到降噪处理后的图像； 所述云计算系统，用于在接收到所述图像子层后，对所述图像子层进行降噪处理，并将降噪处理后的图像子层通过所述接入网络返回给所述客户端。
7.如权利要求6所述的系统，其特征在于，所述云计算系统包括云管理服务器和云计算服务器，其中 所述云管理服务器，用于为所述客户端分配云计算服务器，接收所述客户端发送的所述图像子层，向一个云计算服务器发送ー个图像子层；并在接收到所述云计算服务器返回的降噪处理后的图像子层后，通过所述接入网络将所述降噪处理后的图像子层返回给所述客户端； 所述云计算服务器，用于在接收到图像子层后，对所述图像子层进行降噪处理，并将降噪处理后的图像子层返回给所述云管理服务器。
8.如权利要求7所述的系统，其特征在于 所述客户端，还用于在将所述待处理的图像分解为至少ー个图像子层后，为图像子层选择图像降噪算法，将所选择的图像降噪算法通知到所述云管理服务器或将所选择的图像降噪算法的可执行文件上传到所述云管理服务器； 所述云管理服务器，还用于将图像子层对应的图像降噪算法通知到所述云计算服务器或将图像子层对应的图像降噪算法的可执行文件发送给所述云计算服务器； 所述云计算服务器，在接收到所述图像子层后，采用图像子层对应的图像降噪算法对所述图像子层进行降噪处理。
9.如权利要求6所述的系统，其特征在干 所述客户端是采用非下采样变换将所述待处理的图像分解为至少ー个图像子层；是采用非下采样逆变换将所述降噪处理后的图像子层重构为图像。
10.如权利要求6所述的系统，其特征在干 所述客户端，还用于在将所述待处理的图像转换为至少ー个图像子层前，接收用户输入的将所述待处理的图像转换为图像子层的层数，按照用户输入的层数执行将所述待处理的图像转换为至少ー个图像子层，其中，所述用户输入的层数与图像降噪的精度成正比。
全文摘要
本发明的一种图像降噪方法及系统，包括客户端将待处理的图像转换为至少一个图像子层，将图像子层发送给云计算系统；云计算系统在接收到图像子层后，对图像子层进行降噪处理，并将降噪处理后的图像子层返回给客户端；客户端接收到降噪处理后的图像子层后，将降噪处理后的图像子层重构为图像，得到降噪处理后的图像。本发明通过将图像进行分层，将复杂的图像降噪分解为多个图像子层的降噪处理，利用云计算对各个图像子层并行进行降噪处理，从而可以在客户端资源有限的情况下，进行高复杂的运算得到高质量的降噪图像，满足了当前图像分辨率增加和图像数量增多的情况下的图像快速而高效的降噪处理的需要。
文档编号G06T5/00GK102779328SQ20111012300
公开日2012年11月14日 申请日期2011年5月12日 优先权日2011年5月12日
发明者徐金龙, 李普光, 王嘉伟, 谭冠军 申请人:中兴通讯股份有限公司