1.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、装置、终端、存储介质。
背景技术：
：：2.随着硬件技术的提升以及软件算法的更新，为了获得更佳的视觉效果，采用多帧的计算摄影技术在手机camera中应用越来越普遍。当拍摄对象为静止场景时，来自不同图像的像素间配准通常比较准确，一般可以取得良好的效果。然而，当拍摄场景中包含动态运动物体时，一旦不能配准，若以较大权值融合则会产生鬼影，即使算法设计良好，可以大幅度的减少配准的错误率，仍将面对运动区域因为融合信息少，噪声过大的问题。技术实现要素：3.本发明实施例提供一种图像降噪方法、装置、终端、存储介质，可以通过该图像降噪方法解决现有技术中存在的当拍摄场景中包含动态运动物体时，一旦不能配准，若以较大权值融合则会产生鬼影，即使算法设计良好，可以大幅度的减少配准的错误率，仍将面对运动区域因为融合信息少，噪声过大的问题。4.第一方面，本发明实施例提供一种图像降噪方法，所述方法包括：获取第一图像组，所述第一图像组包括参考图像和与所述参考图像对齐的若干帧对齐图像，每个所述对齐图像包括多个目标点，且每个所述对齐图像的所述多个目标点与所述参考图像中的多个特征点一一对齐，所述参考图像和所述对齐图像均包括l种类型的通道图像；分别对所述若干帧对齐图像中所述l种类型的通道图像进行处理，以获取各类型的所述通道图像对应的第一运动信息，其中，对其中一种类型的所述通道图像的处理过程包括：获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息，所述第一运动信息包括运动区域；以及根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像，其中，每种类型的所述融合图像为所述若干帧对齐图像中相应类型的通道图像与所述参考图像中相应类型的通道图像进行融合得到的图像。5.进一步地，所述获取第一图像组包括：确定输入的一组图像中多帧图像是否曝光相同；若确定输入的一组图像中的多帧图像曝光不同，则对所述组多帧图像进行亮度矫正，使多帧图像的亮度达到一致；以及若确定输入的一组图像中的所述多帧图像曝光相同，则选取所述多帧图像中解析力最高的一帧图像作为所述参考图像，并将所述多帧图像中除所述参考图像外的其余图像向所述参考图像做对齐，以获取到所述第一图像组。6.进一步地，所述每个所述对齐图像的所述多个目标点与所述参考图像中的多个特征点一一对齐包括：每个所述对齐图像的所述多个目标点与所述参考图像中的多个像素点一一对齐。7.进一步地，所述获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息包括：获取目标对齐通道图像中每个所述目标点向目标参考通道图像中相应对齐的所述特征点融合的融合权重值，其中，所述目标对齐通道图像为所述若干帧对齐图像的目标类型的所述通道图像，所述目标参考通道图像为所述参考图像的目标类型的通所述道图像；根据所述目标对齐通道图像中每一个所述目标点向目标参考通道图像中相应对齐的所述特征点融合的融合权重值计算获取所述目标对齐通道图像向所述目标参考通道图像融合后所确定的图像相似度值；根据所述目标对齐通道图像中每一个目标点对应的所述图像相似度值获取运动概率图；以及对获取到的所述运动概率图进行调制，以得到所述第一运动信息；其中，根据所述运动概率图中每一个像素点的运动大小与运动阈值的比较结果确定所述运动区域。8.进一步地，所述根据所述目标对齐通道图像中每一个所述目标点向目标参考通道图像中相应对齐的所述特征点融合的融合权重值计算获取所述目标对齐通道图像向所述目标参考通道图像融合后所确定的图像相似度值包括通过以下公式确定所述目标对齐通道图像中每一个目标点对应的所述图像相似度值：[0009][0010]其中，(i,j)表示所述目标点的位置，wn(i,j)表示所述若干帧对齐图像中第n帧对齐图像的目标类型的通道图像相对于所述参考图像在像素点(i,j)处的融合权重值，similar(i,j)表示所述目标点(i,j)的所述图像相似度值，fdark、fmid、fbright分别表示在亮度dark、亮度mid和亮度bright这三种不同亮度水平下所述图像相似度的计算函数，并且在所述目标点对齐的所述特征点的像素值低于第一亮度阈值亮度thr_l时采用亮度dark对应的所述图像相似度的计算函数，在所述目标点对齐的所述特征点的像素值高于第二亮度阈值亮度thr_h时采用所述亮度bright对应的所述图像相似度的计算函数，若所述目标点对齐的所述特征点的像素值不低于第一亮度阈值亮度thr_l且不高于则采用所述亮度mid对应的所述图像相似度的计算函数。[0011]进一步地，所述参考图像和所述对齐图像的格式包括：拜尔、yuv或rgb。[0012]进一步地，所述根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像包括：获取所述l种类型通道的图像对应的所述运动概率图；基于不同通道的所述运动概率图，整合得到所述第二运动信息，所述第二运动信息包括运动概率图集合，且所述运动概率图集合包括所有通道的所述运动概率图；对所述运动概率图集合进行调整生成对应的去噪强度图；以及根据所述去噪强度图以及滤波器对所述目标类型的融合图像执行空域滤波，以输出最终图像。[0013]进一步地，所述去噪强度图为所述滤波器的去噪强度参数。[0014]进一步地，所述滤波器包括引导滤波器。[0015]第二方面，本技术实施例还提供一种图像降噪装置，所述装置包括：图像获取模块，用于获取第一图像组，所述第一图像组包括参考图像和与所述参考图像对齐的若干帧对齐图像，每个所述对齐图像包括多个目标点，且每个所述对齐图像的所述多个目标点与所述参考图像中的多个特征点一一对齐，所述参考图像和所述对齐图像均包括l种类型的通道图像；运动检测模块，分别对所述若干帧对齐图像中所述l种类型的通道图像进行处理，以获取各类型的所述通道图像对应的第一运动信息，其中，对其中一种类型的所述通道图像的处理过程包括：获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息，所述第一运动信息包括运动区域；以及降噪模块，根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像，其中，每种类型的所述融合图像为所述若干帧对齐图像中相应类型的通道图像与所述参考图像中相应类型的通道图像进行融合得到的图像。[0016]第三方面，本技术实施例还提供一种图像降噪装置，所述装置包括：处理器和存储器，所述存储器用于存储至少一条指令，所述指令由所述处理器加载并执行时以实现第一方面提供的图像降噪方法。[0017]在一种实施方式中，第三方面所提供的图像降噪装置可以为一种芯片。[0018]第四方面，本技术的另一个实施例还提供一种芯片，所述芯片与存储器相连，或者所述芯片上集成有存储器(如第三方面提供的图像降噪装置)，当所述存储器中存储的程序或指令被执行时，实现第一方面提供的图像降噪方法。[0019]第五方面，本技术实施例还提供一种终端，所述终端可以包括终端本体和第三方面提供的图像降噪装置。[0020]在另一种实施方式中，第五方面提供的终端可以包括终端本体和第四方面提供的芯片。[0021]第六方面，本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述计算机程序被处理器执行时实现[0022]通过上述技术方案，在获取到第一图像组后，可以分别对所述若干帧对齐图像中所述l种类型的通道图像进行处理，以获取各类型的所述通道图像对应的第一运动信息，其中，对其中一种类型的所述通道图像的处理过程包括：获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息，进而根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像。可以解决现有技术中存在的当拍摄场景中包含动态运动物体时，一旦不能配准，若以较大权值融合则会产生鬼影，即使算法设计良好，可以大幅度的减少配准的错误率，仍将面对运动区域因为融合信息少，噪声过大的问题。附图说明[0023]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0024]图1为本技术一个实施例提供的一种图像降噪方法的流程图；[0025]图2a为本技术一个实施例提供的运动区域检测流程图；[0026]图2b为本技术零一个实施例提供的运动区域检测流程图；[0027]图3为本技术一个实施例提供的运动区域降噪流程图；[0028]图4为本技术一个实施例提供的图像降噪装置结构示意图；[0029]图5为本技术另一个实施例提供的图像降噪装置结构示意图。具体实施方式[0030]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0031]在高动态的场景，单张图像很难达到暗处信噪比高，同时动态范围大的效果。近年来，计算摄影的出现，很好的解决了这个困难。比如，该技术可以利用多张不同曝光的ldr图像来合成一张hdr的效果图，亦可以利用多张不同视场的图合成一张细节更多图像，也可以利用多张相同曝光图合成一张高信噪比、动态范围增大的图像。[0032]多帧合成技术在处理运动场景时，会有选择地融合相近的内容，对于差异大的内容则直接用参考帧内容代替。如此处理，可以将运动鬼影排斥掉，但剔除鬼影的同时，会引入运动区域噪声过大的问题。针对该问题的解决，现有的解决方案是在频域寻找鬼影的map,然后再依据map,指导频域空域滤波的强度。[0033]现有的hdr+技术，及其他基于多帧融合的计算摄影技术，在处理运动场景时，为保证图像质量，通常有运动检测，鬼影剔除的操作。但是，剔除鬼影区域，融合数据变少，降噪有限，使鬼影处理后的区域噪声突出，出现噪声分层的现象。这种现象在暗处场景更为明显。[0034]为克服上述技术问题，本技术实施例提供一种图像降噪方法，图1为本技术一个实施例提供的一种图像降噪方法的流程图，如图1所示，所述图像降噪方法包括以下步骤：[0035]步骤101：获取第一图像组。[0036]其中，第一图像组包括参考图像和与所述参考图像对齐的若干帧对齐图像，每个所述对齐图像包括多个目标点，且每个所述对齐图像的所述多个目标点与所述参考图像中的多个特征点一一对齐，所述参考图像和所述对齐图像均包括l种类型的通道图像。[0037]步骤102：分别对所述若干帧对齐图像中所述l种类型的通道图像进行处理，以获取各类型的所述通道图像对应的第一运动信息，其中，对其中一种类型的所述通道图像的处理过程包括：获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息。[0038]其中，第一运动信息包括运动区域。[0039]步骤103：根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像，其中，每种类型的所述融合图像为所述若干帧对齐图像中相应类型的通道图像与所述参考图像中相应类型的通道图像进行融合得到的图像。[0040]在步骤101的一种实施方式中，获取输入的一组图像，该一组图像中包含多帧图像。在获取到该一组图像后，可以确认该一组图像中的多帧图像是否为曝光相同的一组图像，其中，若获取输入的一组图像中的多帧图像曝光不同，则可以对该组图像进行亮度矫正，使经过亮度矫正后的该组图像中的多帧图像的亮度达到一致。进一步地，在确定该一组图像中的多帧图像的亮度达到一致的情况下，选取其中解析力最高的一帧图像作为参考图像(参考帧)，并将该一组图像中除所述参考图像外的剩余其他图像向所述参考图像做对齐。在可实现的方式中，上述对齐操作可以通过整体对齐的方式实现、可以通过分块对齐的方式实现，还可以通过整体对齐和分块对齐两者结合的方式实现，具体实现方式不做限定。通过执行上述亮度矫正和对齐操作中至少一者可以获取到步骤101所述的第一图像组。[0041]在步骤101的另一种实施方式中，可以直接获取所述第一图像组，其中，第一图像组包括参考图像和与所述参考图像对齐的若干帧对齐图像，每个所述对齐图像包括多个目标点，且每个所述对齐图像的所述多个目标点与所述参考图像中的多个像素点一一对齐。即无需执行上述亮度矫正或对齐操作。[0042]在一种实施方式中，可以通过坐标表示参考图像中的特征点(x，y)或者与参考图像中的特征点一一对齐的对齐图像中的目标点(x，y)。其中，该特征点可以为像素点。[0043]需要说明的是，在步骤101的任意一种实施方式中，获取的多帧图像的格式可以为拜耳(bayer)格式的图像，也可以是yuv格式的图像，或者可以为rgb域的图像。其中，yuv是编译true‑color颜色空间(colorspace)的种类，“y”表示明亮度(luminance、luma)，“uv”表示彩度(chroma)，具体图像格式在此不做限定。进一步地，若获取的多帧图像的格式为rgb，则上述多通道图像分别为r通道获取到的图像、g通道获取到的图像以及b通道获取到的图像。[0044]在一种实施方式中，在获取到所述第一图像组后，还可以对所述第一图像组中的多帧图像(各帧图像)进行鬼影检测和鬼影剔除操作。通过上述操作剔除第一图像组中的多帧图像(各帧图像)中的鬼影后，该多帧图像可以通过逐点加和平均的方式获得多帧时域融合效果。[0045]图1所示的步骤102具体包括图2a所示的以下步骤：[0046]步骤201：获取所述若干帧对齐图像中每个所述目标点向相应对齐的所述特征点融合的融合权重值。[0047]步骤202：根据所述每个所述目标点向相应对齐的所述特征点融合的融合权重值计算所有对齐图像在同一个目标点的相似度总和。[0048]步骤203：计算步骤202计算得到的相似度总和的平均值。[0049]步骤204：根据每一个目标点对应的相似度总和的平均值获取运动概率图(movemap)。[0050]步骤205：根据所述运动概率图中每一个像素点的运动大小与运动阈值的比较结果确定所述运动区域。[0051]步骤206：对获取到的所述运动概率图进行调制，以得到所述第一运动信息。[0052]在步骤201的具体实施中，基于时域降噪的检测判断机制，我们容易得到每点与参考帧对应点的相似程度，可以用权值来表示。具体地，可以通过分别计算对齐图像与参考图像的差值，并将计算得到的差值与相似度阈值进行比较，并根据比较结果分别确定对齐图像向参考图像进行融合的融合权重。当计算得到的差值与相似度阈值的比较结果在第一范围内时，对应的融合权重值为1，当计算得到的差值与相似度阈值的比较结果在第二范围内时(即图像内容差异大时)，对应的融合权重值为0。并且所述差值与融合权重值呈线性关系，进而可以在计算得到的差值与相似度阈值的比较结果在第三范围内时，根据该线性关系确定对应的融合权重值，其中该第三范围处于第一范围和第二范围之间。[0053]需要说明的是若干帧对齐图像在同一个目标点存在多个融合权重值。举例来说，若干帧对齐图像中第i帧对齐图像的目标点(x，y)向参考图像中对应的特征点(x，y)融合的融合权重值为wi(x，y)，其中i≥1，且i为正整数。其中，上述参考图像中对应的特征点(x，y)可以为参考图像的相应像素点(x，y)。[0054]在步骤202的具体实施中，可以对所有对齐图像在同一个目标点的相似度进行求和计算。在上述通过融合权重值表示相似度的实施方式中，第i帧对齐图像的目标点(x，y)向参考图像中对应的像素点(x，y)融合的融合权重值为wi(x，y)，若干帧对齐图像在同一个目标点存在多个融合权重值{w1(x，y)、w2(x，y)，…，wi(x，y)}，进而可以通过求和函数计算得到所有对齐图像在同一个目标点的相似度之和sum{w1(x，y)、w2(x，y)，…，wi(x，y)}。[0055]在步骤203的具体实施中，计算步骤202计算得到的相似度总和的平均值，在上述通过融合权重值表示相似度的实施方式中，所有对齐图像在同一个目标点的相似度之和sum{w1(x，y)、w2(x，y)，…，wi(x，y)}，进一步计算融合权重平均值sum{w1(x，y)、w2(x，y)，…，wi(x，y)}/i。[0056]在步骤204～步骤205的具体实施中，可以根据每一个目标点对应的相似度总和的平均值获取运动概率图(movemap)。其中，move_map＝1‑similar，similar表示每一个目标点对应的相似度总和的平均值，获取到的movemap的map值(运动大小)的数值范围为(0‑1)，即，0≤map值≤1，map值越高则表示运动的可能性越高，进而可以根据map值确定运动区域。[0057]在步骤206的具体实施中，可以对步骤204中获取到的movemap进行调制，其目的在于剔除毛刺，使整个movemap更加平滑，以保证图像效果的稳定性。[0058]需要说明的是，图2a所示实施例提供的第一运动信息确定方法为基于平均相似度的方式确定的，在其他实施方式中，还可以通过图2b所示实施例提供的第一运动信息确定方法确定，如图2b所示，该第一运动信息确定方法包括以下步骤：[0059]步骤211：获取目标对齐通道图像中每个所述目标点向目标参考通道图像中相应对齐的所述特征点融合的融合权重值。[0060]步骤212：根据所述目标对齐通道图像中每一个所述目标点向目标参考通道图像中相应对齐的所述特征点融合的融合权重值计算获取所述目标对齐通道图像向所述目标参考通道图像融合后所确定的图像相似度值。[0061]步骤213：根据所述目标对齐通道图像中每一个目标点对应的所述图像相似度值获取运动概率图。[0062]步骤214：根据所述运动概率图中每一个像素点的运动大小与运动阈值的比较结果确定所述运动区域。[0063]步骤215：对获取到的所述运动概率图进行调制，以得到所述第一运动信息。[0064]在步骤211的具体实施中，可以基于点的降噪，逐点计算每个目标点相比参考帧中相应对齐的像素点之间差值，可以通过以下公式计算每个目标点与相应对齐像素点之间的第一差值：[0065]diff1(i，j)＝alt(i，j)–ref(i，j)ꢀꢀꢀꢀ公式一[0066]其中，diff(i，j)表示第一差值，alt(i，j)表示对齐图像中像素点(i，j)的值，ref(i，j)表示所述参考图像中像素点(i，j)的值。[0067]在步骤202的具体实施中，可以计算所述第一差值与第一阈值的差以得到第二差值，具体地，可以通过以下公式计算所述第二差值：[0068]diff2(i，j)＝diff1(i，j)‑thr(i，j)公式二[0069]其中，diff2(i，j)表示所述第二差值，thr(i，j)表示目标点对应的差异阈值(即第一阈值)。其中，可以为每一个位置(目标像素点)设置自适应的差异阈值thr(i，j),该thr的大小随ref(i，j)大小变化,ref(i，j)值越大，该阈值越大，反之亦然。还可以为每一个位置(目标像素点)设置自适应的置信度thegma(i，j),该thegma的大小随ref(i，j)大小变化，ref(i，j)值越大，thegma值越大，反之亦然。[0070]在计算得到上述第二差值后，可以将第二差值与第二阈值进行比较，若所述第二差值小于第二阈值，则确定目标点向相应对齐的所述特征点融合的融合权重值为第一权值，若所述第二差值不小于所述第二阈值，确定目标点向相应对齐的所述特征点融合的融合权重值为第二权值，并可以根据所述目标小块对应的所述第二差值和所述目标点对应的置信度计算所述第二权值。举例来说，该第二阈值可以为“0”，若第二差值diff2小于0，则确定所述第一权值w1(i，j)＝1。若第二差值diff2不小于0，则可以通过以下公式计算所述第二权值w2(i，j)：[0071]w2(i，j)＝exp^(‑diff2(i，j)*diff2(i,j)/(thegma(i，j)*thegma(i,j)))；[0072]其中，(i，j)表示所述目标点的位置，w2(i，j)表示所述目标点(i，j)的所述第二权值，diff2(i，j)表示所述目标点的所述第二差值，thegma(i，j)表示所述目标点(i，j)的所述置信度。[0073]在步骤212的具体实施中，所述根据所述每个所述目标点向相应对齐的所述特征点融合的融合权重值计算获取若干帧向所述参考图像融合后所确定的图像相似度值包括通过以下公式确定每个所述目标点的所述图像相似度值：[0074][0075]其中，(i,j)表示所述目标点的位置，wn(i,j)表示所述若干帧对齐图像中第n帧对齐图像相对于所述参考图像在像素点(i,j)处的融合权重值，similar(i,j)表示所述目标点(i,j)的所述图像相似度值，fdark、fmid、fbright分别表示在亮度dark、亮度mid和亮度bright这三种不同亮度水平下所述图像相似度的计算函数，并且在所述目标点对齐的所述特征点的像素值低于第一亮度阈值亮度thr_l时采用亮度dark对应的所述图像相似度的计算函数，在所述目标点对齐的所述特征点的像素值高于第二亮度阈值亮度thr_h时采用所述亮度bright对应的所述图像相似度的计算函数，若所述目标点对齐的所述特征点的像素值不低于第一亮度阈值亮度thr_l且不高于则采用所述亮度mid对应的所述图像相似度的计算函数。[0076]在步骤213～步骤214的具体实施中，在步骤212中根据目标点对齐的所述特征点的像素值选用相对应的图像相似度的计算函数后，得到每一个目标点对应的相似度，进一步地可以根据每一个目标点对应的相似度总和的平均值获取运动概率图(movemap)。其中，move_map＝1‑similar，similar表示通过公式三所确定的每一个目标点对应的图像相似度值，获取到的movemap的map值(运动大小)的数值范围为(0‑1)，即，0≤map值≤1，若map值大于运动阈值则确定该点存在运动，map值越高则表示运动的可能性越高，进而可以根据map值确定运动区域。[0077]在步骤215的具体实施中，可以对步骤204中获取到的movemap进行调制，其目的在于剔除毛刺，使整个movemap更加平滑，以保证图像效果的稳定性。[0078]区别于上述基于平均值的方式获取图像相似度，在另一个实施方式中，还可以采用max的方式，高亮处采用min的方式，具体如下所示：[0079]fdark＝max(w1(i,j),w2(i,j),...wn(i,j),)ꢀꢀꢀꢀ公式四[0080]fmid＝sum(w1(i,j),w2(i,j),...wn(i,j),)/nꢀꢀꢀꢀꢀ公式五[0081]fbright＝min(w1(i,j),w2(i,j),...wn(i,j),)ꢀꢀꢀꢀ公式六[0082]其中，fdark、fmid、fbright分别表示在亮度dark、亮度mid和亮度bright这三种不同亮度水平下所述图像相似度的计算函数。[0083]在所述目标点对齐的所述特征点的像素值低于第一亮度阈值亮度thr_l时采用公式四确定所述图像相似度，即，选取若干帧对齐图像在同一个目标点(i,j)的多个融合权重值中的最大值作为所述图像相似度。[0084]在所述目标点对齐的所述特征点的像素值高于于第二亮度阈值亮度thr_h时采用公式六确定所述图像相似度，即，选取若干帧对齐图像在同一个目标点(i,j)的多个融合权重值中的最小值作为所述图像相似度。[0085]在所述目标点对齐的所述特征点的像素值不低于第一亮度阈值亮度thr_l且不高于则采用公式五确定所述图像相似度，即，将若干帧对齐图像在同一个目标点(i,j)的多个融合权重值的平均值作为所述图像相似度。[0086]图1所示的步骤103具体包括图3所示的以下步骤：[0087]步骤301：基于不同通道的movemap，整合一个运动概率图集合(movemap(f))。[0088]步骤302：对步骤301生成的movemap(f)调整生成denoisemap。[0089]步骤303：根据所述denoisemap以及滤波器执行空域滤波，以输出最终图像。[0090]在步骤301的具体实施中，可以基于不同通道的movemap，整合一个movemap(f)，在上述整合过程中，可以基于相同位置取最大值实现，具体地，整合过程可以如以下公式所示：movemap(f)(i，j)＝max[movemap1(i，j)movemap2(i，j),movemapl(i，j)]，其中，l为通道的个数。[0091]在步骤302的具体实施中，可以基于movemap(f)，调制生成denoisemap，该调制过程可以按照线性实现，即可以表示为：denoise_map(i，j)＝a*move_map_f+b；其中，a表示第一去噪强度调节因子，b表示第二去噪强度调节因子，a和b的值可以根据环境亮度bv进行相应配置，并且第一去噪强度调节因子a大于第二去噪强度调节因子b。[0092]在步骤303的具体实施中，可以基于denoisemap以及滤波器执行空域滤波，以输出最终图像。其中滤波器可以为引导滤波器(guidefilter)该空域滤波可以为逐个通道完成空域滤波。[0093]output＝guidefilter(input,denoisemap,win_w)；[0094]其中，denoisemap为所述滤波器的thegma参数，win_w参数代表guidefilter的窗口宽度。最终，输出滤波后的图像。[0095]本技术实施例还提供一种图像降噪装置，图4为本技术再一个实施例提供的图像降噪装置的结构示意图，如图4所示，该装置包括：[0096]图像获取模块401，用于获取第一图像组，所述第一图像组包括参考图像和与所述参考图像对齐的若干帧对齐图像，每个所述对齐图像包括多个目标点，且每个所述对齐图像的所述多个目标点与所述参考图像中的多个特征点一一对齐，所述参考图像和所述对齐图像均包括l种类型的通道图像；[0097]运动检测模块402，用于分别对所述若干帧对齐图像中所述l种类型的通道图像进行处理，以获取各类型的所述通道图像对应的第一运动信息，其中，对其中一种类型的所述通道图像的处理过程包括：获取所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息，并根据所述若干帧对齐图像的目标类型的所述通道图像中每个所述目标点与所述参考图像对应通道图像中相应对齐的所述特征点的相似度信息确定与所述目标类型的通道图像对应的第一运动信息，所述第一运动信息包括运动区域；以及[0098]降噪模块403，根据所述l种类型的所述通道图像所确定的所述第一运动信息整合得到第二运动信息，根据所述第二运动信息和滤波器对l种类型的融合图像分别执行空域滤波得到l种输出图像，并将所述l种输出图像合成为最终图像，其中，每种类型的所述融合图像为所述若干帧对齐图像中相应类型的通道图像与所述参考图像中相应类型的通道图像进行融合得到的图像。[0099]本技术的另一个实施例还提供一种图像降噪装置，图5为本技术另一个实施例提供的图像降噪装置的结构示意图，如图5所示，该装置包括：处理器501和存储器502，所述存储器502用于存储至少一条指令，所述指令由所述处理器501加载并执行时以实现图1、图2和图3所示的任意实施例提供的图像降噪方法。[0100]在一种实施方式中，图5所示实施例提供的图像降噪装置可以为一种芯片。[0101]本技术的另一个实施例还提供一种芯片，所述芯片与存储器相连，或者所述芯片上集成有存储器(如图5所示实施例提供的图像降噪装置)，当所述存储器中存储的程序或指令被执行时，实现图1、图2和图3所示的任意实施例提供的图像降噪方法。[0102]本技术实施例还提供一种终端，该终端包括终端本体以及图5所示实施例提供的图像降噪装置或上述实施例提供的与存储器相连的芯片。该终端通过图5所示实施例提供的图像降噪装置或上述实施例提供的与存储器相连的芯片执行相应的程序或指令，实现图1、图2和图3所示的任意实施例提供的图像降噪方法。[0103]本技术再一个实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现图1、图2和图3所示的任意实施例提供的图像降噪方法。[0104]需要说明的是，本发明实施例中所涉及的终端可以包括但不限于个人计算机(personalcomputer，pc)、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)、手机、mp3播放器、mp4播放器等。[0105]可以理解的是，所述应用可以是安装在终端上的应用程序(nativeapp)，或者还可以是终端上的浏览器的一个网页程序(webapp)，本发明实施例对此不进行限定。[0106]所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0107]在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0108]所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。[0109]另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。[0110]上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read‑onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。[0111]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。[0112]最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。当前第1页12当前第1页12