基于多帧图像的图像处理方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110264420A(43)申请公布日2019.09.20(21)申请号201910509711.4(22)申请日2019.06.13(71)申请人OPPO广东移动通信有限公司地址523860广东省东莞市长安镇乌沙海滨路18号(72)发明人康健(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人张润(51)Int.Cl.G06T5/00(2006.01)G06T5/50(2006.01)G06T3/40(2006.01)G06T7/11(2017.01)H04N5/232(2006.01)权利要求书3页说明书15页附图5页(54)发明名称基于多帧图像的图像处理方法和装置(57)摘要本申请提出一种基于多帧图像的图像处理方法和装置，其中，方法包括：获取多帧原始图像，并根据多帧原始图像，合成得到高动态范围图像然后，根据图像纹理信息的不同，将高动态范围图像划分为不同的纹理区域，并采用不同的神经网络模型分别对高动态范围图像中不同纹理区域进行降噪处理，以得到降噪后的高动态范围图像。由此，通过对高动态范围图像中的不同纹理区域分别进行降噪处理，解决了夜景拍摄时，拍摄的图像噪声水平高，影响用户体验的技术问题，实现了对不同纹理区域进行针对性降噪，提高了降噪的有效性，使得降噪得到的高动态范围图像在降低画面噪声的同时保留图像细节，得到清晰度更好的图像，进而改善了用户的使用体验。CN110264420ACN110264420A权利要求书1/3页1.一种基于多帧图像的图像处理方法，其特征在于，包括：获取多帧原始图像；根据所述多帧原始图像，合成得到高动态范围图像；对所述高动态范围图像进行纹理分析，以将所述高动态范围图像划分为不同的纹理区域；对所述高动态范围图像中不同纹理区域采用不同的神经网络模型分别进行降噪处理，以得到降噪后的高动态范围图像。2.根据权利要求1所述的方法，其特征在于，所述对所述高动态范围图像中不同纹理区域采用不同的神经网络模型分别进行降噪处理，包括：根据各个所述纹理区域的类型，确定各个所述纹理区域对应的神经网络模型；根据各神经网络模型对所述高动态范围图像中对应纹理区域进行降噪处理。3.根据权利要求2所述的方法，其特征在于，所述根据各神经网络模型对所述高动态范围图像中对应纹理区域进行降噪处理，包括：根据各神经网络模型对所述高动态范围图像中对应纹理区域进行噪声特性识别，以识别出所述对应纹理区域中的噪声特性，其中，所述神经网络模型，已学习得到所述对应纹理区域与噪声特性之间的映射关系；根据识别出的噪声特性，对所述对应纹理区域进行降噪处理。4.根据权利要求1所述的图像处理方法，其特征在于，所述多帧原始图像中包括至少两帧相同曝光量的第一图像，以及包括曝光量低于所述第一图像的至少一帧第二图像；所述根据所述多帧原始图像，合成得到高动态范围图像，包括：对所述至少两帧第一图像，进行多帧降噪，得到合成降噪图像；将所述合成降噪图像与所述至少一帧第二图像进行高动态合成，得到所述高动态范围图像。5.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述多帧原始图像，合成得到高动态范围图像，包括：将所述多帧原始图像输入高动态合成模型，以得到相应原始图像中各区域的合成权重；根据所述合成权重，分区域对所述多帧原始图像进行合成，以得到所述高动态范围图像。6.根据权利要求5所述的图像处理方法，其特征在于，所述高动态合成模型，已学习得到原始图像中各区域的特征与合成权重之间的映射关系；所述特征用于表征曝光量和相应区域的图像亮度。7.一种基于多帧图像的图像处理装置，其特征在于，包括：获取模块，用于获取多帧原始图像；合成模块，用于根据所述多帧原始图像，合成得到高动态范围图像；纹理分析模块，用于对所述高动态范围图像进行纹理分析，以将所述高动态范围图像划分为不同的纹理区域；降噪模块，用于对所述高动态范围图像中不同纹理区域采用不同的神经网络模型分别进行降噪处理，以得到降噪后的高动态范围图像。2CN110264420A权利要求书2/3页8.根据权利要求7所述的装置，其特征在于，所述降噪模块，具体用于：根据各个所述纹理区域的类型，确定各个所述纹理区域对应的神经网络模型；根据各神经网络模型对所述高动态范围图像中对应纹理区域进行降噪处理。9.根据权利要求8所述的装置，其特征在于，所述降噪模块，具体用于：根据各神经网络模型对所述高动态范围图像中对应纹理区域进行噪声特性识别，以识别出所述对应纹理区域中的噪声特性，其中，所述神经网络模型，已学习得到所述对应纹理区域与噪声特性之间的映射关系；根据识别出的噪声特性，对所述对应纹理区域进行降噪处理。10.根据权利要求7所述的图像处理装置，其特征在于，所述多帧