一种提升夜间信噪比的AI降噪方法与流程
本发明属于智能监控降噪，涉及一种ai降噪方法，尤其是一种提升夜间信噪比的ai降噪方法。
1、现有的超星光设备在夜间，尤其是在照度低于0.002lux环境下，画面成像质量差，运动物体存在噪声大、看不清、拖尾明显的问题，几乎起不到有效监控的作用，现有的dncnn进行降噪后，对于夜间某些场景下的清晰度影响很大。
1、本发明的目的在于克服现有技术的不足，提出一种提升夜间信噪比的ai降噪方法，能够解决低照下噪声形态不好，且为了解决噪声问题会引起运动拖影的技术问题。
5、步骤2、统计原始raw数据的增益信息，生成一个针对当前增益信息的一个融合比例；
6、步骤3、统计原始raw数据的运动信息，生成一个针对当前运动信息的一个运动曲线、统计当前raw数据的亮度分布信息，生成针对亮度分布信息的亮度曲线获得的降噪后的数据和步骤2-4获得的三种融合曲线，生成最终的降噪后的raw数据。
10、获取夜间图像的原始raw数据进行降噪处理，并对raw数据分别进行dncnn降噪处理和传统denoise降噪处理，生成无噪声数据和降噪后的数据；
20、统计当前raw数据的运动信息，把运动信息按大小、速度分为32个分段，使用默认的运动融合比例，针对不同分段的运动区域生成运动曲线、其中mi+1为当前运动信息数组的上index；
27、统计当前raw数据的亮度分布信息，分为32个分段(亮度为1024，每个亮度分段区间为32个亮阶)，使用默认亮度融合比例，针对不同的分段调整融合比例，生成亮度曲线、其中li+1为当前亮度数组的上index；
34、将步骤1中dncnn生成的无噪声数据和传统isp处理后的数据结合步骤2-4中的三种融合曲线计算出最终的融合比例α＝ka*kb*kc，然后按照阿尔法融合公式raw＝raw(dncnn)*α+raw(传统)*(1-α)的公式进行融合，生成最终的降噪后的raw数据送入后续的isp模块进行处理。
36、1、本发明提出一种提升夜间信噪比的的ai降噪方法，采用dncnn的ai降噪方法，减少了相机在暗环境的噪声，提升成像效果，以此减少因为压制噪声而引起的拖影问题，提升运动物体的清晰度。达到了更好的监控效果。
37、2、本发明以监控有效性为原则，相机自动识别当前环境照度，根据环境照度情况进行增益和运动程度的区分，再根据不同的亮度区间生效不同的降噪效果，达到更好的视频监控效果。
38、3、本发明采用dncnn和传统isp相融合的技术方式，可以同时优化dncnn对于细节的损失问题，和传统isp一直无法解决的运动拖影以及清晰度降低的问题。两者融合，综合两种算法的优势，得到更好的图像效果。
5.根据权利要求1所述的一种提升夜间信噪比的ai降噪方法，其特征在于：所述步骤4的具体方法为：6.根据权利要求1所述的一种提升夜间信噪比的ai降噪方法，其特征在于：所述步骤5的具体方法为：
本发明涉及一种提升夜间信噪比的AI降噪方法，包括以下步骤：步骤1、获取夜间图像的原始raw数据进行降噪处理；步骤2、统计原始raw数据的增益信息，生成一个针对当前增益信息的一个融合比例；步骤3、统计原始raw数据的运动信息，生成一个针对当前运动信息的一个运动曲线、统计当前raw数据的亮度分布信息，生成针对亮度分布信息的亮度曲线获得的降噪后的数据和步骤2‑4获得的三种融合曲线，生成最终的降噪后的raw数据。本发明解决低照下噪声形态不好，且为了解决噪声问题会引起运动拖影的技术问题。