CN119228676A - 一种智慧视觉超感光降噪方法、系统和介质 - Google Patents

Abstract

本申请提供了一种智慧视觉超感光降噪方法、系统和介质。该方法包括：通过图像采集时间点对应的光照强度值获取图像传感器参数值并采集实时图像，之后进行预处理，获得优化图像，根据优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，根据噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，对优化图像进行降噪处理，获得降噪图像，获取降噪图像的图像质量参数数据并进行处理，获得降噪实效指数，最后进行阈值对比，根据阈值对比结果调整自适应降噪处理方法；通过图像预处理、识别噪声类别和噪声强度获取自适应降噪处理方法，实现了智慧视觉超感光图像的智能降噪。

Description

一种智慧视觉超感光降噪方法、系统和介质

技术领域

本申请涉及视觉图像处理技术领域，具体而言，涉及一种智慧视觉超感光降噪方法、系统和介质。

背景技术

在智慧工地的建设中，视觉监控系统起着至关重要的作用。然而，工地环境复杂多变，光照条件差且存在大量干扰因素，如灰尘、烟雾等。传统的视觉采集设备在这种环境下获取的图像往往存在严重的噪声问题，这极大地影响了后续的图像分析、目标识别等处理过程，导致对工地安全隐患、施工进度等情况的误判，无法满足智慧工地对于精准视觉信息的需求。目前已有的一些降噪方法在应对智慧工地这种复杂环境下的超感光需求时存在降噪效果不佳或过度降噪导致图像细节丢失问题。

针对上述问题，目前亟待有效的技术解决方案。

发明内容

本申请的目的在于提供一种智慧视觉超感光降噪方法、系统和介质，可以通过图像预处理、识别噪声类别和噪声强度获取自适应降噪处理方法，实现了智慧视觉超感光图像的智能降噪。

本申请还提供了一种智慧视觉超感光降噪方法，包括以下步骤：

获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像，包括：

获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值；

根据所述采集频率、曝光时间、光圈大小和增益值进行拍照获得多帧实时图像；

对所述多帧实时图像进行预处理，获得优化图像。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述对所述多帧实时图像进行预处理，获得优化图像，包括：

根据所述多帧实时图像分别提取角点对应的ORB描述子；

通过对多帧实时图像的ORB描述子之间的距离进行匹配获得匹配特征点；

根据匹配特征点进行处理，获得几何变换关系，根据几何变换关系进行处理，获得仿射变换矩阵；

根据所述仿射变换矩阵对所述多帧实时图像分别进行优化，获得优化图像。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，包括：

将所述优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据；

根据所述优化图像获取像素值统计数据，包括像素标准差、像素方差和信噪比；

将所述像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，包括：

将所述噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值；

将所述噪声强度相对值与预设噪声等级评定阈值进行阈值对比，根据阈值对比结果获得噪声等级，包括弱噪声或强噪声；

根据所述噪声类别特征数据结合所述噪声等级查询预设降噪方法数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数，包括：

获取降噪图像的图像质量参数数据，包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数；

将所述峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数。

可选地，在本申请所述的智慧视觉超感光降噪方法中，所述将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法，包括：

将所述降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

将所述降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比；

若小于或等于预设降噪实效偏差率阈值，则降噪实效为正常状态；

若大于预设降噪实效偏差率阈值，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

可选地，在本申请所述的智慧视觉超感光降噪方法中，还包括：

获取降噪图像的梯度方向、梯度幅值和方向区间，方向区间包括边缘方向区间和纹理方向区间，梯度幅值包括边缘方向梯度幅值和纹理方向梯度幅值；

若所述梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，则根据边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数；

根据所述边缘方向增强系数增强所述边缘方向梯度幅值，获得边缘方向梯度优化幅值；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差；

将所述纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

根据所述纹理方向增强系数增强所述纹理方向梯度幅值，获得纹理方向梯度优化幅值。

第二方面，本申请提供了一种智慧视觉超感光降噪系统，该系统包括：存储器及处理器，所述存储器中包括一种智慧视觉超感光降噪方法的程序，所述一种智慧视觉超感光降噪方法的程序被所述处理器执行时实现以下步骤：

获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储一种智慧视觉超感光降噪方法程序，所述一种智慧视觉超感光降噪方法程序被处理器执行时，实现如上述任一项所述的一种智慧视觉超感光降噪方法的步骤。

由上可知，本申请提供的一种智慧视觉超感光降噪方法、系统和介质，通过图像预处理、识别噪声类别和噪声强度获取自适应降噪处理方法，实现了智慧视觉超感光图像的智能降噪。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种智慧视觉超感光降噪方法的流程图；

图2为本申请实施例提供的一种智慧视觉超感光降噪方法的获得优化图像的流程图；

图3为本申请实施例提供的一种智慧视觉超感光降噪方法的获得降噪实效指数的流程图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1是本申请一些实施例中的一种智慧视觉超感光降噪方法的流程图。该一种智慧视觉超感光降噪方法用于终端设备中，例如电脑、手机终端等。该一种智慧视觉超感光降噪方法，包括以下步骤：

S11、获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

S12、根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

S13、根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

S14、获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

S15、将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

需要说明的是，为了实现对采集的图像进行有效降噪，首先获取图像采集时间点对应的光照强度值，不同光照强度值对应不同的图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值，根据查询到的图像传感器参数值实施图像采集，获得多帧实时图像，并进行预处理，获得优化图像，然后根据优化图像识别对应的噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，用于表述该类别噪声的噪声强度，根据噪声类别特征数据和噪声强度评估指数获得对应的自适应降噪处理方法，并对优化图像进行降噪处理，获得降噪图像，提取降噪图像的图像质量参数数据并进行处理，获得降噪实效指数，最后通过阈值对比结果调整自适应降噪处理方法。

请参照图2，图2是本申请一些实施例中的一种智慧视觉超感光降噪方法的获得优化图像的流程图。根据本发明实施例，所述获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像，包括：

S21、获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值；

S22、根据所述采集频率、曝光时间、光圈大小和增益值进行拍照获得多帧实时图像；

S23、对所述多帧实时图像进行预处理，获得优化图像。

需要说明的是，不同图像采集时间点的光照条件不同，需要的图像传感器参数值也不同，为了保证采集图像的质量，首先获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取包括采集频率、曝光时间、光圈大小和增益值的图像传感器参数值，其中，预设光照参数映射表由预设智慧视觉超感光降噪数据库查询获得，然后根据查询到的采集频率、曝光时间、光圈大小和增益值进行拍照，获得多帧实时图像，并对图像进行预处理，获得优化图像，用于后续降噪处理。

根据本发明实施例，所述对所述多帧实时图像进行预处理，获得优化图像，包括：

根据所述多帧实时图像分别提取角点对应的ORB描述子；

通过对多帧实时图像的ORB描述子之间的距离进行匹配获得匹配特征点；

根据匹配特征点进行处理，获得几何变换关系，根据几何变换关系进行处理，获得仿射变换矩阵；

根据所述仿射变换矩阵对所述多帧实时图像分别进行优化，获得优化图像。

需要说明的是，由于采集过程中可能存在设备微小位移、抖动等因素导致图像发生偏移，首先需对获得的多帧实时图像进行对齐，通过FAST（Features from AcceleratedSegment Test）角点检测算法判断该点是否为角点，确定角点后，提取角点对应的ORB（Oriented FAST and Rotated BRIEF）描述子，例如，对于一个31*31的角点邻域，随机选择n对像素点，比较每对像素点的灰度值，如果第一个像素点的灰度值大于第二个像素点的灰度值，则对应的二进制位设为1，否则设为0，对于两帧图像，通过计算描述子之间的距离来进行匹配，若在两帧图像中找到了n对匹配的特征点，本领域技术人员可以根据实际需要表示其几何变换关系，根据几何变换关系获得仿射变换矩阵，根据获得的仿射变换矩阵对多帧实时图像分别进行优化，包括旋转、缩放、平移或剪切，获得优化图像。

根据本发明实施例，所述根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，包括：

将所述优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据；

根据所述优化图像获取像素值统计数据，包括像素标准差、像素方差和信噪比；

将所述像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数。

需要说明的是，不同类型和不同强度的图像噪声采用的降噪处理方法不同，为了匹配最优降噪处理方法，首先将优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据，其中，图像噪声识别模型通过获取大量历史样本的优化图像及对应的噪声类别特征数据训练获得；然后获取优化图像的像素值统计数据，包括像素标准差、像素方差和信噪比，其中，像素标准差和像素方差是根据优化图像预设范围内多个像素值求标准差和方差获得，信噪比用于衡量信号强度与噪声强度相对关系，将获得的像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数：

所述噪声强度评估模型中噪声强度评估指数计算公式为：

；

其中， 为噪声强度评估指数，、、分别为像素标准差、像素方差和信噪比，、为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）。

根据本发明实施例，所述根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，包括：

将所述噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值；

将所述噪声强度相对值与预设噪声等级评定阈值进行阈值对比，根据阈值对比结果获得噪声等级，包括弱噪声或强噪声；

根据所述噪声类别特征数据结合所述噪声等级查询预设降噪方法数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像。

需要说明的是，将获得的噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值，例如，获得的噪声强度评估指数为70，预设噪声强度标准评估指数为100，则70/100=0.7即为噪声强度相对值；将噪声强度相对值与预设噪声等级评定阈值进行阈值对比，本实施例中，噪声等级评定阈值设置为（0，0.75]、（0.75，1]，分别对应弱噪声、强噪声，例如，获得的噪声强度相对值为0.7，则对应弱噪声；根据噪声类别特征数据结合噪声等级查询预设视觉超感光降噪数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，其中，预设视觉超感光降噪数据库根据噪声类别特征数据和噪声等级及对应的自适应降噪处理方法分析获得。

请参照图3，图3是本申请一些实施例中的一种智慧视觉超感光降噪方法的获得降噪实效指数的流程图。根据本发明实施例，所述获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数，包括：

S31、获取降噪图像的图像质量参数数据，包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数；

S32、将所述峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数。

需要说明的是，为了评估降噪处理后的图像质量，首先获取包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数的图像质量参数数据，其中，图像质量参数数据可以由本领域技术人员根据需要计算获得，峰值信噪比是指通过获取像素值后计算均方误差的对数获得，峰值信噪比值越高，说明降噪方法对噪声的抑制效果越好；结构相似性指数是指通过图像的局部均值、方差和协方差处理获得，结构相似性指数值在-1到1之间，值越接近1，表示降噪后图像在结构上与原始图像越相似，即降噪效果和细节保留效果越好；噪声抑制比是通过图像中的噪声功率计算获得，噪声抑制比的值越高，说明降噪方法对噪声的抑制效果越好；边缘保持指数是通过对原始图像边缘像素与降噪后图像对应边缘像素进行相似度计算获得，边缘保持指数值越高，表明降噪过程中对边缘的保持效果越好；将获得的峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数：

所述降噪处理实效评估模型中降噪实效指数计算公式为：

；

其中，为降噪实效指数，、、、分别为峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数，为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）。

根据本发明实施例，所述将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法，包括：

将所述降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

将所述降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比；

若小于或等于预设降噪实效偏差率阈值，则降噪实效为正常状态；

若大于预设降噪实效偏差率阈值，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

需要说明的是，将获得的降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

所述降噪实效偏差率计算公式为：

；

其中，为降噪实效偏差率，、分别为降噪实效指数和降噪需求指数；将降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比，本实施例中，降噪实效偏差率阈值设置为（0，0.3]、（0.3，1]，分别对应正常状态、异常状态，例如，获得的降噪实效偏差率为0.2，则降噪实效为正常状态，若获得的降噪实效偏差率为0.4，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

根据本发明实施例，还包括：

获取降噪图像的梯度方向、梯度幅值和方向区间，方向区间包括边缘方向区间和纹理方向区间，梯度幅值包括边缘方向梯度幅值和纹理方向梯度幅值；

若所述梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，则根据边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数；

根据所述边缘方向增强系数增强所述边缘方向梯度幅值，获得边缘方向梯度优化幅值；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差；

将所述纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

根据所述纹理方向增强系数增强所述纹理方向梯度幅值，获得纹理方向梯度优化幅值。

需要说明的是，为了突出图像细节特征，并防止过度增强导致噪声放大，首先获取降噪图像的梯度方向和梯度幅值，对于像素，其梯度方向，梯度幅值，其中，为水平梯度图像，为垂直梯度图像，然后确定方向区间数量n，360°/n即为方向区间；若梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，本实施例中，边缘方向梯度幅值阈值设置为10，若边缘方向梯度幅值为8，则即为边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率，根据梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数，其中，预设增强系数列表由预设智慧视觉超感光降噪数据库查询获得，根据获得的边缘方向增强系数增强所述边缘方向梯度幅值，所述边缘方向梯度幅值计算公式为：

；

其中，为边缘方向梯度优化幅值，、分别为边缘方向梯度幅值和边缘方向增强系数；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差，其中，纹理像素值方差和纹理像素值标准差是通过获取预设区域内像素值再分别求方差和标准差获得，将纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

所述纹理方向增强系数计算公式为：

；

其中，为纹理方向增强系数，、分别为纹理像素值方差和纹理像素值标准差，、为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得），根据获得的纹理方向增强系数增强所述纹理方向梯度幅值；

所述纹理方向梯度优化幅值计算公式为：

；

其中，为纹理方向梯度优化幅值，、分别为纹理方向梯度幅值和纹理方向增强系数。

值得一提的是，根据本发明实施例，还包括：

获取降噪图像预设区域内的像素值及对应的像素亮度值，根据像素亮度值进行处理，获得局部对比度数据，根据像素亮度值提取最大亮度值和最小亮度值；

将所述局部对比度数据与预设局部对比度阈值进行对比：

若小于或等于预设局部对比度阈值，则对应低亮度，并获取预设区域内像素的平均亮度值和亮度分布广度值；

根据所述平均亮度值和亮度分布广度值结合像素亮度值和最小亮度值进行处理，获得像素亮度调整值，根据像素亮度调整值调整低亮度区域；

若大于预设局部对比度阈值，则对应高亮度，并通过预设像素亮度直方图获得像素亮度值对应的累计分布函数值；

根据所述累计分布函数值、最大亮度值和最小亮度值进行处理，获得对应的均衡化像素值，根据均衡化像素值调整高亮度区域。

需要说明的是，为了突出图像细节，首先获取降噪图像预设区域内的像素值及对应的像素亮度值，根据像素亮度值进行处理，获得局部对比度数据，局部对比度数据是预设区域内像素值的最大亮度值与最小亮度值之差与最大亮度值与最小亮度值之和的比值，然后将获得的局部对比度数据与预设局部对比度阈值进行对比，本实施例中，预设局部对比度阈值设置为（0，0.3]、（0.3，1]，分别对应低亮度、高亮度；例如，若获得的局部对比度数据为0.2，则对应低亮度，并获取预设区域内像素的平均亮度值和亮度分布广度值，其中，亮度分布广度值是指最大亮度值与最小亮度值的差值，根据平均亮度值和亮度分布广度值进行处理，获得像素亮度调整值；

所述像素亮度调整值计算公式为：

；

其中，为像素亮度调整值，、、、分别为像素亮度值、最小亮度值、平均亮度值和亮度分布广度值，为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）；

最后根据获得的像素亮度调整值调整低亮度区域像素值；

若获得的局部对比度数据为0.5，则对应高亮度，首先通过预设像素亮度直方图获得亮度值对应的累计分布函数值，其中，像素亮度直方图由预设智慧视觉超感光降噪数据库查询获得，然后根据累计分布函数值、最大亮度值和最小亮度值进行处理，获得对应的均衡化像素值；

所述均衡化像素值计算公式为：

；

其中，为均衡化像素值，、、分别为累计分布函数值、最大亮度值和最小亮度值；

最后根据获得的均衡化像素值调整高亮度区域。

本发明还公开了一种智慧视觉超感光降噪系统，包括存储器和处理器，所述存储器中包括一种智慧视觉超感光降噪方法程序，所述一种智慧视觉超感光降噪方法程序被所述处理器执行时实现如下步骤：

获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

需要说明的是，为了实现对采集的图像进行有效降噪，首先获取图像采集时间点对应的光照强度值，不同光照强度值对应不同的图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值，根据查询到的图像传感器参数值实施图像采集，获得多帧实时图像，并进行预处理，获得优化图像，然后根据优化图像识别对应的噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，用于表述该类别噪声的噪声强度，根据噪声类别特征数据和噪声强度评估指数获得对应的自适应降噪处理方法，并对优化图像进行降噪处理，获得降噪图像，提取降噪图像的图像质量参数数据并进行处理，获得降噪实效指数，最后通过阈值对比结果调整自适应降噪处理方法。

根据本发明实施例，所述获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像，包括：

获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值；

根据所述采集频率、曝光时间、光圈大小和增益值进行拍照获得多帧实时图像；

对所述多帧实时图像进行预处理，获得优化图像。

需要说明的是，不同图像采集时间点的光照条件不同，需要的图像传感器参数值也不同，为了保证采集图像的质量，首先获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取包括采集频率、曝光时间、光圈大小和增益值的图像传感器参数值，其中，预设光照参数映射表由预设智慧视觉超感光降噪数据库查询获得，然后根据查询到的采集频率、曝光时间、光圈大小和增益值进行拍照，获得多帧实时图像，并对图像进行预处理，获得优化图像，用于后续降噪处理。

根据本发明实施例，所述对所述多帧实时图像进行预处理，获得优化图像，包括：

根据所述多帧实时图像分别提取角点对应的ORB描述子；

通过对多帧实时图像的ORB描述子之间的距离进行匹配获得匹配特征点；

根据匹配特征点进行处理，获得几何变换关系，根据几何变换关系进行处理，获得仿射变换矩阵；

根据所述仿射变换矩阵对所述多帧实时图像分别进行优化，获得优化图像。

需要说明的是，由于采集过程中可能存在设备微小位移、抖动等因素导致图像发生偏移，首先需对获得的多帧实时图像进行对齐，通过FAST（Features from AcceleratedSegment Test）角点检测算法判断该点是否为角点，确定角点后，提取角点对应的ORB（Oriented FAST and Rotated BRIEF）描述子，例如，对于一个31*31的角点邻域，随机选择n对像素点，比较每对像素点的灰度值，如果第一个像素点的灰度值大于第二个像素点的灰度值，则对应的二进制位设为1，否则设为0，对于两帧图像，通过计算描述子之间的距离来进行匹配，若在两帧图像中找到了n对匹配的特征点，本领域技术人员可以根据实际需要表示其几何变换关系，根据几何变换关系获得仿射变换矩阵，根据获得的仿射变换矩阵对多帧实时图像分别进行优化，包括旋转、缩放、平移或剪切，获得优化图像。

根据本发明实施例，所述根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，包括：

将所述优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据；

根据所述优化图像获取像素值统计数据，包括像素标准差、像素方差和信噪比；

将所述像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数。

需要说明的是，不同类型和不同强度的图像噪声采用的降噪处理方法不同，为了匹配最优降噪处理方法，首先将优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据，其中，图像噪声识别模型通过获取大量历史样本的优化图像及对应的噪声类别特征数据训练获得；然后获取优化图像的像素值统计数据，包括像素标准差、像素方差和信噪比，其中，像素标准差和像素方差是根据优化图像预设范围内多个像素值求标准差和方差获得，信噪比用于衡量信号强度与噪声强度相对关系，将获得的像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数：

所述噪声强度评估模型中噪声强度评估指数计算公式为：

；

其中， 为噪声强度评估指数，、、分别为像素标准差、像素方差和信噪比，、为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）。

根据本发明实施例，所述根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，包括：

将所述噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值；

将所述噪声强度相对值与预设噪声等级评定阈值进行阈值对比，根据阈值对比结果获得噪声等级，包括弱噪声或强噪声；

根据所述噪声类别特征数据结合所述噪声等级查询预设降噪方法数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像。

需要说明的是，将获得的噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值，例如，获得的噪声强度评估指数为70，预设噪声强度标准评估指数为100，则70/100=0.7即为噪声强度相对值；将噪声强度相对值与预设噪声等级评定阈值进行阈值对比，本实施例中，噪声等级评定阈值设置为（0，0.75]、（0.75，1]，分别对应弱噪声、强噪声，例如，获得的噪声强度相对值为0.7，则对应弱噪声；根据噪声类别特征数据结合噪声等级查询预设视觉超感光降噪数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，其中，预设视觉超感光降噪数据库根据噪声类别特征数据和噪声等级及对应的自适应降噪处理方法分析获得。

根据本发明实施例，所述获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数，包括：

获取降噪图像的图像质量参数数据，包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数；

将所述峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数。

需要说明的是，为了评估降噪处理后的图像质量，首先获取包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数的图像质量参数数据，其中，图像质量参数数据可以由本领域技术人员根据需要计算获得，峰值信噪比是指通过获取像素值后计算均方误差的对数获得，峰值信噪比值越高，说明降噪方法对噪声的抑制效果越好；结构相似性指数是指通过图像的局部均值、方差和协方差处理获得，结构相似性指数值在-1到1之间，值越接近1，表示降噪后图像在结构上与原始图像越相似，即降噪效果和细节保留效果越好；噪声抑制比是通过图像中的噪声功率计算获得，噪声抑制比的值越高，说明降噪方法对噪声的抑制效果越好；边缘保持指数是通过对原始图像边缘像素与降噪后图像对应边缘像素进行相似度计算获得，边缘保持指数值越高，表明降噪过程中对边缘的保持效果越好；将获得的峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数：

所述降噪处理实效评估模型中降噪实效指数计算公式为：

；

其中，为降噪实效指数，、、、分别为峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数，为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）。

根据本发明实施例，所述将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法，包括：

将所述降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

将所述降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比；

若小于或等于预设降噪实效偏差率阈值，则降噪实效为正常状态；

若大于预设降噪实效偏差率阈值，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

需要说明的是，将获得的降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

所述降噪实效偏差率计算公式为：

；

其中，为降噪实效偏差率，、分别为降噪实效指数和降噪需求指数；将降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比，本实施例中，降噪实效偏差率阈值设置为（0，0.3]、（0.3，1]，分别对应正常状态、异常状态，例如，获得的降噪实效偏差率为0.2，则降噪实效为正常状态，若获得的降噪实效偏差率为0.4，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

根据本发明实施例，还包括：

获取降噪图像的梯度方向、梯度幅值和方向区间，方向区间包括边缘方向区间和纹理方向区间，梯度幅值包括边缘方向梯度幅值和纹理方向梯度幅值；

若所述梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，则根据边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数；

根据所述边缘方向增强系数增强所述边缘方向梯度幅值，获得边缘方向梯度优化幅值；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差；

将所述纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

根据所述纹理方向增强系数增强所述纹理方向梯度幅值，获得纹理方向梯度优化幅值。

需要说明的是，为了突出图像细节特征，并防止过度增强导致噪声放大，首先获取降噪图像的梯度方向和梯度幅值，对于像素，其梯度方向，梯度幅值，其中，为水平梯度图像，为垂直梯度图像，然后确定方向区间数量n，360°/n即为方向区间；若梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，本实施例中，边缘方向梯度幅值阈值设置为10，若边缘方向梯度幅值为8，则即为边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率，根据梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数，其中，预设增强系数列表由预设智慧视觉超感光降噪数据库查询获得，根据获得的边缘方向增强系数增强所述边缘方向梯度幅值，所述边缘方向梯度幅值计算公式为：

；

其中，为边缘方向梯度优化幅值，、分别为边缘方向梯度幅值和边缘方向增强系数；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差，其中，纹理像素值方差和纹理像素值标准差是通过获取预设区域内像素值再分别求方差和标准差获得，将纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

所述纹理方向增强系数计算公式为：

；

其中，为纹理方向增强系数，、分别为纹理像素值方差和纹理像素值标准差，、为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得），根据获得的纹理方向增强系数增强所述纹理方向梯度幅值；

所述纹理方向梯度优化幅值计算公式为：

；

其中，为纹理方向梯度优化幅值，、分别为纹理方向梯度幅值和纹理方向增强系数。

值得一提的是，根据本发明实施例，还包括：

获取降噪图像预设区域内的像素值及对应的像素亮度值，根据像素亮度值进行处理，获得局部对比度数据，根据像素亮度值提取最大亮度值和最小亮度值；

将所述局部对比度数据与预设局部对比度阈值进行对比：

若小于或等于预设局部对比度阈值，则对应低亮度，并获取预设区域内像素的平均亮度值和亮度分布广度值；

根据所述平均亮度值和亮度分布广度值结合像素亮度值和最小亮度值进行处理，获得像素亮度调整值，根据像素亮度调整值调整低亮度区域；

若大于预设局部对比度阈值，则对应高亮度，并通过预设像素亮度直方图获得像素亮度值对应的累计分布函数值；

根据所述累计分布函数值、最大亮度值和最小亮度值进行处理，获得对应的均衡化像素值，根据均衡化像素值调整高亮度区域。

需要说明的是，为了突出图像细节，首先获取降噪图像预设区域内的像素值及对应的像素亮度值，根据像素亮度值进行处理，获得局部对比度数据，局部对比度数据是预设区域内像素值的最大亮度值与最小亮度值之差与最大亮度值与最小亮度值之和的比值，然后将获得的局部对比度数据与预设局部对比度阈值进行对比，本实施例中，预设局部对比度阈值设置为（0，0.3]、（0.3，1]，分别对应低亮度、高亮度；例如，若获得的局部对比度数据为0.2，则对应低亮度，并获取预设区域内像素的平均亮度值和亮度分布广度值，其中，亮度分布广度值是指最大亮度值与最小亮度值的差值，根据平均亮度值和亮度分布广度值进行处理，获得像素亮度调整值；

所述像素亮度调整值计算公式为：

；

其中，为像素亮度调整值，、、、分别为像素亮度值、最小亮度值、平均亮度值和亮度分布广度值，为预设特征系数（特征系数通过预设智慧视觉超感光降噪数据库查询获得）；

最后根据获得的像素亮度调整值调整低亮度区域像素值；

若获得的局部对比度数据为0.5，则对应高亮度，首先通过预设像素亮度直方图获得亮度值对应的累计分布函数值，其中，像素亮度直方图由预设智慧视觉超感光降噪数据库查询获得，然后根据累计分布函数值、最大亮度值和最小亮度值进行处理，获得对应的均衡化像素值；

所述均衡化像素值计算公式为：

；

其中，为均衡化像素值，、、分别为累计分布函数值、最大亮度值和最小亮度值；

最后根据获得的均衡化像素值调整高亮度区域。

本发明第三方面提供了一种可读存储介质，所述可读存储介质中存储一种智慧视觉超感光降噪方法程序，所述一种智慧视觉超感光降噪方法程序被处理器执行时，实现如上述任一项所述的一种智慧视觉超感光降噪方法的步骤。

本发明公开的一种智慧视觉超感光降噪方法、系统和介质，通过图像预处理、识别噪声类别和噪声强度获取自适应降噪处理方法，实现了智慧视觉超感光图像的智能降噪。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品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设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种智慧视觉超感光降噪方法，其特征在于，包括以下步骤：

获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

2.根据权利要求1所述的智慧视觉超感光降噪方法，其特征在于，所述获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像，包括：

获取图像采集时间点对应的光照强度值，根据光照强度值查询预设光照参数映射表获取图像传感器参数值，包括采集频率、曝光时间、光圈大小和增益值；

根据所述采集频率、曝光时间、光圈大小和增益值进行拍照获得多帧实时图像；

对所述多帧实时图像进行预处理，获得优化图像。

3.根据权利要求2所述的智慧视觉超感光降噪方法，其特征在于，所述对所述多帧实时图像进行预处理，获得优化图像，包括：

根据所述多帧实时图像分别提取角点对应的ORB描述子；

通过对多帧实时图像的ORB描述子之间的距离进行匹配获得匹配特征点；

根据匹配特征点进行处理，获得几何变换关系，根据几何变换关系进行处理，获得仿射变换矩阵；

根据所述仿射变换矩阵对所述多帧实时图像分别进行优化，获得优化图像。

4.根据权利要求3所述的智慧视觉超感光降噪方法，其特征在于，所述根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数，包括：

将所述优化图像输入预设图像噪声识别模型中处理，获得噪声类别特征数据；

根据所述优化图像获取像素值统计数据，包括像素标准差、像素方差和信噪比；

将所述像素标准差、像素方差和信噪比输入预设噪声强度评估模型中处理，获得噪声强度评估指数。

5.根据权利要求4所述的智慧视觉超感光降噪方法，其特征在于，所述根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像，包括：

将所述噪声强度评估指数与预设噪声强度标准评估指数进行对比，获得噪声强度相对值；

将所述噪声强度相对值与预设噪声等级评定阈值进行阈值对比，根据阈值对比结果获得噪声等级，包括弱噪声或强噪声；

根据所述噪声类别特征数据结合所述噪声等级查询预设降噪方法数据库获得自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像。

6.根据权利要求5所述的智慧视觉超感光降噪方法，其特征在于，所述获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数，包括：

获取降噪图像的图像质量参数数据，包括峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数；

将所述峰值信噪比、结构相似性指数、噪声抑制比和边缘保持指数输入预设降噪处理实效评估模型中处理，获得降噪实效指数。

7.根据权利要求6所述的智慧视觉超感光降噪方法，其特征在于，所述将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法，包括：

将所述降噪实效指数与预设降噪需求指数进行处理，获得降噪实效偏差率；

将所述降噪实效偏差率与预设降噪实效偏差率阈值进行阈值对比；

若小于或等于预设降噪实效偏差率阈值，则降噪实效为正常状态；

若大于预设降噪实效偏差率阈值，则降噪实效为异常状态，并调整所述自适应降噪处理方法。

8.根据权利要求7所述的智慧视觉超感光降噪方法，其特征在于，还包括：

获取降噪图像的梯度方向、梯度幅值和方向区间，方向区间包括边缘方向区间和纹理方向区间，梯度幅值包括边缘方向梯度幅值和纹理方向梯度幅值；

若所述梯度方向在边缘方向区间内，且所述边缘方向梯度幅值小于预设边缘方向梯度幅值阈值，则根据边缘方向梯度幅值与预设边缘方向梯度幅值阈值的梯度幅值偏差率查询预设增强系数列表获得边缘方向增强系数；

根据所述边缘方向增强系数增强所述边缘方向梯度幅值，获得边缘方向梯度优化幅值；

若所述梯度方向在纹理方向区间内，则获取纹理方向区间内的纹理像素值方差和纹理像素值标准差；

将所述纹理像素值方差和纹理像素值标准差输入预设纹理方向增强评测模型中处理，获得纹理方向增强系数；

根据所述纹理方向增强系数增强所述纹理方向梯度幅值，获得纹理方向梯度优化幅值。

9.一种智慧视觉超感光降噪系统，其特征在于，包括存储器和处理器，所述存储器中包括智慧视觉超感光降噪方法的程序，所述智慧视觉超感光降噪方法程序被所述处理器执行时实现如下步骤：

获取图像采集时间点对应的光照强度值，根据光照强度值获取图像传感器参数值，根据图像传感器参数值采集实时图像，并对实时图像进行预处理，获得优化图像；

根据所述优化图像进行处理，获得噪声类别特征数据和像素值统计数据，根据像素值统计数据进行处理，获得噪声强度评估指数；

根据所述噪声类别特征数据和噪声强度评估指数获取自适应降噪处理方法，根据自适应降噪处理方法对优化图像进行降噪处理，获得降噪图像；

获取降噪图像的图像质量参数数据，根据图像质量参数数据进行处理，获得降噪实效指数；

将所述降噪实效指数与预设降噪实效评估阈值进行阈值对比，根据阈值对比结果调整所述自适应降噪处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储智慧视觉超感光降噪方法程序，所述智慧视觉超感光降噪方法程序被处理器执行时，实现如权利要求1至8中任一项所述的一种智慧视觉超感光降噪方法的步骤。