專利名稱：用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法
技術(shù)領(lǐng)域：
本發(fā)明屬于含噪聲圖像中高斯噪聲方差的盲測定技術(shù)，特別是一種圖像處理噪聲抑制算法中噪聲水平的自動(dòng)估計(jì)。
背景技術(shù)：
圖像在采集、傳輸、存儲(chǔ)過程中不可避免的存在噪聲污染，人們希望通過設(shè)計(jì)高性能的處理算法最大限度的抑制噪聲，并保持圖像的邊緣和紋理結(jié)構(gòu)。而在圖像去噪算法中，一個(gè)重要前提是只有知道噪聲的強(qiáng)度水平，才能有針對(duì)的去除噪聲。但是，很多算法僅僅是通過人工方法給出噪聲強(qiáng)度水平的估計(jì)，這樣如果噪聲水平估計(jì)過高容易導(dǎo)致過平滑，而估計(jì)過低又不能有效去除噪聲。例如，在正則化方法中，往往需要在圖像正則化項(xiàng)和數(shù)據(jù)保真項(xiàng)之間的建立較好的平衡關(guān)系，這時(shí)也需要根據(jù)噪聲的強(qiáng)度水平選擇合適的拉格朗日乘子。又如在不需要參考圖像的圖像質(zhì)量評(píng)測方法中，人們希望自動(dòng)的從單幅圖像中估計(jì)噪聲水平，從而計(jì)算圖像失真的信噪比水平。因此，利用單幅含噪圖像來估計(jì)噪聲水平的技術(shù)具有重要應(yīng)用價(jià)值。目前大多數(shù)噪聲水平評(píng)價(jià)方法都是基于多幅圖像進(jìn)行，統(tǒng)計(jì)多幅圖像的偏差來達(dá)到圖像噪聲水平的估計(jì)，如果僅有一幅圖像樣本，噪聲估計(jì)往往會(huì)失效。而利用單幅圖像進(jìn)行噪聲估計(jì)的方法，一般需要優(yōu)化選取圖像中平坦的區(qū)域，統(tǒng)計(jì)平坦區(qū)域的偏差特性來估計(jì)噪聲水平。例如中國專利[200910142250. 8]發(fā)明了圖像噪聲評(píng)價(jià)方法、圖像噪聲評(píng)價(jià)裝置，該方法提取圖像中的平坦區(qū)域，自適應(yīng)迭代優(yōu)化所述平坦區(qū)域，利用優(yōu)化后的平坦區(qū)域的圖像評(píng)價(jià)所述圖像的噪聲水平。該方法的不足是一是需要選定平坦區(qū)域；二是需要進(jìn)行迭代優(yōu)化。如果對(duì)復(fù)雜場景的圖像，優(yōu)化選取平坦區(qū)域很難完全自動(dòng)化，而迭代優(yōu)化非常費(fèi)時(shí)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種利用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，充分考慮了圖像在不同頻率分解下的峰度衰減的規(guī)律，不需要其它參考圖像，不需要優(yōu)化選取平坦區(qū)域，完全自動(dòng)，平均估計(jì)精度高，可以廣泛應(yīng)用于高斯噪聲退化的光學(xué)成像系統(tǒng)的信噪比自動(dòng)測定。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為一種用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，以自然圖像的高階統(tǒng)計(jì)特性為基礎(chǔ)，利用圖像峰度和方差之間存在的內(nèi)在蘊(yùn)含關(guān)系以及峰度隨圖像頻率衰減下的近似不變性；根據(jù)一組預(yù)先構(gòu)造的正交濾波器對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波圖像；計(jì)算不同頻率濾波圖像的峰值和方差，并對(duì)峰度按照低頻到高頻進(jìn)行衰減，構(gòu)造分布參數(shù)樣本；將噪聲的方差看作未知量，建立噪聲方差的優(yōu)化反演模型，然后利用直接搜索法通過求解該反演模型的最小點(diǎn)，將求得的最小點(diǎn)作為噪聲方差的估計(jì)，具體步驟為
步驟I :去均值輸入一幅含噪聲圖像％，計(jì)算含噪圖像的平均值《% (%)，然后得至丨J去均值圖像ω = ω0 -歷αη(μ )；
步驟2:構(gòu)造一組正交濾波器Zf1,Zf1,..…,其中,為濾波器的個(gè)數(shù)；
步驟3 :根據(jù)正交濾波器組.....^對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波的圖像序列；
步驟4:利用不同頻率濾波圖像序列j，計(jì)算每幅濾波圖像的峰度和方差或標(biāo)準(zhǔn)方差，得到；個(gè)峰度個(gè)方差樣本或標(biāo)準(zhǔn)方差;
步驟5 :對(duì)N個(gè)峰度進(jìn)行冪指數(shù)衰減，得到％個(gè)衰減的峰度樣本值；
步驟6:利用步驟5計(jì)算的#個(gè)衰減的峰度樣本值1(\^In和步驟4計(jì)算的
iV個(gè)方差樣本構(gòu)造未知噪聲方差 < 或標(biāo)準(zhǔn)方差q的最小化擬合反演模型
權(quán)利要求
1.一種用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于以自然圖像的高階統(tǒng)計(jì)特性為基礎(chǔ)，利用圖像峰度和方差之間存在的內(nèi)在蘊(yùn)含關(guān)系以及峰度隨圖像頻率衰減下的近似不變性；根據(jù)ー組預(yù)先構(gòu)造的正交濾波器對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波圖像；計(jì)算不同頻率濾波圖像的峰值和方差，并對(duì)峰度按照低頻到高頻進(jìn)行衰減，構(gòu)造分布參數(shù)樣本；將噪聲的方差看作未知量，建立噪聲方差的優(yōu)化反演模型，然后利用直接捜索法通過求解該反演模型的最小點(diǎn)，將求得的最小點(diǎn)作為噪聲方差的估計(jì)，具體步驟為 步驟I:去均值輸入一幅含噪聲圖像％，計(jì)算含噪圖像的平均值，然后得到去均值圖像《 = % - rmaniu^)； 步驟2:構(gòu)造ー組正交濾波器/^/ ，.....AV,其中が為濾波器的個(gè)數(shù)； 步驟3 :根據(jù)正交濾波器組"いAV.....對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波的圖像序列; 步驟4:利用不同頻率濾波圖像序列·計(jì)算每幅濾波圖像的峰度和方差或標(biāo)準(zhǔn)方差，得到N個(gè)峰度1!ち和N個(gè)方差樣本 Lu或標(biāo)準(zhǔn)方差 ； 步驟5 :對(duì)N個(gè)峰度進(jìn)行冪指數(shù)衰減，得到個(gè)衰減的峰度樣本值j ； 步驟6:利用步驟5計(jì)算的F個(gè)衰減的峰度樣本值f (ち,'〗.“ Α.和步驟4計(jì)算的 個(gè)方差樣本Iぺ構(gòu)造未知噪聲方差ポ或標(biāo)準(zhǔn)方差％的最小化擬合反演模型 / ' of = argmmZ (AiJし，其中為未知變量；為未知變量， 欠び-2 J-IlvcrMlof,表示理想沒有污染的圖像的峰度； 步驟7:利用直接捜索法求解最小化反演模型，將搜索得到的最小點(diǎn)作為噪聲方差的最優(yōu)估計(jì)。
2.根據(jù)權(quán)利要求I所述的用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于步驟I中，去均值的過程為輸入一幅Ixlf大小的含噪聲圖像％ ,其中￡表示圖像像素點(diǎn)的行數(shù)I表示圖像像素點(diǎn)的列數(shù)；計(jì)算含噪圖像的平均值然后得至IJ去均值圖像“ =%-，其中平均值由如下公式計(jì)算 I I Mmsan(u0) = --- 其中》，《分別表示圖像的像素點(diǎn)所在的行數(shù)和列數(shù)，桃=12—..￡3 = 1，2ー￥。
3.根據(jù)權(quán)利要求I所述的用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于步驟2中，基于2維離散DCT函數(shù)，構(gòu)造ー組正交濾波器，負(fù)，.....Mm, N>30,構(gòu)造過程為 φ根據(jù)2維離散DCT函數(shù)生成的DCT矩陣，其中，ぶ分別表示DCT函數(shù)水平方向和垂直方向的頻率參數(shù)，
4.根據(jù)權(quán)利要求I所述的用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于步驟3中，根據(jù)濾波器組.....も對(duì)去均值圖像《進(jìn)行分頻處理，是根據(jù)卷積公式計(jì)算不同頻率DCT濾波的圖像序列j，即滿足如下關(guān)系
5.根據(jù)權(quán)利I所述的用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于步驟4中利用不同頻率濾波序列來計(jì)算每幅濾波圖像的峰度和方差，得到個(gè)峰度和個(gè)方差樣本或標(biāo)準(zhǔn)方計(jì)算關(guān)系為
6.根據(jù)權(quán)利I所述的用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于步驟5中對(duì)峰度進(jìn)行冪指數(shù)衰減，得到冪指數(shù)衰減的峰度樣本值((AvP j，其中冪指數(shù)權(quán)重η的計(jì)算關(guān)系為
7.一種用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，其特征在于以自然圖像的高階統(tǒng)計(jì)特性為基礎(chǔ)，利用圖像峰度和方差之間存在的內(nèi)在蘊(yùn)含關(guān)系以及峰度隨圖像頻率衰減下的近似不變性；根據(jù)ー組預(yù)先構(gòu)造的正交濾波器對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波圖像；計(jì)算不同頻率濾波圖像的峰值和方差，并對(duì)峰度按照低頻到高頻進(jìn)行衰減，構(gòu)造分布參數(shù)樣本；將噪聲的方差看作未知量，建立噪聲方差的優(yōu)化反演模型，然后利用直接捜索法通過求解該反演模型的最小點(diǎn)，將求得的最小點(diǎn)作為噪聲方差的估計(jì)，具體步驟為 步驟I :去均值輸入一幅含噪聲圖像％，計(jì)算含噪圖像的平均值，然后得到去均值圖像《 = % - rman^)； 步驟3 :將預(yù)先構(gòu)造的正交濾波器存放在存儲(chǔ)單元中，根據(jù)正交濾波器組,均,.....對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波的圖像序列; 步驟4:利用不同頻率濾波圖像序列·[ろIn，計(jì)算每幅濾波圖像的峰度和方差或標(biāo)準(zhǔn)方差，得到個(gè)峰度(ちん.‘.#和、個(gè)方差樣本或標(biāo)準(zhǔn)方差； 步驟5 :對(duì)N個(gè)峰度進(jìn)行冪指數(shù)衰減，得到 個(gè)衰減的峰度樣本值j ； 步驟6 :利用步驟5計(jì)算的個(gè)衰減的峰度樣本值j和步驟4計(jì)算的N個(gè)方差樣本ι,構(gòu)造未知噪聲方差ゲ或標(biāo)準(zhǔn)方差τ的加權(quán)最小化擬合反演模型 步驟7:利用直接捜索法求解最小化反演模型，將搜索得到的最小點(diǎn)作為噪聲方差的最優(yōu)估計(jì)。
全文摘要
本發(fā)明公開了一種用單幅圖像分布參數(shù)樣本反演高斯噪聲方差的盲測定方法，利用圖像峰度和方差之間存在的內(nèi)在蘊(yùn)含關(guān)系以及峰度隨圖像頻率衰減下的近似不變性；根據(jù)一組預(yù)先構(gòu)造的正交濾波器對(duì)去均值圖像進(jìn)行分頻處理，構(gòu)造不同頻率濾波圖像；計(jì)算不同頻率濾波圖像的峰值和方差，并對(duì)峰度按照低頻到高頻進(jìn)行衰減，構(gòu)造分布參數(shù)樣本；將噪聲的方差看作未知量，建立噪聲方差的優(yōu)化反演模型，然后利用直接搜索法通過求解該反演模型的最小點(diǎn)，將求得的最小點(diǎn)作為噪聲方差的估計(jì)。本發(fā)明能夠?qū)崿F(xiàn)圖像中高斯噪聲方差的自動(dòng)高精度估計(jì)；不需要優(yōu)選平坦區(qū)域和其他參考圖像，不需要人工設(shè)定任何參數(shù)，完全自動(dòng)，對(duì)噪聲方差的統(tǒng)計(jì)估計(jì)精度高。
文檔編號(hào)G06T5/00GK102663698SQ201210099898
公開日2012年9月12日 申請(qǐng)日期2012年4月9日 優(yōu)先權(quán)日2012年4月9日
發(fā)明者唐松澤, 張梵彪, 李恒, 肖亮 申請(qǐng)人:南京理工大學(xué)