一種α穩定模型下的小波域圖像噪聲方差估計方法
2023-06-12 06:30:11
專利名稱：一種α穩定模型下的小波域圖像噪聲方差估計方法
技術領域：
本發明涉及的是一種圖像處理方法，具體地說是噪聲方差估計方法。
背景技術：
圖像在獲取、傳輸、存儲的過程中總是會不同程度的受到噪聲的幹擾，因此圖像去噪一直以來都是圖像處理領域的研究熱點。由於去噪過程中大多缺乏噪聲的先驗知識以及高斯噪聲的一般性，使高斯白背景下的噪聲方差估計成為圖像去噪問題的關鍵技術之一。噪聲方差估計的基本思想就是通過一定的技術手段從含噪圖像中找到「純」噪聲子，然後再以某一準則來估計其方差值。小波變換由於具有良好的多尺度分解特性和方向帶通特性，能夠對信號和噪聲進行有效地分離。同時，根據mallat的研究，對於任意一幅 圖像的小波變換，其高頻子帶係數可以認為是近似服從某一參數下α穩定分布，這一發現為小波變換在圖像去噪領域中得到更廣泛的應用起到了極大的推動作用。目前小波域方差估計的方法一般是將圖像進行小波分解後，認為最高頻對角子帶的小波係數即是「純」噪聲子並利用該子帶係數進行噪聲方差估計。Donoho等人早在1994年提出一種經典的噪聲方差計算方法，它是由對角子帶的係數模值的中值與一常數相除確定的。延用這種以高頻對角子帶為「純」噪聲子的思想，李天翼等又提出了一種魯棒性較好的熵檢測噪聲方差估計方法，利用高斯白噪聲在小波域的熵值魯棒性得到噪聲方差的估計值。當圖像細節比較豐富時，會加重圖像信息在高頻對角子帶中的比例，這樣就不能夠滿足已有方法中以高頻對角子帶為「純」噪聲子的假設條件，沒有充分的考慮原始圖像係數在對角子帶中加重比例對估計過程所產生的影響，使噪聲方差估計值不夠準確，導致後續處理(如圖像去噪)的效果不佳。
發明內容
本發明的目的在於提供通用性好、充分考慮原始圖像係數在對小波域高頻角子帶影響的一種α穩定模型下的小波域圖像噪聲方差估計方法。本發明的目的是這樣實現的本發明一種α穩定模型下的小波域圖像噪聲方差估計方法，其特徵是(I)對圖像加入標準差為σ 的聞斯白噪聲；(2)對含噪圖像進行正交小波分解；(3)對分解後的最高頻對角子帶進行參數估計；(4)用估計得到的參數計算原始係數的估計熵值；(5)建立對角子帶的係數直方圖，計算子帶係數熵值；(6)記錄標準差的值以及步驟(5)與(4)中兩個熵值的差值即熵值差；(7)更新噪聲標準差，以步進量L更新ση的值，ση<Μ，重複步驟(I)- (6)，L、M為設定值；(8)對隨機選取的1000幅圖像重複上述步驟(I)- (7)；
(9)計算這1000幅圖像在同一標準差下的熵值差的均值；(10)將(9)中得到的各均值取指數；(11)將(10)中的得到的各值與對應的標準差組成點對，並進行二次多項式擬合，獲得方差估計表達式。本發明的優勢在於本發明不依懶於圖像的變化，具有較強的魯棒性，並簡化了模型參數估計和熵值的計算過程，易於計算和實現，具有更高的估計精度。
圖I為為參數比函數R關於形狀參數α的函數曲線；圖2為本發明具體實施方式
對測試圖像的噪聲方差估計曲線；圖3為本發明具體實施方式
估計方差與實際方差間的誤差曲線。
具體實施例方式下面結合附圖舉例對本發明做更詳細地描述結合圖I 3，本發明具體步驟包括(I)對圖像加入標準差為σ η = 3的聞斯白噪聲；(2)將加噪圖像進行正交小波分解(這裡選用『db2』小波)；本發明中的步驟(2)，使用正交小波分解的目的是因為正交小波分解不改變噪聲的分布特性。設N(i)，N(j)為i和j位置的噪聲小波係數，n(x)為χ位置的空域噪聲像素值，V(X)為正交小波基函數，l、m是小波基函數的支撐區間，O η為噪聲標準差,則
權利要求
1. 一種α穩定模型下的小波域圖像噪聲方差估計方法，其特徵是 (1)對圖像加入標準差為。 的高斯白噪聲； (2)對含噪圖像進行正交小波分解； (3)對分解後的最高頻對角子帶進行參數估計； (4)用估計得到的參數計算原始係數的估計熵值； (5)建立對角子帶的係數直方圖，計算子帶係數熵值； (6)記錄標準差的值以及步驟(5)與(4)中兩個熵值的差值即熵值差； (7)更新噪聲標準差，以步進量L更新ση的值，σ^ < Μ,重複步驟(I) - (6)，L、M為設定值； (8)對隨機選取的1000幅圖像重複上述步驟(I)- (7)； (9)計算這1000幅圖像在同一標準差下的熵值差的均值； (10)將(9)中得到的各均值取指數； (11)將(10)中的得到的各值與對應的標準差組成點對，並進行二次多項式擬合，獲得方差估計表達式。
全文摘要
本發明的目的在於提供一種α穩定模型下的小波域圖像噪聲方差估計方法，包括對含噪圖像進行小波域分解，進行α穩定模型下的原始係數參數估計，獲得尺度參數和形狀參數，從而獲得原始係數的估計熵值；建立對角子帶的含噪係數直方圖，計算含噪係數熵值並記錄子帶係數熵值與原始係數熵值的熵值差、噪聲方差的值；以步進量L更新噪聲方差的值,重複上述步驟；對隨機選取的1000幅不同圖像重複上述過程，並計算在同一噪聲標準差下的1000個熵值差的均值；建立噪聲標準差與熵值差間的二次擬合關係獲得擬合係數，從而獲得方差估計表達式。本發明具有較強的魯棒性，簡化了模型參數估計和熵值的計算過程，易於計算和實現，具有更高的估計精度。
文檔編號G06T5/00GK102903084SQ20121035900
公開日2013年1月30日 申請日期2012年9月25日 優先權日2012年9月25日
發明者李一兵, 李驁, 葉方, 林雲, 孟霆, 付強, 劉悅, 張靜 申請人:哈爾濱工程大學