一种快速的基于分块噪声能量估计的图像去噪方法技术

本发明专利技术涉及电子信号处理领域，具体涉及一种快速的基于分块噪声能量估计的图像去噪方法。主要步骤包括：(1)将待估计噪声的目标图像进行噪声水平估计；得到噪声水平方差估计δn；(2)对每一个8×8DCT块的64个系数c1,c2,c3,…,c64的绝对值按从小到大排序；(3)设置阈值ct＝|cm|，对于对应的8×8DCT块的系数按以下规则计算得到新的DCT系数；(5)对得到的新的8×8DCT块进行DCT反变换，得到对应空间域的8×8像素块；(6)对每一个8×8图像块进行所述步骤(2)-(5)操作后，所有步骤(5)中像素块组成新的图像，即完成对图像的去噪处理。本发明专利技术具有的效果是能够快速估计合适的DCT阈值，基于估计的阈值能有效去除图像噪声。

【技术实现步骤摘要】

本专利技术设及电子信号处理领域，特别设及一种快速的基于分块噪声能量估计的图 像去噪方法。
技术介绍
图像是人类获取信息最重要的方式，据统计人类获取信息的80%来源于图像。图 像或视频设备在成像过程中会产生多种噪声，使得图像会或多或少带有噪声。WCCD像机 成像过程为例，光子对图像传感器进行感光，进行光电转换，通过一系列的处理最后形成像 素比特值，在运个过程中存在的主要噪声源有：BayerPattern插值噪声（fixedpaterrn noise)、暗噪声(darkcurrentnoise)、瞬击噪声(shotnoise)、放大噪声(amplifier noise)和截断噪声（quantizationnoise)。运些噪声的存在会使得图像质量降低，并会使 得后续对图像进行处理和分析带来影响。图像去噪能够提高图像质量，也是进一步进行图 像处理和分析的基础。图像去噪是许多图像处理和计算机视觉算法获得有效效果的前提， 是图像处理领域重要的传统问题之一。[000引 目前图像去噪的方法有很多。一般的，图像去噪的目的有两个，一是保持图像中蕴 含信息丰富的边缘；二是去除信息稀少的主要由图像噪声覆盖的图像内容；在众多的图像 去噪方法中，有一类方法是基于频域阔值方法，它的基本思想是，在频率域中，图像噪声会 对频域系数值产生影响，尤其会使得许多高频分量系数值不再为0而是随着噪声的增大而 增大。为了去除图像噪声，就需要寻找到合适的阔值，对低于运个阔值的系数认为其值都是 由噪声引起的，进而设置其值为0,对新得到的频域图像向空间域变换，从而得到去噪后的 图像。运类方法的典型例子有基于小波变换的方法，其阔值选择为，其中 S。为估计的噪声水平，Np为信号长度（对于二维图像矩阵，Np为像素的个数）；还有采用贝 叶斯估计的方法对阔值进行估计，其取值，其中是为原始信号的方差。除了小波变 换的方法之外，也有多种基于离散余弦变换值CT)的阔值去噪方法。
技术实现思路
本专利技术的目的是提出一种基于阔值估计的DCT框架内的去噪方法，其具有的效果 是能够快速估计合适的DCT阔值，基于估计的阔值能有效去除图像噪声。 本专利技术的技术方案是：，包括 W下步骤： (1)将待估计噪声的目标图像进行噪声水平估计；具体过程为， (11)将待估计噪声的目标图像划分为MXN个8X8图像块，Μ表示图像每行划分 的块数，Ν表示每列划分的块数，Μ，Ν为整数，并将每个8X8图像块进行DCT变换，每个8X8 图像块经DCT变换后得到一个包含64个DCT系数的8X8DCT系数二维矩阵；此矩阵的矩 阵元素位置也1)对应的是第k行、第1列位置，其对应的元素值，即DCT系数值，标记为F&，1)，k= 0, 1，…，7 ;1 =0，1，...，7:[000引测量每个局部8X8图像块的边缘度θι，对每个8X8DCT系数矩阵进行W下 计算： 其中i表示按由左至右、由上往下排列的第i个8X8图像块；从而得到包含MXΝ 个边缘度元素值的集合S=拉Ii= 1，2,…，MXN}; (1扣对所获得的边缘度元素值的集合S=K|i= 1，2,…，MXN}中的元素 值按照从小到大的顺序排序，选出其中占集合元素个数10%的最小元素值，即选出元 素集合二?('·,?/e;1，2，···.>/XΛ''}，./二1，2.…，._/}，其中i指表示按由左至右、由上往下排 列的任意第i个8X8图像块，j表示按从小到大排列后ei对应的新的序列号，且满足 / <./= |_10%χΜχW」，表示取小于或等于X的最大整数；选出元素集合中的每一个边 缘度值曰1对应一个8X8图像块，由此选出边缘度最小的块集合B，此块集合对应的图像块 是j= 1, 2,…，J; (14)从块集合B中找到最小边缘度的L个块作为参考块，对每一个参考块找到其 对应的相似块，从而得到L个相似块组；对每一个参考块，其相似块均在集合B中寻找；假 定某参考块为i。，按W下规则判定块ib为其相似块： 其中τ1和τ2为定义的常量阔值，e。、eb分别参考块为i。、判定块ib对应的边缘 度；U。、Ub分别为参考块为i。、判定块ib对应的平均像素值；(15)第S个相似块组中的第r个8X8图像块，其中S= 1，…，L，r表示该相似块 组中的任意一个图像块，进行W下计算： L"=median(C") ;Lrd=median(Crd) ;Lrh=median(Crh); 其中Crh={F化，U|k= 2,3 ;1 = 6,7 ;}，C"={F化，U|k= 6,7 ;1 = 2,3 ;}，[001引 Cfd= {F(k,D|k= 6, 7 ;1 = 6, 7 ;}，median似表示对集合C进行中值滤波；然 后对获得的数据集合{Cfh，C"，CfdIr= 1，2,…，1表示第S个相似块组中图像块总数； 进行W下求解：[001 引Qs=median({Crh，C…cjr= 1，2,…，Js}); 对s分别取值为1，…，L，得到元素个数为L个的Q值集合化Is= 1，…，U; (16)计算噪声的粗糖估计值矿： Q*=median({Q」S= 1,…，U); (17)对所有8X8图像块进行W下操作并计算图像结构修正因子η;对第i个 8X8图像块i= 1，2,…，MXN，选出系数绝对值|F(1，1)I;对所有选出的系数|F(1，1)I集 合按相应块的位置放置组合得到大小为ΜXN的边缘结构图；对此边缘结构图，统计满足W下条件的元素个数： a > athr其中a为边缘结构图的任意元素值，athf为指定的阔值；假设满足上述的元素个数 为P个，则结构修正因子η计算为： (18)对获得矿值进行修正，得到修正值Q' :Q' =Q7n; (19)进行噪声水平方差估计δ。：δη=αXQ' V丫其中α，β，丫为进行非线性映射的参数。[003。似对每一个8X8DCT块的64个系数Cl, C2, C3,…，Cm的绝对值按从小到大排序， 得到集合W: W = {|ci|, Iczl, Icsl,…，IceJ}[003引其中|ci|《Iczl《Icsl…《|cs4做计算能量值I其中κ为常量系数，求解出满足的最小m值；[003引（4)设置阔值Ct=|cml，对于对应的8X8DCT块的系数按W下规则计算得到新的 DCT系数， 其中sign(X)表示X的符号，即按W下取值： 从而得到一个新的8 X 8DCT块； (5)对得到的新的8X8DCT块进行DCT反变换，得到对应空间域的8X8像素块；[00川 （6)对每一个8X8图像块进行所述步骤似-妨操作后，所有步骤妨中像素块 组成新的图像，即完成对图像的去噪处理； 进一步地，在所述步骤（11)之后，所述步骤（12)之前，进行去除过曝的图像块处 理，具体过程是： 计算平均像素值U: 定义平均像素值不在（16,235)之间的图像块为过曝图像块；若被检测为过曝的 图像块，则将该图像块去除，即该图像块不参与后续步骤中的噪声估计计算。进一步地，所述参数α，β，丫的取值为α= 1. 015，β= 1. 148，丫 = 0. 932。 进一步地，所述步骤（3)中K按W下方法取值： K=Φexp(-ejP) 其中Φ= 8. 0,P= 2.本文档来自技高网...

【技术保护点】
一种快速的基于分块噪声能量估计的图像去噪方法，其特征在于：包括以下步骤：(1)将待估计噪声的目标图像进行噪声水平估计；具体过程为，(11)将待估计噪声的目标图像划分为M×N个8×8图像块，M表示图像每行划分的块数，N表示每列划分的块数，M，N为整数，并将每个8×8图像块进行DCT变换，每个8×8图像块经DCT变换后得到一个包含64个DCT系数的8×8DCT系数二维矩阵；此矩阵的矩阵元素位置(k,l)对应的是第k行、第l列位置，其对应的元素值，即DCT系数值，标记为F(k,l)，k＝0,1,…,7；l＝0,1,…,7；(12)测量每个局部8×8图像块的边缘度ei，对每个8×8DCT系数矩阵进行以下计算：ei=Σk=07Σl=07|F(k,l)|-|F(0,0)||F(0,0)|]]>其中i表示按由左至右、由上往下排列的第i个8×8图像块；从而得到包含M×N个边缘度元素值的集合S＝{ei|i＝1,2,…,M×N}；(13)对所获得的边缘度元素值的集合S＝{ei|i＝1,2,…,M×N}中的元素值按照从小到大的顺序排序，选出其中占集合元素个数10％的最小元素值，即选出元素集合其中i指表示按由左至右、由上往下排列的任意第i个8×8图像块，j表示按从小到大排列后ei对应的新的序列号，且满足表示取小于或等于x的最大整数；选出元素集合中的每一个边缘度值ei对应一个8×8图像块，由此选出边缘度最小的块集合B，此块集合对应的图像块是j＝1,2,…,J；(14)从块集合B中找到最小边缘度的L个块作为参考块，对每一个参考块找到其对应的相似块，从而得到L个相似块组；对每一个参考块，其相似块均在集合B中寻找；假定某参考块为ia，按以下规则判定块ib为其相似块：|ea-eb||ea|<τ1|ua-ub||ua|<τ2]]>其中τ1和τ2为定义的常量阈值，ea、eb分别参考块为ia、判定块ib对应的边缘度；ua、ub分别为参考块为ia、判定块ib对应的平均像素值；(15)第s个相似块组中的第r个8×8图像块，其中s＝1,…,L，r表示该相似块组中的任意一个图像块，进行以下计算：Lrv＝median(Crv)；Lrd＝median(Crd)；Lrh＝median(Crh)；其中Crh＝{F(k,l)|k＝2,3；l＝6,7；}，Crv＝{F(k,l)|k＝6,7；l＝2,3；}，Crd＝{F(k,l)|k＝6,7；l＝6,7；}，median(C)表示对集合C进行中值滤波；然后对获得的数据集合{Crh,Crv,Crd|r＝1,2,…,Js}，Js表示第s个相似块组中图像块总数；进行以下求解：Qs＝median({Crh,Crv,Crd|r＝1,2,…,Js})；对s分别取值为1,…,L，得到元素个数为L个的Q值集合{Qs|s＝1,…,L}；(16)计算噪声的粗糙估计值Q*：Q*＝median({Qs|s＝1,…,L})；(17)对所有8×8图像块进行以下操作并计算图像结构修正因子η；对第i个8×8图像块i＝1,2,…,M×N，选出系数绝对值|F(1,1)|；对所有选出的系数|F(1,1)|集合按相应块的位置放置组合得到大小为M×N的边缘结构图；对此边缘结构图，统计满足以下条件的元素个数：a＞athr其中a为边缘结构图的任意元素值，athr为指定的阈值；假设满足上述的元素个数为P个，则结构修正因子η计算为：η=PM×N]]>(18)对获得Q*值进行修正，得到修正值Q′：Q′＝Q*/η；(19)进行噪声水平方差估计δn：δn＝α×Q′β+γ其中α,β,γ为进行非线性映射的参数；(2)对每一个8×8DCT块的64个系数c1,c2,c3,…,c64的绝对值按从小到大排序，得到集合W：W＝{|c1|,|c2|,|c3|,…,|c64|}其中|c1|≤|c2|≤|c3|…≤|c64|(3)计算能量值其中κ为常量系数，求解出满足E=κΣi=1m|ci|2>=δn2]]>的最小m值；(4)设置阈值ct＝|cm|，对于对应的8×8DCT块的系数按以下规则计算得到新的DCT系数，其中sign(x)表示x的符号，即按以下取值：sign(x)=1ifx>00ifx=0-1ifx<0]]>从而得到一个新的8×8DCT块；(5)对得到的新的8×8DCT块进行DCT反变换，得到对应空间域的8×8像素块；(6)对每一个8×8图像块进行所述步骤(2)‑(5)操作后，将所有步骤(5)中像素块组成新的图像，即完成对图像的去噪处理。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张政，徐玮，熊志辉，刘煜，赖世铭，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43