【技术实现步骤摘要】
本专利技术涉及计算机图像处理领域，具体涉及一种基于梯度的图像噪声水平估计方法。
技术介绍
多媒体技术的快速发展，使得我们生活在一个充满数字图像和视频的世界里。然而，这些图像常常因为电子元件、光照条件等因素的影响，会成像的时候，会伴有噪声。通常我们研究的噪声的是独立于图像本身，服从高斯分布的加性噪声。许多去噪算法将噪声的方差作为一个先验知识以进行去噪过程，但显然这是不适用生产实际的做法，所以从带噪图像中自动计算噪声水平，是十分必要的。近些年，有许多噪声水平估计的算法被提出，包括使用小波变换等等。基于滤波的方法被用来先对图像进行去噪处理，然后通过计算带噪图像与去噪后图像的差值图像的方差以作为最终的噪声水平估计值。但是这一类方法有着其局限性，因为得到的差值图像中往往也包含着原图像的边缘信息，所以计算出来的方差会受到影响。近期，也有新的噪声水平估计算法被提出来。Tian和Chen利用图模型和蚁群优化技术来选择用来进行计算噪声水平的图像块。Jiang和Zhang提出了一种快速的基于统计假设的噪声估计算法。Pyatykh提出了一种新的基于图像纹理的噪声水平估计算法。
技术实现思路
本专利技术提供了一种基于梯度的图像噪声水平估计方法，通过采用统计图像梯度的方式，选择相应的纹理较弱的图像块，提高了最终方差的计算精度；利用神经网络，将选择的图像块先进行一个去噪处理，再计算差值图像块的方差，使得算法更加鲁棒，适用范围更广。一种基于梯度的图像噪声水平估计方法，包括：(1)将待估计噪声水平的带噪图像分成多个固定大小的图像块；(2)计算每个图像块中各像素的综合梯度度量值，根据综合梯度...
【技术保护点】
一种基于梯度的图像噪声水平估计方法，其特征在于，包括：(1)将待估计噪声水平的带噪图像分成多个固定大小的图像块；(2)计算每个图像块中各像素的综合梯度度量值，根据综合梯度度量值的区间分布选取预定数量的图像块；(3)利用神经网络，对每个选取出来的图像块进行去噪并计算去噪前后的方差值；(4)选取最小的方差值作为最终的图像噪声水平估计值。
【技术特征摘要】
1.一种基于梯度的图像噪声水平估计方法，其特征在于，包括：(1)将待估计噪声水平的带噪图像分成多个固定大小的图像块；(2)计算每个图像块中各像素的综合梯度度量值，根据综合梯度度量值的区间分布选取预定数量的图像块；(3)利用神经网络，对每个选取出来的图像块进行去噪并计算去噪前后的方差值；(4)选取最小的方差值作为最终的图像噪声水平估计值。2.如权利要求1所述的基于梯度的图像噪声水平估计方法，其特征在于，步骤(1)中待估计噪声水平的带噪图像按照预定步长进行划分，且相邻的图像块之间带有重叠区域。3.如权利要求1所述的基于梯度的图像噪声水平估计方法，其特征在于，步骤(2)中所述综合梯度度量值为：其中：Pi(x,y)表示图像块Pi中(x,y)位置的像素点，表示图像块Pi中(x,y)位置像素点的水...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。