本发明专利技术公开了一种基于广义高斯最大似然估计的表面波变换视频去噪方法，主要改善图像边缘模糊和噪声去除不充分的问题。其实现过程是：(1)输入含噪视频系数，并对其进行表面波变换；(2)计算变换后各层各方向子带系数的噪声方差；(3)利用噪声方差对系数进行预处理；(4)对系数采用广义高斯分布建模，计算其形状因子υ；(5)利用预处理系数和形状因子，使用最大似然准则计算系数的信号标准差σx；(6)对含噪系数进行收缩处理；(7)对处理后的系数进行表面波逆变换,得到去噪后的视频图像。本发明专利技术与现有的技术相比显著提高了去噪效果，显著提高了视频图像中噪声的抑制能力，同时能够更好的保留视频图像的细节信息和运动物体的平滑效果。
【技术实现步骤摘要】
本专利技术属于图像处理领域，涉及图像去噪，可用于视频图像，生物医学图像和三维图像的去噪。
技术介绍
人类对客观世界的认识绝大部分是通过视觉系统获取的信息。视觉信息在人类感知和认识世界的过程中起到了极其重要的作用，但是在我们接触到的视频信号中往往掺杂着各种噪声，以至于视频变得模糊、质量下降，从而导致视频中的一些重要细节信息丢失。在对视频图像进行处理或者应用时，如何保留视频图像中的有用信息，如何捕捉视频图像中的曲面奇异，是一个热点也是一个难点。 视频去噪方法的研究最初是以图像为单位逐帧进行处理，传统的视频去噪方法是按空域、时域、变换域来进行划分。空域滤波有中值滤波和系数自适应滤波等滤波方法，对 各帧图像均能得到较好的滤波效果。但是在视频应用中，由于空域滤波没有充分利用时域信息，不能得到理想的滤波效果。时域滤波考虑了各帧之间的相关性，但是只适合静止目标，对运动目标会产生伪影等现象。变换域通常都是逐帧去噪。视频序列不仅要关注每一帧图像的视觉效果，还要关注整个序列的视觉感受。因此，对于视频序列的去噪提出了更高的要求。1992年，Bambeger和Smith首先提出方向滤波器组DFB的概念，DFB能有效地对二维信号进行方向分解。2005年，Do和Vetterli将拉普拉斯金字塔分解与DFB相结合，设计出新的小波变换Contourlet。但是由于DFB的不可分性，把它从二维扩展到多维始终没有完美的实现方法。直到2005年，Yue Lu和M. N. Do提出一种新的多维方向滤波器组设计方法-NDFB (N-dimensional Directional Filter Banks)。NDFB 米用一种简单、高效的树状结构，能够对任意维的信号进行方向分解。通过采用一组迭代滤波器组，能够实现完全重建，且对于N维信号的冗余度只有N倍。同时，Yue Lu和M. N. Do在NDFB的基础上，提出了表面波变换。表面波变换首先对信号进行多尺度分解以捕获奇异变化，接着由NDFB将同一方向的奇异变化合为一个系数。它可以有效地捕捉和表示高维信号中的曲面奇异，非常适合视频处理。例如视频可以看作是二维空间信息和一维时间信息合成的三维时空信号，视频中运动物体的表面在这个三维系统中是曲面奇异的。实验结果表明，在一些应用如视频处理中，基于表面波变换算法的性能比传统方法有较大提升。在其他一些应用中，如视频压缩、三维医学影像处理和三维数据压缩等，表面波变换都有很好的应用前景。采用阈值处理是一种最常用的图像去噪的方法。阈值的选取常常是该算法中的关键，阈值选取的过小会导致不能充分地去除噪声；相反，阈值选取的过大会对信号产生过扼杀现象，丢失信号的部分重要信息，会导致去噪后的视频图像过模糊现象。在变换域中常用的阈值方法有Q. Pan等人提出的3 σ法，M. Vetterli和B. Yu提出的基于最小风险的BayesShrink方法。这些阈值方法在细节和背景信息丰富的视频图像去噪中并不能得到理想的去噪效果。在利用表面波变换对视频图像进行去噪的过程中，传统的阈值方法并不能充分的去除噪声，往往会导致边缘模糊以及重要细节信息被扼杀等现象。
技术实现思路
本专利技术的目的在于针对上述已有方法的缺点，提出一种基于广义高斯最大似然估计的表面波变化视频去噪方法，以改善图像边缘模糊和噪声去除不充分的现象，提高视频的去噪效果。为实现上述目的，本专利技术包括如下步骤(I)输入含有噪声的视频系数，对视频系数进行表面波变换，将视频系数分解为4层，每层对应的方向数分别为192、192、48、12 ；(2)对表面波变换后的系数，按以下公式计算最精细层到最粗糙层的各子带系数的噪声方差权利要求1.一种，包含以下步骤 (1)输入含有噪声的视频系数，对视频系数进行表面波变换，将视频系数分解为4层，每层对应的方向数分别为192、192、48、12 ； (2)对表面波变换后的系数，按以下公式计算最精细层到最粗糙层的各子带系数的噪声方差2.根据权利要求I所述的方法，其中步骤(I)所述的对视频系数进行表面波变换，是先输入含有噪声的视频系数，用三通道非抽样滤波器组将其频谱分成三个沙漏型的子带；再对沙漏型子带分两次通过二维方向滤波器组进行方向分解，将视频系数分解为4层，每层对应的方向数分别为192、192、48、12。全文摘要本专利技术公开了一种，主要改善图像边缘模糊和噪声去除不充分的问题。其实现过程是(1)输入含噪视频系数，并对其进行表面波变换；(2)计算变换后各层各方向子带系数的噪声方差；(3)利用噪声方差对系数进行预处理；(4)对系数采用广义高斯分布建模，计算其形状因子υ；(5)利用预处理系数和形状因子，使用最大似然准则计算系数的信号标准差σx；(6)对含噪系数进行收缩处理；(7)对处理后的系数进行表面波逆变换,得到去噪后的视频图像。本专利技术与现有的技术相比显著提高了去噪效果，显著提高了视频图像中噪声的抑制能力，同时能够更好的保留视频图像的细节信息和运动物体的平滑效果。文档编号G06T5/00GK102867293SQ20121032548公开日2013年1月9日 申请日期2012年9月5日 优先权日2012年9月5日专利技术者田小林, 焦李成, 钱亚娜, 钟桦, 朱虎明, 缑水平, 张小华, 马文萍 申请人:西安电子科技大学本文档来自技高网...
【技术保护点】
一种基于广义高斯最大似然估计的表面波变换视频去噪方法，包含以下步骤：(1)输入含有噪声的视频系数，对视频系数进行表面波变换，将视频系数分解为4层，每层对应的方向数分别为192、192、48、12；(2)对表面波变换后的系数，按以下公式计算最精细层到最粗糙层的各子带系数的噪声方差：σl,m2=σ1,m2·e1-l1.2,其中，为第l层第m方向子带系数的噪声方差，l∈{1,2,3,4}，第1层和第2层子带中：m∈{1,2,…,192}，第3层子带中：m∈{1,2,…,48}，第4层子带中：m∈{1,2,…,12}；σ1,m=median(|ω1,m(i，j，k)|)/0.6745为第一层第m方向子带的噪声标准差，ω1,m(i，j，k)为第一层第m方向子带中位置(i，j，k)对应的系数；(3)根据步骤(2)得到的噪声方差对各层各方向子带进行预处理：Ml,m(i,j,k)=ωl,m(i,j,k),if|ωl,m(i,j,k)|≥3σl,m0,else,其中Ml，m(i，j，k)为预处理后的系数，ωl，m(i，j，k)为第l层第m方向子带中位置(i，j，k)对应的系数，第l层第m方向子带系数的噪声标准差；(4)对各层各方向子带系数采用广义高斯分布建模，根据模型计算广义高斯分布的形状因子υ：首先，将分别代入gamma函数Γ()中，得到关于υ的三个表达式，分别为Γ(1υ),Γ(5υ),Γ(3υ),其次，根据表达式构造函数并令f(υ)=σy4Kw-6σl,m2σy2+3σl,m4(σy2-σl,m2)2,最后，通过方程Γ(1/υ)Γ(5/υ)Γ2(3/υ)=σy4Kw-6σl,m2σy2+3σl,m4(σy2-σl,m2)2求出形状因子υ，其中，σy为含噪系数的标准差，Kw为含噪系数的峰值；(5)根据步骤(3)得到的预处理系数Ml，m(i，j，k)和步骤(4)得到的形状因子υ，使用最大似然准则，计算各层各子带系数的信号标准差σx：σx=SE，其中，S是比例因子，E是中间变量，N是以预处理系数Ml，m(i，j，k)为中心的5×5×5的正方体窗口，(o1,p1,q1)为正方体窗口N中系数对应的坐标，|N′l，m(i，j，k)|表示正方体窗口N中系数的个数；(6)根据步骤(5)得到的信号标准差σx，对各层各子带系数进行收缩，得到收缩处理后的视频系数X^l,m(i,j,k)=σx2σx2+σl,m2·ωl,m(i,j,k);(7)对处理后的视频系数进行表面波逆变换，得到去噪后的视频图像。FDA00002102973000012.jpg,FDA00002102973000014.jpg,FDA00002102973000015.jpg,FDA00002102973000016.jpg,FDA00002102973000017.jpg,FDA000021029730000111.jpg,FDA00002102973000022.jpg,FDA00002102973000023.jpg,FDA00002102973000024.jpg,FDA00002102973000026.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：田小林，焦李成，钱亚娜，钟桦，朱虎明，缑水平，张小华，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。