一种α稳定模型下的小波域图像噪声方差估计方法技术

本发明专利技术的目的在于提供一种α稳定模型下的小波域图像噪声方差估计方法，包括对含噪图像进行小波域分解，进行α稳定模型下的原始系数参数估计，获得尺度参数和形状参数，从而获得原始系数的估计熵值；建立对角子带的含噪系数直方图，计算含噪系数熵值并记录子带系数熵值与原始系数熵值的熵值差、噪声方差的值；以步进量L更新噪声方差的值,重复上述步骤；对随机选取的1000幅不同图像重复上述过程，并计算在同一噪声标准差下的1000个熵值差的均值；建立噪声标准差与熵值差间的二次拟合关系获得拟合系数，从而获得方差估计表达式。本发明专利技术具有较强的鲁棒性，简化了模型参数估计和熵值的计算过程，易于计算和实现，具有更高的估计精度。

【技术实现步骤摘要】
本专利技术涉及的是一种图像处理方法，具体地说是噪声方差估计方法。
技术介绍
图像在获取、传输、存储的过程中总是会不同程度的受到噪声的干扰，因此图像去噪一直以来都是图像处理领域的研究热点。由于去噪过程中大多缺乏噪声的先验知识以及高斯噪声的一般性，使高斯白背景下的噪声方差估计成为图像去噪问题的关键技术之一。噪声方差估计的基本思想就是通过一定的技术手段从含噪图像中找到“纯”噪声子，然后再以某一准则来估计其方差值。小波变换由于具有良好的多尺度分解特性和方向带通特性，能够对信号和噪声进行有效地分离。同时，根据mallat的研究，对于任意一幅 图像的小波变换，其高频子带系数可以认为是近似服从某一参数下α稳定分布，这一发现为小波变换在图像去噪领域中得到更广泛的应用起到了极大的推动作用。目前小波域方差估计的方法一般是将图像进行小波分解后，认为最高频对角子带的小波系数即是“纯”噪声子并利用该子带系数进行噪声方差估计。Donoho等人早在1994年提出一种经典的噪声方差计算方法，它是由对角子带的系数模值的中值与一常数相除确定的。延用这种以高频对角子带为“纯”噪声子的思想，李天翼等又提出了一种鲁棒性较好的熵检测噪声方差估计方法，利用高斯白噪声在小波域的熵值鲁棒性得到噪声方差的估计值。当图像细节比较丰富时，会加重图像信息在高频对角子带中的比例，这样就不能够满足已有方法中以高频对角子带为“纯”噪声子的假设条件，没有充分的考虑原始图像系数在对角子带中加重比例对估计过程所产生的影响，使噪声方差估计值不够准确，导致后续处理(如图像去噪)的效果不佳。
技术实现思路
本专利技术的目的在于提供通用性好、充分考虑原始图像系数在对小波域高频角子带影响的一种α稳定模型下的小波域图像噪声方差估计方法。本专利技术的目的是这样实现的本专利技术一种α稳定模型下的小波域图像噪声方差估计方法，其特征是(I)对图像加入标准差为σ 的闻斯白噪声；(2)对含噪图像进行正交小波分解；(3)对分解后的最高频对角子带进行参数估计；(4)用估计得到的参数计算原始系数的估计熵值；(5)建立对角子带的系数直方图，计算子带系数熵值；(6)记录标准差的值以及步骤(5)与(4)中两个熵值的差值即熵值差；(7)更新噪声标准差，以步进量L更新ση的值，ση<Μ，重复步骤(I)- (6)，L、M为设定值；(8)对随机选取的1000幅图像重复上述步骤(I)- (7)；(9)计算这1000幅图像在同一标准差下的熵值差的均值；(10)将(9)中得到的各均值取指数；(11)将(10)中的得到的各值与对应的标准差组成点对，并进行二次多项式拟合，获得方差估计表达式。本专利技术的优势在于本专利技术不依懒于图像的变化，具有较强的鲁棒性，并简化了模型参数估计和熵值的计算过程，易于计算和实现，具有更高的估计精度。附图说明图I为为参数比函数R关于形状参数α的函数曲线；图2为本专利技术具体实施方式对测试图像的噪声方差估计曲线；图3为本专利技术具体实施方式估计方差与实际方差间的误差曲线。具体实施例方式下面结合附图举例对本专利技术做更详细地描述结合图I 3，本专利技术具体步骤包括(I)对图像加入标准差为σ η = 3的闻斯白噪声；(2)将加噪图像进行正交小波分解(这里选用‘db2’小波)；本专利技术中的步骤(2)，使用正交小波分解的目的是因为正交小波分解不改变噪声的分布特性。设N(i)，N(j)为i和j位置的噪声小波系数，n(x)为χ位置的空域噪声像素值，V(X)为正交小波基函数，l、m是小波基函数的支撑区间，O η为噪声标准差,则本文档来自技高网...

【技术保护点】
一种α稳定模型下的小波域图像噪声方差估计方法，其特征是：（1）对图像加入标准差为σn的高斯白噪声；（2）对含噪图像进行正交小波分解；（3）对分解后的最高频对角子带进行参数估计；（4）用估计得到的参数计算原始系数的估计熵值；（5）建立对角子带的系数直方图，计算子带系数熵值；（6）记录标准差的值以及步骤（5）与（4）中两个熵值的差值即熵值差；（7）更新噪声标准差，以步进量L更新σn的值，σn≤M，重复步骤（1）？（6）,L、M为设定值；（8）对随机选取的1000幅图像重复上述步骤（1）？（7）；（9）计算这1000幅图像在同一标准差下的熵值差的均值；（10）将（9）中得到的各均值取指数；（11）将（10）中的得到的各值与对应的标准差组成点对，并进行二次多项式拟合，获得方差估计表达式。

【技术特征摘要】
1. 一种α稳定模型下的小波域图像噪声方差估计方法，其特征是 (1)对图像加入标准差为。 的高斯白噪声； (2)对含噪图像进行正交小波分解； (3)对分解后的最高频对角子带进行参数估计； (4)用估计得到的参数计算原始系数的估计熵值； (5)建立对角子带的系数直方图，计算子带系数熵值； (6)记录标准差的值以及步骤(5)与(4)中两个熵值的差值即熵值差； (...

【专利技术属性】
技术研发人员：李一兵，李骜，叶方，林云，孟霆，付强，刘悦，张静，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：