[發(fā)明專利]一種基于廣義自回歸異方差模型的噪聲方差估計方法有效
| 申請?zhí)枺?/td> | 201510076452.2 | 申請日： | 2015-02-11 |
| 公開（公告）號： | CN104616266B | 公開（公告）日： | 2017-08-08 |
| 發(fā)明（設(shè)計）人： | 張振軍 | 申請（專利權(quán)）人： | 張振軍 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00 |
| 代理公司： | 北京市盈科律師事務(wù)所11344 | 代理人： | 張瑞杰 |
| 地址： | 510000 廣東省廣州市高新*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 廣義 回歸 方差 模型 噪聲 估計 方法 | ||
技術(shù)領(lǐng)域
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于廣義自回歸異方差模型的噪聲方差估計方法。
背景技術(shù)
由于成像環(huán)境和傳輸信道等各種因素的影響，獲得的數(shù)字圖像常常被噪聲污染。噪聲不僅降低了圖像的質(zhì)量和視覺效果，還會影響后續(xù)各種圖像處理和分析過程。比如：圖像復(fù)原中正則化參數(shù)的選取、稀疏表示中平衡因子的取值、圖像壓縮中最佳量化次數(shù)的確定等都依賴于噪聲方差的先驗知識，噪聲方差估計得準(zhǔn)確與否會顯著地影響圖像去噪、復(fù)原、表示、壓縮、分割、特征提取、目標(biāo)識別等的性能。
現(xiàn)有的圖像噪聲方差估計的方法主要有三大類：一類是基于濾波的方法，這類方法先通過濾波來提取圖像的高頻信息，再從高頻信息中來估計噪聲的方差，然而，該類方法容易將圖像的邊緣和紋理等高頻細(xì)節(jié)信息視為噪聲，導(dǎo)致噪聲方差的過估計。第二類是基于分塊的方法，該方法依賴“同質(zhì)塊的局部方差可以作為該塊的噪聲方差的估計量”這一假設(shè)，先按一定準(zhǔn)則把噪聲圖像分成很多小塊，然后從諸多小塊中尋找同質(zhì)子塊，再基于同質(zhì)子塊來估計圖像噪聲的方差，該類方法性能的好壞取決于如何科學(xué)有效的確定圖像的同質(zhì)塊，并保證有足夠多的同質(zhì)塊參與到噪聲方差的估計中。第三類是基于小波域統(tǒng)計建模的方法，該類方法中最著名的是Donoho方法，Donoho方法用統(tǒng)計量作為噪聲方差的估計，其中median(·)表示取中值,HH為含噪圖像小波變換域的第一層對角高頻子帶系數(shù)矩陣，該方法在噪聲污染嚴(yán)重時估計的比較準(zhǔn)確，當(dāng)噪聲水平較低時，會出現(xiàn)過估計。
因此，針對現(xiàn)有技術(shù)中的存在問題，亟需提供一種準(zhǔn)確性高、且適用于各種噪聲水平的退化圖像，能夠為去噪、復(fù)原、特征提取等后續(xù)圖像處理提供支持的噪聲方差估計方法顯得尤為重要。
發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有含噪圖像噪聲方差估計技術(shù)的缺陷，提出一種 基于非子采樣輪廓波變換和廣義自回歸異方差模型的噪聲方差估計方法，該方法可以提高噪聲方差估計的準(zhǔn)確性，且適用于各種噪聲水平的退化圖像，為去噪、復(fù)原、特征提取等后續(xù)圖像處理提供支持。
本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)：
提供一種基于廣義自回歸異方差模型的噪聲方差估計方法，包括以下步驟：
步驟1，讀取被噪聲污染的含噪圖像；
步驟2，對含噪圖像做非子采樣輪廓波變換；
步驟3，對步驟2中的每個高頻子帶系數(shù)矩陣做去均值濾波處理；
步驟4，將去均值濾波處理后的二維高頻子帶系數(shù)矩陣轉(zhuǎn)換為一維序列數(shù)據(jù)；
步驟5，對一維序列數(shù)據(jù)建立自回歸模型，并求得其殘差序列；
步驟6，對殘差序列建立統(tǒng)計學(xué)模型；
步驟7，根據(jù)步驟5中求得的殘差序列和步驟6的統(tǒng)計學(xué)模型，采用極大似然估計的方法計算統(tǒng)計學(xué)模型的參數(shù)；
步驟8，求得含噪圖像中的噪聲的方差。
其中，所述步驟1的具體步驟為：
讀取被噪聲污染的含噪圖像gx,y＝fx,y+nx,y，
其中：fx,y為清晰圖像，nx,y為噪聲圖像；含噪圖像gx,y、清晰圖像fx,y、噪聲圖像nx,y的大小均為N×M；nx,y服從均值為0、方差為σ2的正態(tài)分布；下標(biāo)x,y分別表示圖像的行坐標(biāo)與列坐標(biāo)，1≤x≤N,1≤y≤M；
所述步驟2的具體步驟為：
對含噪圖像gx,y做L級非子采樣輪廓波變換，即NSCT，其中，在第i級的方向數(shù)為2i-1，得到大小為N×M的低頻子帶系數(shù)矩陣和各級各方向上的高頻子帶系數(shù)矩陣高頻子帶系數(shù)矩陣的個數(shù)為j為在第i級上的方向數(shù)，L為大于2的自然數(shù)；
其中，為fx,y的NSCT的系數(shù)矩陣，為nx,y的NSCT的系數(shù)矩陣。
其中，所述步驟3的具體步驟為：
采用以下公式對每個高頻子帶系數(shù)矩陣去均值濾波處理，
其中，為系數(shù)矩陣去均值濾波處理后得到的矩陣。
其中，所述步驟4的具體步驟為：
按照從左到右、從上到下的順序依次回形讀取去均值濾波后的二維系數(shù)矩陣 中的元素，得到一維序列數(shù)據(jù)序列數(shù)據(jù)既包含有噪聲圖像的信息，又包含有清晰圖像的信息。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于張振軍，未經(jīng)張振軍許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201510076452.2/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
