专利名称：用单幅图像分布参数样本反演高斯噪声方差的盲测定方法
技术领域：
本发明属于含噪声图像中高斯噪声方差的盲测定技术，特别是一种图像处理噪声抑制算法中噪声水平的自动估计。
背景技术：
图像在采集、传输、存储过程中不可避免的存在噪声污染，人们希望通过设计高性能的处理算法最大限度的抑制噪声，并保持图像的边缘和纹理结构。而在图像去噪算法中，一个重要前提是只有知道噪声的强度水平，才能有针对的去除噪声。但是，很多算法仅仅是通过人工方法给出噪声强度水平的估计，这样如果噪声水平估计过高容易导致过平滑，而估计过低又不能有效去除噪声。例如，在正则化方法中，往往需要在图像正则化项和数据保真项之间的建立较好的平衡关系，这时也需要根据噪声的强度水平选择合适的拉格朗日乘子。又如在不需要参考图像的图像质量评测方法中，人们希望自动的从单幅图像中估计噪声水平，从而计算图像失真的信噪比水平。因此，利用单幅含噪图像来估计噪声水平的技术具有重要应用价值。目前大多数噪声水平评价方法都是基于多幅图像进行，统计多幅图像的偏差来达到图像噪声水平的估计，如果仅有一幅图像样本，噪声估计往往会失效。而利用单幅图像进行噪声估计的方法，一般需要优化选取图像中平坦的区域，统计平坦区域的偏差特性来估计噪声水平。例如中国专利[200910142250. 8]发明了图像噪声评价方法、图像噪声评价装置，该方法提取图像中的平坦区域，自适应迭代优化所述平坦区域，利用优化后的平坦区域的图像评价所述图像的噪声水平。该方法的不足是一是需要选定平坦区域；二是需要进行迭代优化。如果对复杂场景的图像，优化选取平坦区域很难完全自动化，而迭代优化非常费时。
发明内容
本发明的目的在于提供一种利用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，充分考虑了图像在不同频率分解下的峰度衰减的规律，不需要其它参考图像，不需要优化选取平坦区域，完全自动，平均估计精度高，可以广泛应用于高斯噪声退化的光学成像系统的信噪比自动测定。实现本发明目的的技术解决方案为一种用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，以自然图像的高阶统计特性为基础，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据一组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布参数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接搜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计，具体步骤为
步骤I :去均值输入一幅含噪声图像％，计算含噪图像的平均值《% (%)，然后得至丨J去均值图像ω = ω0 -歷αη(μ )；
步骤2:构造一组正交滤波器Zf1,Zf1,..…,其中,为滤波器的个数；
步骤3 :根据正交滤波器组.....^对去均值图像进行分频处理，构造不同频率滤波的图像序列；
步骤4:利用不同频率滤波图像序列j，计算每幅滤波图像的峰度和方差或标准方差，得到；个峰度个方差样本或标准方差;
步骤5 :对N个峰度进行幂指数衰减，得到％个衰减的峰度样本值；
步骤6:利用步骤5计算的#个衰减的峰度样本值1(\^In和步骤4计算的
iV个方差样本构造未知噪声方差 < 或标准方差q的最小化拟合反演模型
权利要求
1.一种用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于以自然图像的高阶统计特性为基础，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据ー组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布參数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接捜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计，具体步骤为 步骤I:去均值输入一幅含噪声图像％，计算含噪图像的平均值，然后得到去均值图像《 = % - rmaniu^)； 步骤2:构造ー组正交滤波器/^/ ，.....AV,其中が为滤波器的个数； 步骤3 :根据正交滤波器组"いAV.....对去均值图像进行分频处理，构造不同频率滤波的图像序列; 步骤4:利用不同频率滤波图像序列·计算每幅滤波图像的峰度和方差或标准方差，得到N个峰度1!ち和N个方差样本 Lu或标准方差 ； 步骤5 :对N个峰度进行幂指数衰减，得到个衰减的峰度样本值j ； 步骤6:利用步骤5计算的F个衰减的峰度样本值f (ち,'〗.“ Α.和步骤4计算的 个方差样本Iぺ构造未知噪声方差ポ或标准方差％的最小化拟合反演模型 / ' of = argmmZ (AiJし，其中为未知变量；为未知变量， 欠び-2 J-IlvcrMlof,表示理想没有污染的图像的峰度； 步骤7:利用直接捜索法求解最小化反演模型，将搜索得到的最小点作为噪声方差的最优估计。
2.根据权利要求I所述的用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于步骤I中，去均值的过程为输入一幅Ixlf大小的含噪声图像％ ,其中￡表示图像像素点的行数I表示图像像素点的列数；计算含噪图像的平均值然后得至IJ去均值图像“ =%-，其中平均值由如下公式计算 I I Mmsan(u0) = --- 其中》，《分别表示图像的像素点所在的行数和列数，桃=12—..￡3 = 1，2ー￥。
3.根据权利要求I所述的用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于步骤2中，基于2维离散DCT函数，构造ー组正交滤波器，负，.....Mm, N>30,构造过程为 φ根据2维离散DCT函数生成的DCT矩阵，其中，ぶ分别表示DCT函数水平方向和垂直方向的频率參数，
4.根据权利要求I所述的用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于步骤3中，根据滤波器组.....も对去均值图像《进行分频处理，是根据卷积公式计算不同频率DCT滤波的图像序列j，即满足如下关系
5.根据权利I所述的用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于步骤4中利用不同频率滤波序列来计算每幅滤波图像的峰度和方差，得到个峰度和个方差样本或标准方计算关系为
6.根据权利I所述的用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于步骤5中对峰度进行幂指数衰减，得到幂指数衰减的峰度样本值((AvP j，其中幂指数权重η的计算关系为
7.一种用单幅图像分布參数样本反演高斯噪声方差的盲測定方法，其特征在于以自然图像的高阶统计特性为基础，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据ー组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布參数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接捜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计，具体步骤为 步骤I :去均值输入一幅含噪声图像％，计算含噪图像的平均值，然后得到去均值图像《 = % - rman^)； 步骤3 :将预先构造的正交滤波器存放在存储单元中，根据正交滤波器组,均,.....对去均值图像进行分频处理，构造不同频率滤波的图像序列; 步骤4:利用不同频率滤波图像序列·[ろIn，计算每幅滤波图像的峰度和方差或标准方差，得到个峰度(ちん.‘.#和、个方差样本或标准方差； 步骤5 :对N个峰度进行幂指数衰减，得到 个衰减的峰度样本值j ； 步骤6 :利用步骤5计算的个衰减的峰度样本值j和步骤4计算的N个方差样本ι,构造未知噪声方差ゲ或标准方差τ的加权最小化拟合反演模型 步骤7:利用直接捜索法求解最小化反演模型，将搜索得到的最小点作为噪声方差的最优估计。
全文摘要
本发明公开了一种用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据一组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布参数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接搜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计。本发明能够实现图像中高斯噪声方差的自动高精度估计；不需要优选平坦区域和其他参考图像，不需要人工设定任何参数，完全自动，对噪声方差的统计估计精度高。
文档编号G06T5/00GK102663698SQ201210099898
公开日2012年9月12日 申请日期2012年4月9日 优先权日2012年4月9日
发明者唐松泽, 张梵彪, 李恒, 肖亮 申请人:南京理工大学