【摘要】：目的圖像在獲取和傳輸?shù)倪^(guò)程中很容易受到噪聲的干擾,圖像降噪作為眾多圖像處理系統(tǒng)的預(yù)處理模塊在過(guò)去數(shù)十年中得到了廣泛的研究。在已提出的降噪算法中,往往采用加性高斯白噪聲模型AWGN(additive white Gaussian noise)為噪聲建模,噪聲水平(嚴(yán)重程度)由方差參數(shù)控制。經(jīng)典的BM3D 3維濾波算法屬于非盲降噪(non-blind denoising algorithm)算法,在實(shí)際使用中需要由人工評(píng)估圖像噪聲水平并設(shè)置參數(shù),存在著噪聲評(píng)估值隨機(jī)性大而導(dǎo)致無(wú)法獲得最佳降噪效果的問(wèn)題。為此,提出了一種新的局部均值噪聲估計(jì)(LME)算法并作為BM3D算法的前置預(yù)處理模塊。方法本文專注于利用基于自然統(tǒng)計(jì)規(guī)律(NSS)的圖像質(zhì)量感知特征和局部均值估計(jì)技術(shù)構(gòu)建圖像噪聲水平預(yù)測(cè)器,并通過(guò)它高效地獲得噪聲圖像中準(zhǔn)確的噪聲水平值。關(guān)于自然場(chǎng)景統(tǒng)計(jì)方面的研究表明,無(wú)失真的自然場(chǎng)景圖像在空域或者頻率域上具有顯著的統(tǒng)計(jì)規(guī)律,一旦受到噪聲干擾會(huì)產(chǎn)生規(guī)律性的偏移,可以提取這些特征值作為反映圖像質(zhì)量好壞的圖像質(zhì)量感知特征。另外,局部均值估計(jì)因其簡(jiǎn)單而高效率的預(yù)測(cè)特性被采用。具體實(shí)現(xiàn)上,在具有廣泛代表性且未受噪聲干擾圖像集合上添加不同噪聲水平的高斯噪聲構(gòu)建失真圖像集合,然后利用小波變換對(duì)這些失真圖像進(jìn)行不同尺度和不同方向的分解,再用廣義高斯分布模型(GGD)提取子帶濾波系數(shù)的統(tǒng)計(jì)信息構(gòu)成描述圖像失真程度的特征矢量,最后用每幅失真圖像上所提取的特征矢量及對(duì)其所施加的高斯噪聲水平值構(gòu)成了失真特征矢量庫(kù)。在降噪階段,用相同的特征提取方法提取待降噪的圖像的特征矢量并在失真特征矢量庫(kù)中檢索出與之類似的若干特征矢量及它們所對(duì)應(yīng)的噪聲水平值,然后用局部均值法估計(jì)出待降噪圖像中高斯噪聲大小作為經(jīng)典BM3D算法的輸入?yún)?shù)。結(jié)果改進(jìn)后的BM3D算法轉(zhuǎn)換為盲降噪算法,稱為BM3D-LME(block-matching and 3D filtering based on local means estimation)算法。準(zhǔn)確的噪聲估計(jì)對(duì)于諸如圖像降噪,圖像超分辨率和圖像分割等圖像處理任務(wù)非常重要。已經(jīng)驗(yàn)證了所提出噪聲水平估計(jì)算法的準(zhǔn)確性、魯棒性和有效性。結(jié)論相對(duì)人工進(jìn)行噪聲估計(jì),LME算法能夠準(zhǔn)確、快速地估算出任意待降噪圖像中的噪聲大小。配合BM3D算法使用后,有效提高了它的實(shí)際降噪效果并擴(kuò)大它的應(yīng)用范圍。
【圖文】：

工那樣受圖像內(nèi)容干擾)且擴(kuò)展性好，可以有效地實(shí)現(xiàn)對(duì)任何輸入的高斯噪聲圖像進(jìn)行噪聲水平評(píng)估，評(píng)估準(zhǔn)確率遠(yuǎn)高于人工估計(jì)。另外，所采用的基于小波變換的特征矢量提取方法的實(shí)現(xiàn)效率也很高，保障了LME算法的效率�；诖�，將LME算法應(yīng)有于經(jīng)典的BM3D圖像降噪算法得到BM3D-LME算法。相對(duì)與經(jīng)典的BM3D算法，BM3D-LME算法為盲降噪算法，具有更好的實(shí)際降噪效果，更廣闊的應(yīng)用范圍。需要特別說(shuō)明的是:所提出的LME算法不但可以應(yīng)有于BM3D降噪算法，對(duì)于其他各種非盲降噪算法同樣適用。1BM3D算法簡(jiǎn)介1．1BM3D算法如圖1所示，BM3D降噪算法［19］主要由兩個(gè)工作階段構(gòu)成:1)基礎(chǔ)估計(jì)階段(左側(cè)虛框部分)。該階段利用硬閾值收縮通過(guò)協(xié)同濾波對(duì)噪聲圖像進(jìn)行初步降噪形成基本估計(jì)。具體來(lái)說(shuō)，就是將圖像中所有與參考圖塊相近圖塊進(jìn)行堆疊構(gòu)成3D數(shù)組，之后對(duì)3D數(shù)組進(jìn)行協(xié)同濾波，返回關(guān)于參考圖塊的基本估計(jì)。2)最終估計(jì)階段(右側(cè)虛框部分)。利用原始的噪聲圖像以及第1階段獲得的基本估計(jì)圖像進(jìn)行收縮濾波(以維納濾波實(shí)現(xiàn))，得到最終輸出。BM3D這兩個(gè)階段都包括類似的兩個(gè)步驟:(1)利用和當(dāng)前處理塊同樣大小的滑動(dòng)窗口在圖像中搜索與當(dāng)前處理圖像塊匹配的所有圖像塊，并將全部的匹配圖像塊組合成一個(gè)3維數(shù)組;(2)選取合適的3維濾波算子對(duì)3維數(shù)組進(jìn)行濾波，接著逆變換還原圖像，完成降噪任務(wù)。其實(shí)，BM3D算法充分利用了稀疏表示和非局部均值(圖像塊之間的相似性)降噪技術(shù)，通過(guò)有效的模塊匹配和3D堆疊可以使得圖塊獲得好的稀疏表示［1，9］。稀疏表示使得所謂的3D協(xié)同濾波有效地保留圖塊中的細(xì)節(jié)信息。BM3D算法自2006年被提出后，因其不但具有較好的降噪效果，，同時(shí)保持了較高的執(zhí)行效率，常被研究者作為各

Vol.22，No.4，April2017426圖2不同噪聲大小的圖像Fig．2Imagescorruptedwithdifferentnoiselevels((a)σ=40;(b)σ=50;(c)σ=60)2BM3D-LME算法2．1改進(jìn)策略正如前文所述，經(jīng)典的BM3D算法在對(duì)圖像進(jìn)行濾波時(shí)需要提供圖像的噪聲大小σ作為輸入?yún)?shù)。對(duì)于任意給定的噪聲圖像，僅僅通過(guò)人眼評(píng)估，隨機(jī)性大，無(wú)法準(zhǔn)確地估算圖像噪聲大校但是，圖像噪聲的大小參數(shù)對(duì)最終的圖像降噪效果具有決定性作用。受基于內(nèi)容的圖像檢索(CBIＲ)［23］和非局部均值圖像降噪算法(NLM)［1］領(lǐng)域研究工作經(jīng)驗(yàn)的啟發(fā)，本文采用局部均值(localmeans)方法來(lái)解決這個(gè)問(wèn)題。主要?jiǎng)?chuàng)新思想來(lái)源于:1)基于具有近似圖像特征矢量的圖像(特征描述符需要合理設(shè)計(jì))在圖像內(nèi)容上也類似的原理，CBIＲ系統(tǒng)能夠在圖像數(shù)據(jù)庫(kù)中將與查詢圖像在內(nèi)容上相近的圖像全部檢索出來(lái)。理論上，噪聲水平估計(jì)與CBIＲ系統(tǒng)的工作原理是近似的(只不過(guò)是圖像特征描述符描述對(duì)象不同而已，一個(gè)關(guān)于圖像噪聲水平而另外一個(gè)則是圖像內(nèi)容)。所以，只要圖像描述符經(jīng)過(guò)合理合計(jì)，在圖像特征矢量數(shù)據(jù)庫(kù)中所檢索到的與待評(píng)價(jià)圖像特征矢量近似的圖像，其與待評(píng)價(jià)圖像在噪聲水平上也應(yīng)該是近似或者大致相當(dāng)。2)在NLM圖像降噪算法中［1，14］，當(dāng)前噪聲像素點(diǎn)的修復(fù)亮度值可以基于圖像中其他類似像素點(diǎn)的亮度值用均值估計(jì)方法很好地估算出來(lái)。所謂類似像素點(diǎn)是指以這些像素點(diǎn)為中心的圖塊在某種特征描述符下是近似的(經(jīng)典的NLM算法直接采用圖塊中所包含的所有像素點(diǎn)亮度值之間的歐氏距離來(lái)度量，相當(dāng)于直接把圖塊上所有的像素點(diǎn)亮度值都作為特征矢量)。NLM算法被廣泛成功應(yīng)用表明:利用圖像中與當(dāng)前噪聲像素點(diǎn)近似的像素點(diǎn)的亮度值可以實(shí)現(xiàn)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭海波,陳心昭,李志遠(yuǎn);基于小波包變換的一種降噪算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

2 高志凌;劉yN;桂志國(guó);;基于模糊數(shù)學(xué)的低劑量CT投影域降噪算法[J];測(cè)試技術(shù)學(xué)報(bào);2011年06期

3 黃艷林;李友榮;肖涵;呂勇;;基于相空間重構(gòu)與獨(dú)立分量分析的局部獨(dú)立投影降噪算法[J];振動(dòng)與沖擊;2011年01期

4 宋博;徐超;金偉其;劉效東;;基于時(shí)域和空域混合的低信噪比視頻降噪算法及其分析[J];紅外技術(shù);2011年08期

5 陳瀟紅;王維東;;基于時(shí)空聯(lián)合濾波的高清視頻降噪算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年05期

6 楊民;孟凡勇;梁麗紅;魏東波;;動(dòng)態(tài)射線數(shù)字圖像序列降噪算法及快速實(shí)現(xiàn)[J];兵工學(xué)報(bào);2011年11期

7 趙春燕;鄭永果;蘇蕊;;基于多幅圖像統(tǒng)計(jì)信息的降噪算法[J];系統(tǒng)仿真學(xué)報(bào);2006年S1期

8 宋坤坡;夏順仁;徐清;;考慮小波系數(shù)相關(guān)性的超聲圖像降噪算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2010年11期

9 葉慶偉;謝永昌;狄紅衛(wèi);;基于Non_local means的時(shí)空聯(lián)合視頻降噪算法[J];微型電腦應(yīng)用;2012年05期

10 王s

本文編號(hào)：2556914