专利名称：Surfacelet域BKF模型贝叶斯视频去噪方法
技术领域：
本发明属于图像处理技术领域，更进一步涉及视频处理技术领域中的一种 Surfacelet域BKF模型贝叶斯视频去噪方法。本发明可应用于视频图像加性噪声的去除。
背景技术：
在视频图像的采集及传输过程中，噪声的引入是不可避免的。由于视频图像在相邻像素及帧间都有很大的相关性，而噪声是随机且不相关的，这为视频图像在时空域的噪声去除提供了理论基础。由于含噪视频图像经小波变换、Surfacelet变换后，视频图像及噪声在变换域具有不同的特性，变换域系数具有一定的分布规律，根据变化域的系数特性和分布规律进行去噪，能取得很好的去噪效果。西安电子科技大学提出的专利申请“非局部均值空域时变视频滤波方法”(专利申请号200910219213. 2，公开号CN101742088A)公开了一种非局部均值空域时变视频滤波方法，主要解决现有非局部均值空域时变滤波器的计算量大和应用范围受限的问题。该方法的滤波过程是初始化当前帧图像所有点处的权值归一化系数和非归一化滤波后的值为 0 ；对于搜索域内每个坐标偏置，分别将当前帧图像所有的像素点进行统一的预处理，然后快速计算当前帧图像所有像素点在该搜索域坐标处的加权核权值；根据该加权核权值，更新权值归一化系数和非归一化滤波后的值；根据权值归一化系数和非归一化滤波后的值， 计算得到滤波后的图像。该方法虽然极大地降低了现有非局部均值空域时变滤波方法的计算复杂度，取得较好的去噪效果，但是仍然存在的不足是，该方法只考虑了当前帧内像素间的相关性，没有利用视频图像帧间的相关性，不能有效地提高视频图像的去噪效果。西安电子科技大学提出的专利申请“基于Surfacelet变换域的空间自适应阈值视频去噪方法”(专利申请号201110081454. 2，公开号CN102158637A)公开了一种基于 Surfacelet变换域的空间自适应阈值视频去噪方法，主要解决视频去噪效果不理想、去噪过程复杂度过大和视频去噪中出现伪影、伪吉布斯效应等问题。该方法的实现过程是输入待去噪视频并做Surfacelet变换；分别对每一个Surfacelet分解的方向子带内的系数估计噪声；利用系数空间能量值计算自适应阈值；利用系数邻域信息调整上述阈值；利用阈值函数进行去噪处理；对去噪后的系数进行重构，得到去噪后视频。该方法虽然能够通过利用系数邻域关系来提高视频去噪效果，有效地保持视频的细节信息，取得很好的视频去噪效果，但是仍然存在的不足是，该方法只利用了系数的少量邻域信息，没有充分利用邻域外的系数关系，去噪效果有待提高。
发明内容
本发明针对上述现有技术的不足，用Surfacelet系数描述视频图像及噪声，根据视频图像Surfacelet系数边缘分布的特点，利用贝塞尔K分布函数对Surfacelet系数边缘分布进行建模，有效地利用了子带内所有系数间的关系，提出一种Surfacelet域BKF模型贝叶斯视频去噪方法，可以有效的将噪声从视频图像中去除。
本发明的具体步骤如下(1)输入一个待去噪视频。(2)获取待去噪视频Surfacelet域系数调用Surfacelet工具包对待去噪视频作Surfacelet变换，获取待去噪视频的 Surfacelet域高频子带系数。(3)用噪声估计公式估算待去噪视频的噪声标准差。(4)按照下式获取待去噪视频Surfacelet域高频子带的贝塞尔K分布形状参数
权利要求
1. 一种Surfacelet域BKF模型贝叶斯视频去噪方法，包括如下步骤(1)输入一个待去噪视频；(2)获取待去噪视频Surfacelet域系数调用Surfacelet工具包对待去噪视频作Surfacelet变换，获取待去噪视频的 Surfacelet域高频子带系数；(3)用噪声估计公式估算待去噪视频的噪声标准差；(4)按照下式获取待去噪视频Surfacelet域高频子带的贝塞尔K分布形状参数_ 3χ max(c2 一σ2，0)2 P=C4其中，P为待去噪视频Surfacelet域高频子带的贝塞尔K分布形状参数； max()为取最大值函数；<32为待去噪视频Surfacelet域高频子带的二阶累积量； σ为待去噪视频的噪声标准差； &为待去噪视频Surfacelet域高频子带的四阶累积量；(5)按照下式获取待去噪视频Surfacelet域高频子带的贝塞尔K分布尺度参数max(c, -σ2,0) c =---P其中，c为待去噪视频Surfacelet域高频子带的贝塞尔K分布尺度参数； max ()为取最大值函数； 为待去噪视频Surfacelet域高频子带的二阶累积量； σ为待去噪视频的噪声标准差；P为待去噪视频Surfacelet域高频子带的贝塞尔K分布形状参数；(6)判断待去噪视频Surfacelet域高频子带的贝塞尔K分布形状参数的大小，若大于 1，执行下一步，否则执行步骤(10)；(7)按照下式获取已去噪视频Surfacelet域系数cvk — ΤΓ~Γ x c'ik其中，&为已去噪视频Surfacelet域系数； i为已去噪视频Surfacelet域第j个尺度第k个子带的系数序号； j为待去噪视频Surfacelet域第j个尺度； k为待去噪视频Surfacelet域第j个尺度的第k个子带； σ g为待去噪视频Surfacelet域高频子带系数标准差； σ为待去噪视频的噪声标准差；Cijk为待去噪视频Surfacelet域第j个尺度第k个子带的第i个系数；(8)按照下式获取已去噪视频Surfacelet域系数
2.根据权利要求1所述的Surfacelet域BKF模型贝叶斯视频去噪方法，其特征在于 步骤(3)中所述的噪声估计公式为σ = midean(abs(C))/0. 6725 其中，σ为待去噪视频的噪声标准差； median()为取中值函数； abs()为取绝对值符号；C为待去噪视频Surfacelet域高频子带系数集合。
3.根据权利要求1所述的Surfacelet域BKF模型贝叶斯视频去噪方法，其特征在于 步骤中所述的待去噪视频的Surfacelet域高频子带的二阶累积量为
4.根据权利要求1所述的Surfacelet域BKF模型贝叶斯视频去噪方法，其特征在于 步骤中所述的待去噪视频Surfacelet域高频子带的四阶累积量为
全文摘要
一种Surfacelet域BKF模型贝叶斯视频去噪方法，包括输入待去噪视频；获取高频子带系数；估算噪声标准差；获取待去噪视频Surfacelet域高频子带BKF分布形状参数和尺度参数；判断BKF分布形状参数的大小；获取已去噪视频Surfacelet域系数；获取已去噪视频。本发明采用BKF函数对视频Surfacelet系数边缘分布进行建模，使得本发明充分利用视频图像Surfacelet域高频子带系数的相关性，能够在有效去除噪声的同时很好地保持了视频图像的边缘细节信息。
文档编号H04N5/21GK102547074SQ201210001590
公开日2012年7月4日 申请日期2012年1月4日 优先权日2012年1月4日
发明者张小华, 朱虎明, 焦李成, 田小林, 缑水平, 聂继勇, 钟桦, 马文萍 申请人:西安电子科技大学