专利名称：基于压缩感知的ccd噪声估计方法
技术领域：
本发明涉及一种图像噪声的估计，特别是涉及一种利用压缩感知技术，从单幅噪声图像中，估计出严重依赖于信号强度的基于压缩感知的CCD噪声估计方法。
背景技术：
电荷耦合器件CCD (Charge Coupled Devices)是20世纪70年代发展起来的新型半导体器件。CCD以其具有自扫描、高分辨率、输出噪声低、动态范围大、量子效率高、电荷转移效率高、光谱响应范围宽、几何稳定性好等优点，在计算机视觉系统中应用越来越广泛。CXD图像传感器的输出信号是空间采样的离散模拟信号。CXD工作时，在输入结构、输出结构、信号电荷存储和转移过程中，都会产生噪声。CCD噪声主要包括有光子散粒噪声、复位噪声、暗电流噪声、固定模式噪声、放大器噪声以及量化噪声等。噪声是影响图像信噪比的重要参数，噪声叠加在信号电荷上，形成了干扰，严重降低了信号精度。特别是随着 CCD器件的小型化、集成化发展，对CCD噪声的估计和去除显得尤为重要。传统的噪声估计方法主要针对高斯白噪声设计。但是CCD噪声是严重依赖于信号强度的，不符合高斯白噪声的分布，所以对CCD噪声的估计得到的是一个噪声水平函数 NLF (Noise Level Function)。再力口上 CCD 相机的响应函数(Camera Response Function, 简称CRF)复杂的非线性特征，导致传统的噪声估计方法估计CCD噪声时很不理想。目前CCD噪声估计方法大致可以分为两类。一类是在空间域进行估计。根据图像像素值的不同，对整幅图像进行分块，然后通过计算块与块的差值来估计对应像素的噪声水平，最后利用这些噪声点进行插值，得到NLF曲线。这种方法可以一定程度上估计出图像噪声，但是得到的噪声曲线非常粗糙，且参数的自适应性差。另外一类就是在变换域进行噪声估计。先是利用小波变换对图像进行去噪，用噪声图像减掉去噪后的估计图像得到了对应像素的噪声，统计平均后得到噪声曲线。这种方法对于纹理和边缘较少的图像比较有效， 但是对于高纹理的图像很容易出现噪声的过估计，同时对图像的去噪效果要求较高。而非均勻噪声图像的去噪本身就是图像处理与计算机视觉领域的一个难点。现存的技术在估计CCD噪声方面有着明显的不足，特别是对于高纹理和多边缘的图像，从单幅图估计出的噪声水平函数(NLF)有着较大的偏差，并且算法的复杂度很高。目前对于单张图像还没有很有效的方法精确预测每个像素值的噪声水平，但是我们可以采用块匹配的方法，准确估计出光滑区域的部分样本点的噪声水平。压缩感知技术表明，如果信号在某组基下是稀疏的，那么就有可能通过少数的采样点恢复出原信号。因此，采用压缩感知技术可以由已估计出的部分噪声水平样本点来重构出完整的噪声水平曲线。
发明内容
本发明所要解决的技术问题是，提供一种只需要准确的估计部分光滑区域的噪声水平，就可以利用压缩感知技术估计出整幅图像的噪声水平函数的基于压缩感知的CCD噪
3声估计方法。本发明所采用的技术方案是一种基于压缩感知的CCD噪声估计方法，包括如下阶段1)单张图像CCD噪声样本点估计阶段，即从单幅图像中准确估计出部分像素的噪声水平，采用的是基于块的三维DCT变换进行去噪，包括如下步骤(1)搜索合适的图像块；(2)对图像块进行去噪；(3)估计样本点的噪声水平；2)基于压缩感知的噪声水平曲线重构阶段，即模拟出各种不同型号的CCD在不同情况下的噪声水平曲线，利用主成分分析的方法得到所述曲线的特征向量，选取其中的10 个向量作为字典，将现有的样本点作为对代求曲线的采样值，由此构造出采样矩阵，然后根据采样值、采样矩阵以及字典，利用OMP算法得到待求曲线在所述字典下的稀疏表示的系数，最后用系数和字典中的向量相乘，就准确的重建出一条特定的噪声曲线。所述的搜索合适的图像块，是采用块搜索步长Ns = 3，即每隔三行三列取一个图像块，块的大小取N = 8，每取一个图像块，计算该图像块的期望值和方差值，并设定门限值， 只对方差值小于门限值的图像块进行块搜索，并根据图像块的均值来控制块的选取，对于每一个选中的图像块，在搜索半径队=7的范围内，计算所有8x8图像块与参考块的距离， 然后，取与参考块距离最小的Nt = 8个块作为相似块，重叠在一起形成一个8x8x8的三维图像块，这样就完成了一个图像块的搜索。所述的期望反映的是该图像块的像素水平，而方差则表示的是该图像块的光滑的程度。所述的对图像块进行去噪是，对搜索合适的图像块步骤中得到的一个三维图像块做三维DCT变换，即沿着三维图像块的各个维度分别做一维DCT变换得到DCT变换矩阵，并设定门限值，滤除矩阵中的高频分量，再对滤除高频分量的DCT变换矩阵做反DCT变换，得到该图像块的估计。所述的估计样本点的噪声水平是，用噪声图像减去估计图像就得到了这些图像块对应的噪声，对这些图像噪声进行统计和平均，以得到准确的样本值，具体是先去噪图像做直方图统计，设定门限值，当一个像素的统计值超过设置的门限值时，就将该像素对应的所有噪声进行平均，就得到了该像素对应的噪声水平。本发明的基于压缩感知的CCD噪声估计方法，只需要准确的估计部分光滑区域的噪声水平，然后利用压缩感知技术估计出整幅图像的噪声水平函数。可以较为准确地从单幅图像中估计出，由CCD器件产生的严重依赖于信号强度的非均勻噪声，得到一条噪声水平曲线。与其它的方法相比，本发明只需要估计小部分点的噪声水平，因此，在提高了噪声水平函数准确度的同时，计算的复杂程度也大幅度降低。所得到的噪声水平曲线在图像去噪、运动估计、边缘检测等多种计算机视觉问题中获得应用。
图1是模拟CCD噪声的合成框图，用来生成噪声水平函数(NLF)的函数库；图2是为了生成NLF函数库而构造的测试图像效果4
图3是测试图barbara的原始图像效果图；图4是加上CCD噪声之后的图像效果图，其中f( · ) = CRF (60)，σ s = 0. 06, oc =0. 02 ；图5是模拟的CXD噪声曲线及从barbara噪声图像中估计出来的样本点，其中圈表示估计出来的样本点，点构成的是模拟的CCD噪声曲线；图6是利用估计出来的样本点和压缩感知技术重构出来的噪声曲线，其中圈表示估计出来的样本点，点构成的是模拟的CCD噪声曲线，线表示的是重构出来的噪声曲线；图7是测试图goldhill的原始图像效果图；图8是加上CCD噪声之后的图像效果图，其中f(·) = CRF(180), σ s = 0. 04, σ c =0. 03 ；图9是模拟的CXD噪声曲线及从goldhill噪声图像中估计出来的样本点，其中圈表示估计出来的样本点，点构成的是模拟的CCD噪声曲线；图10是利用估计出来的样本点和压缩感知技术重构出来的噪声曲线，其中圈表示估计出来的样本点，点构成的是模拟的CCD噪声曲线，线表示的是重构出来的噪声曲线；
具体实施例方式下面结合实施例和附图对本发明的基于压缩感知的CCD噪声估计方法做出详细说明。本发明的基于压缩感知的CCD噪声估计方法，首先对CCD噪声图像的光滑区域进行块匹配，然后将这些相似块重叠在一起，形成了一个三维图像块，然后对其进行三维DCT 变换。在选取合适的去噪门限值，将小的变换系数抑制后，再进行反变换，就得到去噪之后图像块。我们从整幅图中，选取一定数量的图像块进行去噪，然后用原噪声图像减掉去噪的图像块，就得到对应图像块的噪声。再对这些图像块的噪声进行统计平均后，就可以较为准确的得到相应像素值的噪声水平。在重构NLF曲线时，首先对已构造的不同类型CXD的不同大小的NLF曲线进行主成分分析，得到这些曲线的特征向量，取其最主要的10个特征向量构成压缩感知的字典。然后把已估计出的噪声水平样本点当作压缩感知的采样点，利用正交匹配追踪 (orthogonal matching pursuit, 0MP)算法得到待估计曲线在此字典下的稀疏表示系数， 然后用字典和系数相乘得到整个图像的噪声水平函数曲线。本发明的基于压缩感知的CCD噪声估计方法，主要包括两个部分。首先，从单幅图像中准确估计出部分像素的噪声水平。这里本发明采用的是基于块的三维DCT变换进行去噪。由于本发明只是对部分图像块做处理，为了提高去噪的准确性，选择尽量光滑的区域来去噪。同时，为了更好地恢复出噪声水平曲线，也要使得到的样本点尽量在该幅图的整个像素空间上均勻分布。这样，即使得到的样本点比较少，但只要是样本比较准确，并且分布均勻，就是非常好的样本估计。同时，计算的复杂度也因为样本点比较少而大幅降低。然后， 根据现实世界中CCD具体情况，模拟出各种不同型号的CCD在不同情况下的噪声水平曲线， 利用主成分分析的方法得到这些曲线的特征向量，选取其中的10个向量作为字典。然后根
5据已有的样本点利用OMP算法得到待求曲线在此字典下的稀疏表示的系数，最后用系数和字典相乘，我们就可以准确的重建出一条特定的噪声曲线。本发明的基于压缩感知的CCD噪声估计方法，具体包括两个阶段1)单张图像CXD噪声样本点估计阶段，具有如下3个步骤(1)搜索合适的图像块在进行块搜索时候，不必对图像中的每一个块都进行匹配搜索，因为那样极大地增加了计算的复杂度。这里我们采用的块搜索步长Ns = 3，即每隔三行三列取一个图像块， 块的大小取N = 8。实验证明，这样可以不影响实验效果情况下，降低算法的复杂度。每取一个图像块，需要计算其期望(公式1)和方差(公式2)，其中期望反映的是该图像块的像素水平，而方差则表示的是图像块的光滑的程度。公式中的M表示图像块内像素个数。
权利要求
1.一种基于压缩感知的CCD噪声估计方法，其特征在于包括如下阶段1)单张图像CCD噪声样本点估计阶段，即从单幅图像中准确估计出部分像素的噪声水平，采用的是基于块的三维DCT变换进行去噪，包括如下步骤(1)搜索合适的图像块；(2)对图像块进行去噪；(3)估计样本点的噪声水平；2)基于压缩感知的噪声水平曲线重构阶段，即模拟出各种不同型号的CCD在不同情况下的噪声水平曲线，利用主成分分析的方法得到所述曲线的特征向量，选取其中的10个向量作为字典，将现有的样本点作为对代求曲线的采样值，由此构造出采样矩阵，然后根据采样值、采样矩阵以及字典，利用OMP算法得到待求曲线在所述字典下的稀疏表示的系数，最后用系数和字典中的向量相乘，就准确的重建出一条特定的噪声曲线。
2.根据权利要求1所述的基于压缩感知的CCD噪声估计方法，其特征在于，所述的搜索合适的图像块，是采用块搜索步长Ns = 3，即每隔三行三列取一个图像块，块的大小取N = 8，每取一个图像块，计算该图像块的期望值和方差值，并设定门限值，只对方差值小于门限值的图像块进行块搜索，并根据图像块的均值来控制块的选取，对于每一个选中的图像块， 在搜索半径队=7的范围内，计算所有8x8图像块与参考块的距离，然后，取与参考块距离最小的Nt = 8个块作为相似块，重叠在一起形成一个8x8x8的三维图像块，这样就完成了一个图像块的搜索。
3.根据权利要求2所述的基于压缩感知的CCD噪声估计方法，其特征在于，所述的期望反映的是该图像块的像素水平，而方差则表示的是该图像块的光滑的程度。
4.根据权利要求1所述的基于压缩感知的CCD噪声估计方法，其特征在于，所述的对图像块进行去噪是，对搜索合适的图像块步骤中得到的一个三维图像块做三维DCT变换，即沿着三维图像块的各个维度分别做一维DCT变换得到DCT变换矩阵，并设定门限值，滤除矩阵中的高频分量，再对滤除高频分量的DCT变换矩阵做反DCT变换，得到该图像块的估计。
5.根据权利要求1所述的基于压缩感知的CCD噪声估计方法，其特征在于，所述的估计样本点的噪声水平是，用噪声图像减去估计图像就得到了这些图像块对应的噪声，对这些图像噪声进行统计和平均，以得到准确的样本值，具体是先去噪图像做直方图统计，设定门限值，当一个像素的统计值超过设置的门限值时，就将该像素对应的所有噪声进行平均，就得到了该像素对应的噪声水平。
全文摘要
一种基于压缩感知的CCD噪声估计方法单张图像CCD噪声样本点估计阶段，即从单幅图像中准确估计出部分像素的噪声水平，采用的是基于块的三维DCT变换进行去噪，包括如下步骤搜索合适的图像块；对图像块进行去噪；估计样本点的噪声水平；基于压缩感知的噪声水平曲线重构阶段。本发明只需要准确的估计部分光滑区域的噪声水平，然后利用压缩感知技术估计出整幅图像的噪声水平函数。可以较为准确地从单幅图像中估计出，由CCD器件产生的严重依赖于信号强度的非均匀噪声，得到一条噪声水平曲线。在提高了噪声水平函数准确度的同时，计算的复杂程度也大幅度降低。所得到的噪声水平曲线在图像去噪、运动估计、边缘检测等多种计算机视觉问题中获得应用。
文档编号G06T5/00GK102436646SQ20111034978
公开日2012年5月2日 申请日期2011年11月7日 优先权日2011年11月7日
发明者侯春萍, 吴兆阳, 岳焕景, 杨敬钰 申请人:天津大学