一种基于多元统计模型的分形小波自适应图像去噪方法
【技术领域】
[0001] 本发明涉及视频处理技术领域，具体地，涉及一种基于多元统计模型的分形小波 自适应图像去噪方法。
【背景技术】
[0002] 足球比赛视频中的行为识别是人工智能的前沿研宄方向，该方面的研宄具有重大 的经济意义和社会价值。
[0003] 足球比赛视频中的多运动员行为识别的研宄现状及存在的问题
[0004] 足球比赛视频中的多运动员行为识别涉及特征提取、目标跟踪与检测、行为表示、 分类器的构建及行为识别等具体研宄内容。
[0005] 目标跟踪与检测技术的研宄
[0006] 足球比赛视频中的多运动员行为识别过程中的目标跟踪与检测主要是对运动员 及球的跟踪与检测，属于多目标跟踪与检测范畴。
[0007] 1. 2. 1. 1多运动员跟踪与检测技术的研宄
[0008] 过去20多年，多目标跟踪与检测问题得到了广泛研宄，提出了许多目标检测与跟 踪算法，但是对学习和识别框架中的整个球队的行为模式的跟踪与检测方面的研宄很少。 这些算法可以概括为四大类：①基于特征的；②基于模型的；③基于运动的；④基于数据关 联的算法。表1. 1总结了从2000年1月到2011年12月为止的一些重要期刊和会议上发 表的有关行为跟踪和识别使用特征统计。
[0009] 表1. 1人体行为识别使用特征统计分析（％ )
[0010]
【主权项】
1. 一种基于多元统计模型的分形小波自适应图像去噪方法，其特征在于，包括： a、 通过选用扩展的GGD模型MGGD模型建立的多元统计模型，利用分形小波变换，完成 图像去噪； b、 通过最小化残差&得到最接近仍(幻的朽(幻及自适应调整参数《和后； c、 通过使用四叉树分割，实现对噪声图像自适应地预测分形小波无噪图像编码，达到 去噪目的。
2. 根据权利要求1所述的基于多元统计模型的分形小波自适应图像去噪方法，其特征 在于，所述步骤a，具体包括： ⑴多元统计模型的贝叶斯估计，设14为不带噪声自然图像，IB为带噪声图像，它们之间 的关系用式（2-14)来表示： IB=IA+〇C (2-14) 其中，C表示零均值高斯白噪声，C~N(0, 1) ; 〇 2表示噪声方差； ⑵对噪声图像、进行多分辨率分形小波分解后得到第j层第i个水平小波系数 垂直小波系数；^和对角小波系数由小波变换的线性关系，得出：
其中，<\ 4和<;分别表示图像IA的水平、垂直和对角小波系数；心和 分别表示噪声C的水平、垂直和对角小波系数。
3. 根据权利要求1或2所述的基于多元统计模型的分形小波自适应图像去噪方法，其 特征在于，所述步骤b，具体包括： ⑴设无是一个d维小波系数向量，7 = ;其中Xl是在图像去噪过程中必须 考虑的小波系数，（x2，…，xd)是在图像去噪过程中加予考虑的相关小波系数； 用单下标小波系数xk，yk，zk分别取代
和 (>，噪声图像和噪声对应的小波系数向量分别为和^则有：
⑵|的估计值的计算依赖于噪声图像、所对应的小波系数向量y'，利用最大后验概率MAP算子最大化概率/;(.7 |刃来估计i，通过（2-17)来计算：
式（2-17)中扒刃是一个已知常量；则在最小概率误差下，通过扒刃幻和户(幻估计i的最佳值。
4.根据权利要求3所述的基于多元统计模型的分形小波自适应图像去噪方法，其特征 在于，所述通过M刃幻和扒幻估计f的最佳值的操作，进一步包括： 首先，由于高斯噪声的每个向量是独立且相等分布的，乃满足多元高斯分布
>因此，lnp〇5|f)通过（2-18)来计算：
其次，为M.7)建立合适的统计模型，选用扩展的GGD模型的MGGD模型表示为：
其中，a和0为模型的球形参数；v是a、0和协方差矩阵
的归一化常数； 如果把式（2-17)中的In定义为未知函数/(幻，则由（2-17)和（2-18)得到：
其中，八幻为方括号内的部分；假设F(幻连续、可微，如果存在$满足
则最大化F(f)改由（2-21)来计算。
最后，利用（2-21)对（2-20)进行化简得到：
这样，假设U=〇,利用MGGD模型得出（2-22)的更明确的计算为：
由（2-22)和（2-23)得到：
通过定义a、0及协方差矩阵
为预设的特殊值或数值，求解（2-24);采用最小二 乘法来自适应求解参数a和]3。
5. 根据权利要求1或2所述的基于多元统计模型的分形小波自适应图像去噪方法，其 特征在于，所述步骤c，具体包括： Step1 :对含噪图像进行同态变换，通过同态变换，含乘性噪声的原图像IB转换为只含 加性噪声的图像IB' ； Step2 :先对含噪信号f(k)进行分形小波变换，选择合适的小波基和小波分解层数j， 得到相应的小波系数； Step3:选择MGGD多元统计模型自适应求解参数a和0 ;在对自然图像的小波系数 分布情况进行分析后，获得最适合的参数值a和0 ; Step4 :对分解得到的小波系数f和旁，利用分形小波编码方法对噪声图像进行无噪 预测编码； St印5 :利用！和|，进行小波重构，得到估计信号毛和亏'，即为去噪后的图像信号。
6. 根据权利要求5所述的基于多元统计模型的分形小波自适应图像去噪方法，其特征 在于，所述获得最适合的参数值a和0的操作，进一步包括： 选用20幅大小为512X512的测试图像进行样本系数提取； 在分析过程中，利用Daubechies20滤波器对图像集进行分形小波分解，寻找最接近 每个子带分析的MGGD多元统计模型； 考虑两个分布函数均方差，残差的L2范数用（2-25)式来定义：
利用Matlab的优化工具箱lsqcurvefit()函数来分析，通过最小化&得到最接近A(幻的ft(幻及其参数a、0 ; 定义对数残差的L2范数为：
【专利摘要】本发明公开了一种基于多元统计模型的分形小波自适应图像去噪方法，包括：通过选用扩展的GGD模型MGGD模型建立的多元统计模型，利用分形小波变换，完成图像去噪；通过最小化残差 得到最接近的及自适应调整参数和；通过使用四叉树分割，实现对噪声图像自适应地预测分形小波无噪图像编码，达到去噪目的。本发明所述基于多元统计模型的分形小波自适应图像去噪方法，可以克服现有技术中操作过程复杂、花费时间长和可靠性低等缺陷，以实现操作过程简单、花费时间短和可靠性高的优点。
【IPC分类】G06T5-00
【公开号】CN104778670
【申请号】CN201510185545
【发明人】王智文, 刘美珍, 罗功坤, 阳树洪, 欧阳浩, 蒋联源, 李春贵, 夏冬雪
【申请人】广西科技大学
【公开日】2015年7月15日
【申请日】2015年4月17日