一种快速的基于分块噪声能量估计的图像去噪方法
【技术领域】
[0001] 本发明设及电子信号处理领域，特别设及一种快速的基于分块噪声能量估计的图 像去噪方法。
【背景技术】
[0002] 图像是人类获取信息最重要的方式，据统计人类获取信息的80%来源于图像。图 像或视频设备在成像过程中会产生多种噪声，使得图像会或多或少带有噪声。WCCD像机 成像过程为例，光子对图像传感器进行感光，进行光电转换，通过一系列的处理最后形成像 素比特值，在运个过程中存在的主要噪声源有：BayerPattern插值噪声（fixedpaterrn noise)、暗噪声(darkcurrentnoise)、瞬击噪声(shotnoise)、放大噪声(amplifier noise)和截断噪声（quantizationnoise)。运些噪声的存在会使得图像质量降低，并会使 得后续对图像进行处理和分析带来影响。图像去噪能够提高图像质量，也是进一步进行图 像处理和分析的基础。图像去噪是许多图像处理和计算机视觉算法获得有效效果的前提， 是图像处理领域重要的传统问题之一。
[000引 目前图像去噪的方法有很多。一般的，图像去噪的目的有两个，一是保持图像中蕴 含信息丰富的边缘；二是去除信息稀少的主要由图像噪声覆盖的图像内容；在众多的图像 去噪方法中，有一类方法是基于频域阔值方法，它的基本思想是，在频率域中，图像噪声会 对频域系数值产生影响，尤其会使得许多高频分量系数值不再为0而是随着噪声的增大而 增大。为了去除图像噪声，就需要寻找到合适的阔值，对低于运个阔值的系数认为其值都是 由噪声引起的，进而设置其值为0,对新得到的频域图像向空间域变换，从而得到去噪后的 图像。运类方法的典型例子有基于小波变换的方法，其阔值选择为
，其中 S。为估计的噪声水平，Np为信号长度（对于二维图像矩阵，Np为像素的个数）；还有采用贝 叶斯估计的方法对阔值进行估计，其取值
，其中是为原始信号的方差。除了小波变 换的方法之外，也有多种基于离散余弦变换值CT)的阔值去噪方法。
【发明内容】
[0004] 本发明的目的是提出一种基于阔值估计的DCT框架内的去噪方法，其具有的效果 是能够快速估计合适的DCT阔值，基于估计的阔值能有效去除图像噪声。
[0005] 本发明的技术方案是：一种快速的基于分块噪声能量估计的图像去噪方法，包括 W下步骤：
[0006] (1)将待估计噪声的目标图像进行噪声水平估计；具体过程为，
[0007] (11)将待估计噪声的目标图像划分为MXN个8X8图像块，Μ表示图像每行划分 的块数，Ν表示每列划分的块数，Μ，Ν为整数，并将每个8X8图像块进行DCT变换，每个8X8 图像块经DCT变换后得到一个包含64个DCT系数的8X8DCT系数二维矩阵；此矩阵的矩 阵元素位置也1)对应的是第k行、第1列位置，其对应的元素值，即DCT系数值，标记为F&，1)，k= 0, 1，…，7 ;1 =0，1，...，7:
[000引测量每个局部8X8图像块的边缘度θι，对每个8X8DCT系数矩阵进行W下 计算：
[0009]
[0010] 其中i表示按由左至右、由上往下排列的第i个8X8图像块；从而得到包含MXΝ 个边缘度元素值的集合S=拉Ii= 1，2,…，MXN};
[0011] (1扣对所获得的边缘度元素值的集合S=K|i= 1，2,…，MXN}中的元素 值按照从小到大的顺序排序，选出其中占集合元素个数10%的最小元素值，即选出元 素集合二?('·,?/e;1，2，···.>/XΛ''}，./二1，2.…，._/}，其中i指表示按由左至右、由上往下排 列的任意第i个8X8图像块，j表示按从小到大排列后ei对应的新的序列号，且满足 / <./= |_10%χΜχW」，[x]表示取小于或等于X的最大整数；选出元素集合中的每一个边 缘度值曰1对应一个8X8图像块，由此选出边缘度最小的块集合B，此块集合对应的图像块 是j= 1, 2,…，J;
[0012] (14)从块集合B中找到最小边缘度的L个块作为参考块，对每一个参考块找到其 对应的相似块，从而得到L个相似块组；对每一个参考块，其相似块均在集合B中寻找；假 定某参考块为i。，按W下规则判定块ib为其相似块：
[0013]
[0014] 其中τ1和τ2为定义的常量阔值，e。、eb分别参考块为i。、判定块ib对应的边缘 度；U。、Ub分别为参考块为i。、判定块ib对应的平均像素值；
[0015](15)第S个相似块组中的第r个8X8图像块，其中S= 1，…，L，r表示该相似块 组中的任意一个图像块，进行W下计算：
[0016] L"=median(C") ;Lrd=median(Crd) ;Lrh=median(Crh);
[0017] 其中Crh={F化，U|k= 2,3 ;1 = 6,7 ;}，C"={F化，U|k= 6,7 ;1 = 2,3 ;}，
[001引 Cfd= {F(k,D|k= 6, 7 ;1 = 6, 7 ;}，median似表示对集合C进行中值滤波；然 后对获得的数据集合{Cfh，C"，CfdIr= 1，2,…，1表示第S个相似块组中图像块总数； 进行W下求解：
[001 引Qs=median({Crh，C…cjr= 1，2,…，Js});
[0020] 对s分别取值为1，…，L，得到元素个数为L个的Q值集合化Is= 1，…，U;
[0021] (16)计算噪声的粗糖估计值矿：
[0022] Q*=median({Q」S= 1,…，U);
[0023] (17)对所有8X8图像块进行W下操作并计算图像结构修正因子η;对第i个 8X8图像块i= 1，2,…，MXN，选出系数绝对值|F(1，1)I;对所有选出的系数|F(1，1)I集 合按相应块的位置放置组合得到大小为ΜXN的边缘结构图；对此边缘结构图，统计满足W下条件的元素个数：
[0024] a > athr
[00巧]其中a为边缘结构图的任意元素值，athf为指定的阔值；假设满足上述的元素个数 为P个，则结构修正因子η计算为：
[0026]
[0027] (18)对获得矿值进行修正，得到修正值Q' :Q' =Q7n;
[0028] (19)进行噪声水平方差估计δ。：
[0029]δη=αXQ' V丫
[0030]其中α，β，丫为进行非线性映射的参数。
[003。似对每一个8X8DCT块的64个系数Cl, C2, C3,…，Cm的绝对值按从小到大排序， 得到集合W:
[0032] W = {|ci|, Iczl, Icsl,…，IceJ}
[003引其中|ci|《Iczl《Icsl…《|cs4
[0034]做计算能量值
I其中κ为常量系数，求解出满足
的最小m值；
[003引（4)设置阔值Ct=|cml，对于对应的8X8DCT块的系数按W下规则计算得到新的 DCT系数，
[0036]
[0037] 其中sign(X)表示X的符号，即按W下取值：
[0038]
[0039] 从而得到一个新的8 X 8DCT块；
[0040] (5)对得到的新的8X8DCT块进行DCT反变换，得到对应空间域的8X8像素块；
[00川 （6)对每一个8X8图像块进行所述步骤似-妨操作后，所有步骤妨中像素块 组成新的图像，即完成对图像的去噪处理；
[0042] 进一步地，在所述步骤（11)之后，所述步骤（12)之前，进行去除过曝的图像块处 理，具体过程是：
[0043] 计算平均像素值U:
[0044]
[0045] 定义平均像素值不在（16,235)之间的图像块为过曝图像块；若被检测为过曝的 图像块，则将该图像块去除，即该图像块不参与后续步骤中的噪声估计计算。
[0046]进一步地，所述参数α，β，丫的取值为α= 1. 015，β= 1. 148，丫 = 0. 932。
[0047] 进一步地，所述步骤（3)中K按W下方法取值：
[0048] K=Φexp(-ejP)
[0049] 其中Φ= 8. 0,P= 2. 5, 为对应第i图像块的边缘度。
[0050] 本发明的图像去噪方法适应于基于DCT编码的图像或视频数据的实时噪声去除， 具有计算量小，噪声去除能力强的特点。
【附图说明】
[0051] 图1本发明去噪方法流程图；
[0052] 图2为噪声水平估计流程图；
[0053] 图3为对目标图像进行块划分示意图；
[0054] 图4为8*8DCT块系数矩阵示意图；
[00巧]图5为进行边缘度计算结果示意图；
[0056] 图6为进行边缘结构图提取结果示意图；
[0057] 图7给出了用本发明的去噪方法去噪效果对比图。
【具体实施方式】
[0058]W下结合附图对本发明的具体实施例进行详细描述，但不构成对本发明的限制。
[0059] 如图1所示，为本发明的去噪方法流程图。
[0060] 一种快速的基于分块噪声能量估计的图像去噪方法，包括W下步骤：
[0061] (1)将待估计噪声的目标图像进行噪声水平估计；如图2所示，为噪声水平估计流 程图，具体过程为，
[006引 （11)将待估计噪声的目标图像划分为MXN个8X8图像块，如图3所示，Μ表示 图像每行划分的块数，Ν表示每列划分的块数，Μ，Ν为整数，原始图像宽度和高度分别为W、Η;并将每个8X8图像块进行DCT变换，每个8X8图像块经DCT变换后得到一个包含64个 DCT系数的8X8DCT系数二维矩阵；此矩阵的矩阵元素位置也U对应的是第k行、第1列 位置，其对应的元素值，即DCT系数值，标记为F化，1)，k= 0, 1，…，7 ;1 = 0, 1，…，7 ;如图 4所示，为8X8DCT系数矩阵示意图，图中用Fw，Fm，…，町,，表示与F(k，U-一对应；
[006引测量每个局部8X8图像块的边缘度θι，对每个8X8DCT系数矩阵进行W下 计算：
[0064]
[006引其中i表示按由左至右、由上往下排列的第i个8X8图像块；从而得到包含MXΝ个边缘度元素值的集合S= {θι|?= 1，2，···，ΜΧΝ};如图5所示，为实施例过程中，为进行 边缘度计算结果示意图，其中图（a)为原图，图化）为结果图；
[0066] (13)对所获得的边缘度元素值的集合S=K|i= 1，2,…，MXN}中的元素 值按照从小到大的顺序排序，选出其中占集合元素个数10%的最小元素值，即选出元 素集合^二!(.;,?/居リ.2，…，MxΛ'';.，./二