專利名稱：基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，主要涉及視頻圖像去噪，具體是一種基于Surfacelet 變換的系數(shù)自適應(yīng)收縮視頻去噪方法，可用于視頻圖像去噪以及三維立體圖像去噪。
背景技術(shù)：
視頻序列不僅要關(guān)注每一幀圖像的視覺效果，還要關(guān)注整個序列的視覺感受。因此，對于視頻序列的噪聲去除提出了更高的要求。視頻序列去噪基本上是在空間域、時間域、變換域和色彩域等進行的。這些域的劃分并不是固定不變的，去噪的時候可以按照實際需要在不同域交叉和結(jié)合以取得更好的視覺效果。如今，變換域去噪是研究的熱點， 無論是在圖像去噪中或是視頻去噪中，常用的變換方式有i^ourier變換、Wavelet變換、 Contourlet變換、非下采樣Contourlet變換、Surfacelet變換等。變換域是將圖像進行變換，然后在變換域內(nèi)進行一定的處理，最后再進行逆變換得到處理后的圖像。Wavelet域和Fourier域類似，只是變換方法不同，Contourlet域和Wavelet域相比具有更好的多方向尺度特性。Contourlet變換是一種“真正”的圖像二維表示方法，提供了圖像表示一種靈活的、多分辨的、局部的和方向性的擴展。由于Contourlet變換采取了下采樣操作，缺乏平移不變性，且具有4/3的冗余度，會產(chǎn)生吉布斯現(xiàn)象，使得去噪后的圖像失真。Cimha等通過結(jié)合非下采樣的塔式分解和非下采樣的方向濾波器組(DFB)，實現(xiàn)了非下采樣 Contourlet 變換(Nonsubsampled Contourlet Transform, NSCT)。NSCT 繼承了 Contourlet的多尺度和多方向性，同時還具備平移不變特性，可以有效地消除吉布斯現(xiàn)象。 Fourier變換、Wavelet變換、Contourlet變換和非下采樣Contourlet變換都只能處理二維信號，為了處理三維信號甚至多維信號，Yue M. Lu和Mimh N. Do將DFB擴充到高維，從而構(gòu)成多維方向濾波器組(N-dimensional Directional Filter Banks，NDFB)，通過多尺度金字塔和NDFB的結(jié)合提出了 Surfacelet，Surfacelet變換(ST)的多尺度分解定義在頻域，它能有效地捕獲和表示光滑表面信號奇異性，具有多方向分解、高效率的樹狀結(jié)構(gòu)濾波器組、完全重構(gòu)和底冗余等性質(zhì)，非常適合視頻處理。閾值去噪方法是變換域中常用的一種比較好的去噪方法，可分為軟閾值去噪和硬閾值去噪。硬閾值方法可以較好地保留圖像邊緣等局部特征，但圖像會出現(xiàn)振鈴、偽吉布斯效應(yīng)等視覺失真；而軟閾值方法處理圖像視頻圖像則相對平滑，但是可以能會造成邊緣模糊等失真現(xiàn)象。閾值的選取是閾值去噪方法的關(guān)鍵，在變換域中常用的閾值方法有Donoho 等人提出的Visual shrinkage方法，Q.Pan等人提出的3 σ法，Μ. Vetterli和B. Yu提出的基于最小風險的BayesShrink方法，Lakhwinder Kaur等人提出的NormalShrink方法。上述的閾值方法并沒有考慮方向結(jié)構(gòu)信息和空間鄰域信息，因此在細節(jié)和背景信息豐富的視頻圖像去噪中并不能很好地保留圖像中的重要細節(jié)信息和邊緣，因此不能得到理想的去噪效果。在利用Surfacelet變換對視頻進行去噪的過程中，傳統(tǒng)的閾值方法并沒有考慮系數(shù)的空間鄰域相關(guān)性和子帶系數(shù)的方向結(jié)構(gòu)特點，因此去噪效果不理想，可能會導致視頻圖像中存在細節(jié)紋理和邊緣的模糊、閃爍等問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有方法的缺點，提出了一種基于Sufacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，有效地解決了傳統(tǒng)視頻去噪方法中存在的細節(jié)紋理和邊緣的模糊、閃爍等問題，在視覺效果上得到了顯著的改善本發(fā)明是一種基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，其特征在于包含以下步驟步驟1.輸入含噪視頻序列，并對其進行Surfacelet變換，分解層數(shù)為4層，每層對應(yīng)的方向數(shù)分別為192、192、48、12 ；步驟2.對Surfacelet變換域中的系數(shù)按如下公式計算最精細層到最粗糙層的各方向子帶的閾值Tu = 3· Sn-E1,,式中Ju為第1層k方向子帶中ST系數(shù)對應(yīng)的三維矩陣閾值；δ n為噪聲方差，可用中值估計公式進行計算；為高斯噪聲在ST域第1層k方向子帶中的概率分布特征；步驟3.利用步驟2中得到的閾值對各層各個方向子帶的ST系數(shù)進行分類得到相應(yīng)的掩模，計算公式如下
權(quán)利要求
1.一種基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，其特征在于包含以下步驟步驟1.輸入含噪視頻序列，并對其進行Surfacelet變換，分解層數(shù)為4層，每層對應(yīng)的方向數(shù)分別為192、192、48、12 ；步驟2.對Surfacelet變換域中的系數(shù)按如下公式計算最精細層到最粗糙層的各方向子帶的閾值
2.根據(jù)權(quán)利要求書1所述的基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，其特征在于步驟2中所述的概率分布特征的計算方法如下首先，生成一個與輸入視頻序列大小相同的正態(tài)分布隨機矩陣，然后經(jīng)過第i次Surfacelet變換得到第1層k方向子帶系數(shù)F最后根據(jù)公式=1_|云“計算出噪聲ι,k ‘η ι=ι ’分布概率特征，η為迭代次數(shù)。
3.根據(jù)權(quán)利要求書1或2所述的基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，其特征在于步驟5中所述的先驗比的計算方法如下首先，計算ST系數(shù)空間相關(guān)性的度量變量& = Σ (2^ — 0’式中Xs為空間位置為s的sed(l)ST系數(shù)對應(yīng)的掩模d e d{l)，d(0為S的3*3*3空間鄰域；然后，若、=-26，則用公式 sexp^^hexp廣Σ (2L ―1) 計算先驗I L^ew _比，式中，Y為控制系數(shù)空間相關(guān)性的參數(shù)，Y >0，&為空間位置為s的子帶中ST 系數(shù)對應(yīng)的掩模，J e θ( )，5(0為s的3*3*3空間鄰域結(jié)構(gòu)；否則、Φ -26，則用公式 4十算先驗比，式中，、為控制系數(shù)空間相關(guān)性的參Y > 0，Xs為空間位置為s的ST系數(shù)對應(yīng)的掩模Je a,(/)，i e {1,2,3, ...，8，9}，&.(/)為選取的9種空間鄰域結(jié)構(gòu)。
全文摘要
本發(fā)明公開了一種基于Surfacelet變換的系數(shù)自適應(yīng)收縮視頻去噪方法，以改善視頻圖像邊緣模糊和噪聲去除不充分等現(xiàn)象，提高視頻去噪效果，主要用于視頻圖像的去噪和三維立體圖像的去噪。其實現(xiàn)過程是(1)輸入含噪視頻序列，并對其進行Surfacelet變換(ST)；(2)對Surfacelet變換域中每一層各個方向子帶的ST系數(shù)計算閾值；(3)對各方向子帶中ST系數(shù)進行分類得到相應(yīng)的掩模；(4)計算各方向子帶中ST系數(shù)的能量比和先驗比，然后計算ST系數(shù)的收縮因子；(5)對ST系數(shù)進行收縮處理；(6)對收縮后的ST系數(shù)進行逆Surfacelet變換，得到去噪后的視頻序列。本發(fā)明與現(xiàn)有的技術(shù)相比，明顯地提高了對含噪視頻中噪聲的抑制能力，同時也能夠很好地保留視頻圖像的紋理細節(jié)和邊緣信息。
文檔編號H04N5/213GK102196155SQ20111008145
公開日2011年9月21日 申請日期2011年4月1日 優(yōu)先權(quán)日2011年4月1日
發(fā)明者于昕, 吳建設(shè), 張小華, 李 杰, 焦李成, 王爽, 田小林, 鐘樺 申請人:西安電子科技大學