基于广义高斯最大似然估计的表面波变换视频去噪方法

摘要

本发明公开了一种基于广义高斯最大似然估计的表面波变换视频去噪方法，主要改善图像边缘模糊和噪声去除不充分的问题。其实现过程是：(1)输入含噪视频系数，并对其进行表面波变换；(2)计算变换后各层各方向子带系数的噪声方差；(3)利用噪声方差对系数进行预处理；(4)对系数采用广义高斯分布建模，计算其形状因子υ；(5)利用预处理系数和形状因子，使用最大似然准则计算系数的信号标准差σx；(6)对含噪系数进行收缩处理；(7)对处理后的系数进行表面波逆变换,得到去噪后的视频图像。本发明与现有的技术相比显著提高了去噪效果，显著提高了视频图像中噪声的抑制能力，同时能够更好的保留视频图像的细节信息和运动物体的平滑效果。

主权项

1.一种基于广义高斯最大似然估计的表面波变换视频去噪方法，包含以下步骤：(1)输入含有噪声的视频系数，对视频系数进行表面波变换，将视频系数分解为4层，每层对应的方向数分别为192、192、48、12；(2)对表面波变换后的系数，按以下公式计算最精细层到最粗糙层的各子带系数的噪声方差：${\sigma }_{l,m}^2={\sigma }_{1,m}^2·e^{{1-l}^{1.2}},$其中，为第l层第m方向子带系数的噪声方差，l∈{1,2,3,4}，第1层和第2层子带中：m∈{1,2,…,192}，第3层子带中：m∈{1,2,…,48}，第4层子带中：m∈{1,2,…,12}；σ_1,m=median(|ω_1,m(i，j，k)|)/0.6745为第一层第m方向子带的噪声标准差，ω_1,m(i，j，k)为第一层第m方向子带中位置(i，j，k)对应的系数；(3)根据步骤(2)得到的噪声方差对各层各方向子带进行预处理：$M_{l,m}(i,j,k)=\left\{\begin{array}{cc}{\omega }_{l,m}(i,j,k),& \mathrm{if}\left|{\omega }_{l,m}(i,j,k)\right|\ge {3\sigma }_{l,m}\\ 0,& \mathrm{else}\end{array}\right.,$其中M_l，m(i，j，k)为预处理后的系数，ω_l，m(i，j，k)为第l层第m方向子带中位置(i，j，k)对应的系数，第l层第m方向子带系数的噪声标准差；(4)对各层各方向子带系数采用广义高斯分布建模，根据模型计算广义高斯分布的形状因子υ：首先，将分别代入gamma函数Γ()中，得到关于υ的三个表达式，分别为$\Gamma \left(\frac{1}{\upsilon }\right),$$\Gamma \left(\frac{5}{\upsilon }\right),$$\Gamma \left(\frac{3}{\upsilon }\right),$其次，根据表达式构造函数并令$f\left(\upsilon \right)=\frac{{\sigma }_y^4{K}_w-{6\sigma }_{l,m}^2{\sigma }_y^2+{3\sigma }_{l,m}^4}{{({\sigma }_y^2-{\sigma }_{l,m}^2)}^2},$最后，通过方程$\frac{\Gamma (1/\upsilon )\Gamma (5/\upsilon )}{{\Gamma }^2(3/\upsilon )}=\frac{{\sigma }_y^4{K}_w-{6\sigma }_{l,m}^2{\sigma }_y^2+{3\sigma }_{l,m}^4}{{({\sigma }_y^2-{\sigma }_{l,m}^2)}^2}$求出形状因子υ，其中，σ_y为含噪系数的标准差，K_w为含噪系数的峰值；(5)根据步骤(3)得到的预处理系数M_l，m(i，j，k)和步骤(4)得到的形状因子υ，使用最大似然准则，计算各层各子带系数的信号标准差σ_x：σ_x=SE，其中，S是比例因子，E是中间变量，N是以预处理系数M_l，m(i，j，k)为中心的5×5×5的正方体窗口，(o₁,p₁,q₁)为正方体窗口N中系数对应的坐标，|N′_l，m(i，j，k)|表示正方体窗口N中系数的个数；(6)根据步骤(5)得到的信号标准差σ_x，对各层各子带系数进行收缩，得到收缩处理后的视频系数${\hat{X}}_{l,m}(i,j,k)=\frac{{\sigma }_x^2}{{\sigma }_x^2+{\sigma }_{l,m}^2}·{\omega }_{l,m}(i,j,k);$(7)对处理后的视频系数进行表面波逆变换，得到去噪后的视频图像。