基于Treelet的Bayer型CFA图像去噪方法

摘要

本发明公开了一种基于Treelet的Bayer型CFA图像去噪方法，主要解决现有去噪方法直接应用于CFA图像去噪易出现的噪声大量残余的问题。其实现步骤是：对输入的含噪CFA图像提取高频信息；对高频图像分块处理，逐个对每个图像块提取训练数据，并将训练数据投影到Treelet基矩阵中；通过对投影系数进行收缩，并通过逆投影获得去噪后的高频图像块；拼接所有去噪后的高频图像块，并加上输入CFA图像的低频信息得到去噪后的CFA图像。本发明能直接对CFA图像进行自适应去噪，同时能在很好地保持图像细节的情况下，减少去噪后图像中的噪声残余，可用于对单CCD或CMOS传感器相机捕获的CFA图像的降噪处理。

主权项

1.一种基于Treelet的Bayer型CFA图像去噪方法，包括如下步骤：(1)输入一幅待去噪的Bayer型CFA图像；(2)提取CFA图像的高频信息：2a)对输入的CFA图像进行二维高斯低通滤波，得到其低频图像；2b)将输入CFA图像与其低频图像作差，得到输入CFA图像的高频图像；(3)对输入CFA图像的高频图像逐像素取6×6像素大小的图像块；(4)对提取的一个6×6像素大小的图像块进行Treelet去噪：4a)以当前待去噪的6×6像素大小的图像块的中心为中心，在高频图像中取一个大小为34×34像素大小的窗口作为训练窗；4b)在训练窗中，以第1行第1列的像素作为将要选取图像块的左上角顶点像素，取一个大小为6×6像素的图像块，然后分别沿水平方向和垂直方向每隔一个像素取一个大小为6×6像素的图像块，得到15×15总共225个图像块，构成了一个训练图像块集合C；4c)从训练图像块集合C中选取与当前待去噪图像块均方误差最小的40个图像块，并拉成36×1的列向量，构建成大小为36×40训练数据4d)利用雅克比旋转方法获取训练数据的Treelet基矩阵B_l；4e)将训练数据投影到Treelet基矩阵B_l中，得到训练数据的Treelet投影系数4f)利用线性最小均方误差估计方法对投影系数进行收缩得到收缩后的系数4g)将收缩后的系数投影到Treelet基矩阵B_l的逆矩阵中，得到去噪后的数据完成当前待去噪图像块的去噪；(5)重复执行步骤(4)完成对每个图像块的去噪，将所有去噪后的图像块按原来在高频图像中位置拼接起来，组成CFA图像去噪后的高频图像；(6)将CFA图像去噪后的高频图像与步骤2a)中得到的低频图像相加，得到去噪后的CFA图像，并输出。