基于空间自适应高斯混合模型的表面波变换视频去噪方法

摘要

本发明公开了一种基于空间自适应高斯混合模型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)计算表面波变换后的各层各方向子带系数的噪声方差；(3)计算各层各方向子带系数的空间自适应阈值；(4)利用阈值计算各层各方向子带系数对应的掩膜值；(5)利用掩膜值计算各层各方向子带系数的高斯混合模型参数；(6)利用模型参数对系数进行收缩处理；(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

1.一种基于空间自适应高斯混合模型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)利用步骤(2)得到的噪声方差计算各层各方向子带系数对应的空间自适应阈值：$T_{l,m}(i,j,k)=\frac{{\sigma }_{l,m}^2}{{\delta }_{l,m}(i,j,k)},$其中，T_l，m(i，j，k)为第l层第m方向子带系数对应的空间自适应阈值；${\eta }_{l,m}^2(i,j,k)=\frac{1}{\left|N_{l,m}(i,j,k)\right|}\underset{(o,p,q)\in N_{l,m}(i,j,k)}{\Sigma }{\omega }_{l,m}^2(o,p,q),$表示含噪系数ω_l，m(i，j，k)的方差，N_l，m(i，j，k)是以含噪系数ω_l，m(i，j，k)为中心的5×5×5的邻域窗口，(o，p，q)为邻域窗口N_l，m(i，j，k)中系数对应的坐标，|N_l，m(i，j，k)|为邻域窗口中系数的总个数；是含噪系数ω_l，m(i，j，k)的信号标准差；(4)利用步骤(3)得到的空间自适应阈值，计算各层各方向子带系数对应的掩膜值M_l，m(i，j，k)：$M_{l,m}(i,j,k)=\begin{array}{}\end{array}\left\{\begin{array}{cc}1,& \mathrm{if}\left|{\omega }_{l,m}(i,j,k)\right|\ge T_{l,m}(i,j,k)\\ 0,& \mathrm{else}\end{array}\right.;$(5)利用步骤(4)得到的子带二值掩膜，计算高斯混合模型的参数P₁、${\sigma }_1^2=\max [(\frac{1}{\left|N_1(i,j,k)\right|}\times \underset{o_1,p_1,q_1\in N_1(i,j,k)}{\Sigma }{\omega }_{l,m}^2(o_1,p_1,q_1))-{\sigma }_{l,m}^2,0],$为第l层第m方向子带邻域窗口中掩膜值为1的系数的方差，其中，N₁(i，j，k)为第l层第m方向子带邻域窗口中掩膜值为1的系数所组成的集合，|N₁(i，j，k)|＝sum(M_l，m(i，j，k))表示第l层第m方向子带邻域窗口中掩膜值为1的系数个数，(o₁，p₁，q₁)为集合N₁(i，j，k)中系数对应的位置；为第l层第m方向子带邻域窗口中掩膜值为1的系数所占的比例，|N(i，j，k)|表示第l层第m方向子带邻域窗口中系数的总个数；${\sigma }_0^2=\max [(\frac{1}{\left|N_0(i,j,k)\right|}\times \underset{o_2,p_2,q_2\in N_0(i,j,k)}{\Sigma }{\omega }_{l,m}^2(o_2,p_2,q_2))-{\sigma }_{l,m}^2,0],$为第l层第m方向子带邻域窗口中掩膜值为0的系数方差，其中，N₀(i，j，k)为第l层第m方向子带邻域窗口中掩膜值为0的系数所组成的集合，(o₂，p₂，q₂)为集合N₀(i，j，k)中系数对应的位置，|N₀(i，j，k)|＝|N(i，j，k)|-|N₁(i，j，k)|表示第l层第m方向子带邻域窗口中掩膜值为0的系数的个数；(6)利用步骤(5)得到的高斯混合模型参数对各层各方向子带系数进行收缩处理：${\hat{X}}_{l,m}(i,j,k)={\omega }_{l,m}(i,j,k)\times [(1-P_1)\times \frac{{\sigma }_0^2}{{\sigma }_0^2+{\sigma }_{l,m}^2}+P_1\times \frac{{\sigma }_1^2}{{\sigma }_1^2+{\sigma }_{l,m}^2}],$其中，为收缩处理后的视频系数；(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。