基于邻域阈值分类的表面波变换视频去噪方法

摘要

本发明公开了一种基于邻域阈值分类的表面波变化视频去噪方法，主要改善图像边缘模糊和噪声去除不充分的现象。其实现过程是：(1)输入含有噪声的视频系数，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阈值；(4)利用阈值和邻域能量对各层各方向子带系数分类；(5)计算分类后各层各方向子带系数的信号方差；(6)利用分类后各层各方向子带系数的信号方差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

1.一种基于邻域阈值分类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各方向子带的噪声方差：${\sigma }_{l,m}^2={\sigma }_{1,m}^2·e^{1-l^{1.2}},$其中，为第l层第m方向子带的噪声方差，l表示第l层，l∈{1，2，3，4}，m表示第m方向子带，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为第一层第m方向子带的噪声标准差，该噪声标准差的值通过中值估计法估计；(3)计算各层各方向子带的阈值：$T_{l,m}=r·\frac{{\sigma }_{l,m}^2}{{\delta }_{l,m}},$其中，T_l，m为第l层第m方向子带的阈值，为第l层第m方向子带的信号标准差，var(w_l，m)为第l层第m方向子带的能量和，r为调节参数，取$r=\sqrt{2};$(4)利用步骤(3)中得到的阈值对表面波变换后的各层各方向子带系数进行分类：$y_{l,m}(i,j,k)=\left\{\begin{array}{cc}0,& \mathrm{if}{S}_{l,m}(i,j,k){<T}_{l,m}^2\\ w_{l,m}(i,j,k)& \mathrm{else}\end{array}\right.$其中，y_l，m(i，j，k)为分类处理后的系数，w_l，m(i，j，k)表示第l层第m方向子带中(i，j，k)对应的系数，是邻域窗口能量，N_l，m(i，j，k)是以含噪视频系数w_l，m(i，j，k)为中心的5×5×5的邻域窗口，(o，p，q)为邻域窗口中系数对应的坐标；(5)计算分类后各层各方向子带系数的信号方差：${\eta }_{l,m}^2(i,j,k)=\max ((\frac{1}{\left|N_{l,m}^{\prime }(i,j,k)\right|}\times \underset{(o_1,p_1,q_1)\in N_{l,m}^{\prime }(i,j,k)}{\Sigma }{y}_{l,m}^2(i,j,k))-{\sigma }_{l,m}^2,0)$其中，为第l层第m方向子带中分类处理系数的信号方差，N′_l，m(i，j，k)是以分类处理后的系数y_l，m(i，j，k)为中心的5×5×5的正方体窗口，(o₁，p₁，q₁)为正方体窗口中系数对应的坐标，|N′_l，m(i，j，k)|表示正方体窗口中系数的个数；(6)利用步骤(5)得到的信号方差对分类后各层各方向子带系数进行收缩处理：${\hat{X}}_{l,m}(i,j,k)=y_{l,m}(i,j,k)\times \frac{{\eta }_{l,m}^2(i,j,k)}{{\eta }_{l,m}^2(i,j,k)+{\sigma }_{l,m}^2}$其中，为收缩后的视频系数；(7)对收缩处理后的系数进行表面波逆变换，得到去噪后的视频图像。