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:<maths num="0001"><![CDATA[<math><mrow><msubsup><mi>σ</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mo>=</mo><msubsup><mi>σ</mi><mrow><mn>1</mn><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mo>·</mo><msup><mi>e</mi><mrow><mn>1</mn><mo>-</mo><msup><mi>l</mi><mn>1.2</mn></msup></mrow></msup><mo>,</mo></mrow></math>]]></maths>其中,<img file="FDA0000145748490000012.GIF" wi="73" he="59" />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<sub>1,m</sub>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:<maths num="0002"><![CDATA[<math><mrow><msub><mi>T</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mo>=</mo><mi>r</mi><mo>·</mo><mfrac><msubsup><mi>σ</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><msub><mi>δ</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub></mfrac><mo>,</mo></mrow></math>]]></maths>其中,T<sub>l,m</sub>为第l层第m方向子带的阈值,<img file="FDA0000145748490000014.GIF" wi="461" he="80" />为第l层第m方向子带的信号标准差,var(w<sub>l,m</sub>)为第l层第m方向子带的能量和,r为调节参数,取<maths num="0003"><![CDATA[<math><mrow><mi>r</mi><mo>=</mo><msqrt><mn>2</mn></msqrt><mo>;</mo></mrow></math>]]></maths>(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:<maths num="0004"><![CDATA[<math><mrow><msub><mi>y</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>if</mi><msub><mi>S</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><msubsup><mrow><mo><</mo><mi>T</mi></mrow><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup></mtd></mtr><mtr><mtd><msub><mi>w</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow></mtd><mtd><mi>else</mi></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>其中,y<sub>l,m</sub>(i,j,k)为分类处理后的系数,w<sub>l,m</sub>(i,j,k)表示第l层第m方向子带中(i,j,k)对应的系数,<img file="FDA0000145748490000017.GIF" wi="751" he="102" />是邻域窗口能量,N<sub>l,m</sub>(i,j,k)是以含噪视频系数w<sub>l,m</sub>(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:<maths num="0005"><![CDATA[<math><mrow><msubsup><mi>η</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mi>max</mi><mrow><mo>(</mo><mrow><mo>(</mo><mfrac><mn>1</mn><mrow><mo>|</mo><msubsup><mi>N</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>|</mo></mrow></mfrac><mo>×</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><msub><mi>o</mi><mn>1</mn></msub><mo>,</mo><msub><mi>p</mi><mn>1</mn></msub><mo>,</mo><msub><mi>q</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>∈</mo><msubsup><mi>N</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mo>′</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow></mrow></munder><msubsup><mi>y</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>-</mo><msubsup><mi>σ</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mo>,</mo><mn>0</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中,<img file="FDA0000145748490000022.GIF" wi="212" he="60" />为第l层第m方向子带中分类处理系数的信号方差,N′<sub>l,m</sub>(i,j,k)是以分类处理后的系数y<sub>l,m</sub>(i,j,k)为中心的5×5×5的正方体窗口,(o<sub>1</sub>,p<sub>1</sub>,q<sub>1</sub>)为正方体窗口中系数对应的坐标,|N′<sub>l,m</sub>(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:<maths num="0006"><![CDATA[<math><mrow><msub><mover><mi>X</mi><mo>^</mo></mover><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>y</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>×</mo><mfrac><mrow><msubsup><mi>η</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow></mrow><mrow><msubsup><mi>η</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><msubsup><mi>σ</mi><mrow><mi>l</mi><mo>,</mo><mi>m</mi></mrow><mn>2</mn></msubsup></mrow></mfrac></mrow></math>]]></maths>其中,<img file="FDA0000145748490000024.GIF" wi="224" he="78" />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。 |