CN103955921B - 基于人眼视觉特征和分块分析法的图像噪声估计方法 - Google Patents

Abstract

一种基于人眼视觉特征和分块分析法的图像噪声估计方法，包括：利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图；利用分水岭分割算法对初步处理图进行近似区域分割，得到若干分割图像区域块，获得区域分割图；对区域分割图中的各个分割区域进行无噪图像的近似重建，获得整幅图像的重建估计无噪图；根据原始带噪图和重建估计无噪图，获取强度‑噪声对的分布图，利用强度‑噪声对的分布图获得原始带噪图的噪声指标。通过结合人眼的视觉特征，将原始的观测图像进行分块分析并进行噪声评估，最终获取单一的综合评估指标值，其结果非常接近人眼视觉系统。

Description

基于人眼视觉特征和分块分析法的图像噪声估计方法

技术领域

本发明涉及图像处理技术，尤其涉及一种基于人眼视觉特征和分块分析法的图像噪声估计方法。

背景技术

随着人类社会向高度数字化方向的发展，数字图像、数字视频、数字电视的飞速发展和普及也将成为必然。在数字图像处理的各种技术中数字图像在获取、压缩、储存、传输和重建等过程中可能会受到各种各样的退化失真，尤其是噪声，将不可避免会导致图像降质的问题，如何更有效地评估图像噪声的问题也应运而生，并且成为图像处理的研究热点。

因为图像最终是给人观看的，所以最佳噪声评价方式是人眼的主观评价。但是，这种评价方法的自由度大，并且受观察者的自身素质、观测目的、观测环境和人的某一阶段的心理因素等的影响，其操作过于繁杂、耗时、相对昂贵；而且，主观无法给出一个相对准确的噪声估计数字，也就是说，人的视觉心理因素很难用准确的数学模型来表达，从而导致评价结果不够精确，且不便于图像系统的设计、工程应用中应用。在这种情况下，客观噪声评估方法应运而生，其目标就是要自动快速地得到图像噪声的量化指标。

目前广泛采用的噪声评估方法如局部方差、局部标准差等等，但一般的图像不可能是亮度均匀的场景，也就是说图像中含有许多内容，必须在图像中选择一块灰度分布比较均匀的小区域来估算整个图像的噪声方差。但是，这些算法对某些模糊或者图像内容敏感的图像难以处理，导致应用受限。

此外，大部分噪声评估方法在定义上来讲的确精确严格，简单易行，能较好确定图像之间的噪声水平差别，却一般都没有考虑图像观测者的视觉心理因素，而图像评价的主体——人在图像评价时往往起着很重要的作用，因而客观评价方法的评价结果很多时候无法与人眼主观评价的结果相吻合。

发明内容

本发明解决的问题是提供一种基于人眼视觉特征和分块分析法的图像噪声估计方法，利用所述方法获得的评价结果与人眼主观评价的结果较吻合。

为解决上述问题，本发明实施例提供了一种基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，包括：利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图；利用分水岭分割算法对初步处理图进行近似区域分割，得到若干分割图像区域块，获得区域分割图；对区域分割图中的各个分割区域进行无噪图像的近似重建，获得整幅图像的重建估计无噪图；根据原始带噪图和重建估计无噪图，获取强度-噪声对的分布图，利用强度-噪声对的分布图获得原始带噪图的噪声指标。

可选的，利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图的具体方法包括：J(x,y)＝I(x,y)*S(x,y)，I(x,y)为原始带噪图像，J(x,y)为初步处理图，S(x,y)为人眼对比敏感函数，其中u、v分别代表原始带噪图水平、竖直方向的空间频率分量。

可选的，获得区域分割图的具体步骤包括：利用分水岭分割算法对初步处理图的灰度进行分析，将初步处理图中灰度和像素值相似区域分为同一分块，得到若干大小相当、互不相交的分割图像区域块，形成区域分割图。

可选的，利用仿射重建法进行无噪图像的近似重建。

可选的，所述仿射重建法具体包括：为重建估计无噪图，M为仿射矩阵，且为区域分割图的不同分割图像区域块，C为对应的分割图像区域块的坐标变量。

可选的，获取强度-噪声对的分布图的方法包括：若原始带噪图中的图像区域块为对应的重建估计无噪图中的图像区域块为则为的均值，σ为的标准差，从而获得强度-噪声对将所有图像区域块的强度-噪声对在同一坐标系中画出，得到强度-噪声对的分布图。

可选的，利用强度-噪声对的分布图获得原始带噪图的噪声水平的方法包括：将分布图的横轴归一化，并将其等分为X个区间，区间内散点个数分布较多的权重较大，响应的散点分布数较少的区间权重较小，噪声水平累计评价数值定义为：其中min(σ_l)表示第x(l=1,2,3…X)个区间范围内噪声方差值的最小值，作为该区间内的噪声水平估计值，nl为第l个区间内的噪声散点个数，n_total为所有区间的噪声散点个数。

可选的，对于彩色图像，Noise值包含了三个值，分别是RGB三个通道的单一噪声指标，三个Noise的均值表征原始带噪图的噪声指标；对于灰度图像，Noise仅一个值表征原始带噪图的噪声指标。

与现有技术相比，本技术方案具有以下优点：

本发明方法结合人眼的视觉特征，将原始的观测图像进行分块分析并进行噪声评估，最终获取单一的综合评估指标值，其结果非常接近人眼视觉系统。在本发明方法中，只要输入观测噪声图像，即可得到符合人眼视觉特性的噪声评估值。本发明方法可应用于图像去噪、复原、压缩、储存、传输和重建等等多个图像处理场合，准确衡量与评估图像的噪声水平。

附图说明

图1是本发明实施例的基于人眼视觉特征和分块分析法的图像噪声估计方法的流程示意图；

图2是本发明实施例的人眼对比敏感函数的曲线图；

图3～图7是本发明实施例的图像噪声估计方法对原始带噪图进行处理的处理过程示意图。

具体实施方式

下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。

请参考图1，为本发明实施例的基于人眼视觉特征和分块分析法的图像噪声估计方法（Noise Estimation Metric based on Human Visual characteristic，HVSNEM），包括：

步骤S101，利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图；

步骤S102，利用分水岭分割算法对初步处理图进行近似区域分割，得到若干分割图像区域块，获得区域分割图；

步骤S103，对区域分割图中的各个分割区域进行无噪图像的近似重建，获得整幅图像的重建估计无噪图；

步骤S104，根据原始带噪图和重建估计无噪图，获取强度-噪声对的分布图，利用强度-噪声对的分布图获得原始带噪图的噪声指标。

具体的，执行步骤S101，利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图。

由于人眼独特的视觉特性，人眼对不同空间频率的响应不同，引入人眼对比敏感函数预处理图像。对比敏感度CS(contrast sensitivity)定义为人眼能觉察的对比度阈值的倒数，即对比敏感度=1/对比度阈值。在某一空间频率(spatial frequency，SF)下，视觉系统有一定的对比敏感度；反之，在同一对比度时，视觉系统有一定的空间频率分辨力(形觉)。

请参考图2，为本发明实施例的人眼对比敏感函数的曲线图，以空间频率SF为横坐标，单位为周/度，以对比敏感度为纵坐标，所测得的曲线即对比敏感函数(contrastsensitivity function，CSF)。人眼对比敏感函数近似为：在本发明实施例中，σ＝2，w＝2πf/60，空间频率为u、v分别代表水平、竖直方向的空间频率分量，其单位为周/度(cycles/degree)，因此，人眼对比敏感函数

请参考图3和图4，图3是原始带噪图，图4是经过人眼对比敏感函数对原始带噪图进行处理后的初步处理图。

运用人眼对比敏感函数对原始带噪图进行处理的方法包括：J(x,y)＝I(x,y)*S(x,y)，其中I(x,y)为原始带噪图像，J(x,y)为初步处理图，S(x,y)为人眼对比敏感函数，且S(u,v)为S(x,y)的频率域响应，*表示卷积关系。

由于利用人眼对比敏感函数对原始带噪图进行了处理，因此对应的初步处理图已经为符合人眼兴趣观察的图像，因此最终获得的评价结果更符合图像观测者的主观视觉心理。

执行步骤S102，利用分水岭分割算法对初步处理图进行近似区域分割，得到若干分割图像区域块，获得区域分割图。

分水岭分割算法是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，亮度比较大的区域像素值较大，而亮度较小的区域像素值较小，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程是一个迭代标注过程。在本发明实施例中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即

g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5

式中，f(x,y)表示原始图像，grad{}表示梯度运算，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。

请参考图5，经过分割后图像中像素值相似区域将被分为同一分块，得到N个大小相当、互不相交的分割图像区域块，且各个块之间无交叉像素，即

由于现有算法对某些模糊或者图像内容敏感的图像难以处理，而本发明实施例采用分水岭分割算法，对微弱边缘具有良好的响应，对某些模糊或者图像内容敏感的图像也能处理。

执行步骤S103，对区域分割图中的各个分割区域进行无噪图像的近似重建，获得整幅图像的重建估计无噪图。

在本实施例中，采用利用仿射重建法进行无噪图像的近似重建,获得如图6所示的重建估计无噪图。

所述仿射重建法具体包括：为重建估计无噪图，M为最佳仿射矩阵，为区域分割图的不同分割图像区域块，C∈R²为对应的分割图像区域块的坐标变量，(C_i,C_j)即第C_i行第C_j列的区域分割图，而为像素值(R G B)，若是彩色图像则R、G、B不同，若是灰度图像则R=G=B。

获得所述最佳的仿射矩阵M的方法包括：由于最佳的仿射矩阵M满足：

简化所述方程，得到：

欲求上面方程的最优解，即求对M求偏导且偏导为零情况下的M。于是最优M满足：

对上述方程的解，将其转化为矩阵方程BXC＝D的最佳逼近问题||BXC-D||_F＝min，而此矩阵方程极小最小二乘解X＝B⁺DC⁺，B+为B的广义逆。因此最终得到近似的最佳仿射矩阵M为：

执行步骤S104，根据原始带噪图和重建估计无噪图，获取强度-噪声对的分布图，利用强度-噪声对的分布图获得原始带噪图的噪声指标。

在本实施例中，获取强度-噪声对的分布图的具体方法包括：若原始带噪图中的图像区域块为对应的重建估计无噪图中的图像区域块为为的均值，σ为的标准差，从而获得强度-噪声对其中为残差图，如图7所示。当原始带噪图为彩色图像时，获得RGB(Red,Green,Blue)三通道对应的三组强度-噪声对，将所有图像区域块的强度-噪声对在同一坐标系中画出，得到RGB(Red,Green,Blue)三色的强度-噪声对的分布图。当原始带噪图为灰度图像时，获得一组图像区域块的强度-噪声对，将所有图像区域块的强度-噪声对在同一坐标系中画出，得到一个强度-噪声对的分布图。

获得强度-噪声对的分布图后，将分布图的横轴归一化，即将图像灰度值归一化，并将其等分为X个区间，区间内散点个数分布较多的权重较大，响应的散点分布数较少的区间权重较小。在本实施例中，由于常见图像灰阶为256，将分布图的横轴分为256个区间。

噪声水平累计评价数值定义为：其中min(σ_l)表示第l（l=1,2,3…X）个区间范围内噪声方差值的最小值，作为该区间内的噪声水平估计值，nl为第l个区间内的噪声散点个数，ntotal为所有区间的噪声散点个数。

对于彩色图像，Noise值包含了三个值，分别是RGB三个通道的单一噪声指标，三个Noise的均值表征原始带噪图的噪声指标；对于灰度图像，Noise仅一个值表征原始带噪图的噪声指标。

在本实施例中，表1所示是噪声水平的真实情况与估计情况对比。从表1可以发现，估计的σ值（噪声水平）与仿真加载的真实值非常接近，效果很好。

表1

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (8)

1.一种基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，包括：

利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图；

利用分水岭分割算法对初步处理图进行近似区域分割，得到若干分割图像区域块，获得区域分割图；

对区域分割图中的各个分割区域进行无噪图像的近似重建，获得整幅图像的重建估计无噪图；

根据原始带噪图和重建估计无噪图，获取强度-噪声对的分布图，利用强度-噪声对的分布图获得原始带噪图的噪声指标。

2.如权利要求1所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，利用人眼对比敏感函数对原始带噪图进行处理，获得初步处理图的具体方法包括：J(x，y)＝I(x，y)*S(x，y)，I(x，y)为原始带噪图像，J(x，y)为初步处理图，S(x，y)为人眼对比敏感函数，其中u、v分别代表原始带噪图水平、竖直方向的空间频率分量。

3.如权利要求1所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，获得区域分割图的具体步骤包括：利用分水岭分割算法对初步处理图的灰度进行分析，将初步处理图中灰度和像素值相似区域分为同一分块，得到若干大小相当、互不相交的分割图像区域块，形成区域分割图。

4.如权利要求1所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，利用仿射重建法进行无噪图像的近似重建。

5.如权利要求4所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，所述仿射重建法具体包括： 为重建估计无噪图，M为仿射矩阵，且 为区域分割图的不同分割图像区域块，C为对应的分割图像区域块的坐标变量，为的简化，为像素值RGB。

6.如权利要求1所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，获取强度-噪声对的分布图的方法包括：若初步处理图中的图像区域块为对应的重建估计无噪图中的图像区域块为则为的均值，σ为的标准差，从而获得强度-噪声对将所有图像区域块的强度-噪声对在同一坐标系中画出，得到强度-噪声对的分布图。

7.如权利要求6所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，利用强度-噪声对的分布图获得原始带噪图的噪声指标的方法包括：将分布图的横轴归一化，并将其等分为X个区间，区间内散点个数分布较多的权重较大，相应的散点分布数较少的区间权重较小，噪声指标累计评价数值定义为：其中min(σ_l)表示第1个区间范围内噪声方差值的最小值，作为该区间内的噪声指标估计值，其中1＝1，2，3...X，n₁为第1个区间内的噪声散点个数，n_total为所有区间的噪声散点个数。

8.如权利要求7所述的基于人眼视觉特征和分块分析法的图像噪声估计方法，其特征在于，对于彩色图像，Noise值包含了三个值，分别是RGB三个通道的单一噪声指标，三个Noise的均值表征原始带噪图的噪声指标；对于灰度图像，Noise仅一个值表征原始带噪图的噪声指标。