CN105787893B - 一种基于整数dct变换的图像噪声方差估计方法 - Google Patents
一种基于整数dct变换的图像噪声方差估计方法 Download PDFInfo
- Publication number
- CN105787893B CN105787893B CN201610098531.8A CN201610098531A CN105787893B CN 105787893 B CN105787893 B CN 105787893B CN 201610098531 A CN201610098531 A CN 201610098531A CN 105787893 B CN105787893 B CN 105787893B
- Authority
- CN
- China
- Prior art keywords
- block
- image
- uniformity
- variance
- integer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 230000002950 deficient Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000012216 screening Methods 0.000 claims description 9
- 238000000205 computational method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 238000000638 solvent extraction Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000006424 Flood reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000686 essence Substances 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于整数DCT变换的图像噪声方差估计方法，根据待估计含噪图像分辨率划分成一定大小的互不重叠的图像块，对划分的图像块进行整数DCT变换，得到变换系数，根据变换AC系数作为图像块均匀度的度量，在得到的均匀块中按一定比例选择最均匀的块，计算图像噪声的参考方差；依据图像噪声的参考方差，重新搜索均匀块；再次得到的均匀块，根据块的均匀度加权处理得到待估计含噪图像的噪声方差。本发明整数DCT变换便于硬件实现，并且不局限于特定特征的含噪图像，同时利用DC系数校正均匀块的搜索区间可以改善因图像过亮或过暗而噪声抑制产生的欠估计现象，本发明是一种估计准确性高和鲁棒性强的图像噪声估计方法。
Description
技术领域
本发明属于数字图像处理领域，尤其涉及一种基于整数DCT变换的图像噪声估计方法。
背景技术
图像是一种形象、具体、有效的信息传递媒体。在图像的采集和传输过程中引入噪声是在所难免的。为了尽可能的复原图像原本的真实信息，图像去噪成为其他图像预处理的基础。在众多图像去噪的方法中估计噪声函数模型及其相关参数是图像去噪的关键任务之一。一般用到的噪声模型为Gauss模型，因为Gauss函数噪声在图像噪声中最为常见，其中噪声方差是评价噪声的一个重要指标。
常用的图像噪声方差估计方法有三类：(1)滤波法。基于平滑滤波处理方法中如均值滤波，用含噪图像与滤波后的图像作差，差值认为是图像的噪声。在图像平滑的情况下，此方法不仅可以有效地去除噪声，还可以保持边缘细节。但当图像中包含较多轮廓和纹理细节时，此方法会将大量的细节当作噪声信息，产生严重的过估计现象。(2)小波变换法。将含噪图像进行小波变换，区分噪声集中的高频子带信息，由此估计噪声。这种方法的估计实验结果相对较为准确，但算法的复杂度较高。(3)分块法。较为常用的一种算法，其基本思想是将含噪图像划分为若干个子块区域，对每一块进行噪声估计，然后采用某种数学统计准则选择其中一些块的标准差估计值的均值作为整幅图像的估计结果。分块法的关键在于被选择子块是否满足均匀性和同质性，即该子块可以被视为灰度值基本不变，较为平坦、不含“伪边缘”的同质区。传统分块法过程粗糙，简单的将各个子块的估计噪声值排序，以一定比例子块的估计值最为最终估计。实际中，对于不同的图像，满足标准差为某一固定次序比例的子块就是同质区域，显然此时算法缺乏鲁棒性。分块法的优点在于运行效率较高，但对图像的自身特征有很高的依赖性。图像的尺寸、细节、纹理、噪声大小都会影响噪声估计的精确性和稳定性。
以上的方法中，滤波法在图像平滑时实现效果较好，但在图像纹理复杂时会出现欠估计现象；小波变换法虽然估计的准确性较高，但计算复杂不利于硬件实现；传统分块法思想简单，但对于图像的自身特征依赖性较强，缺乏鲁棒性。针对以上问题，本发明提出新的图像噪声方差实现方法，基于整数DCT变换的图像噪声方差估计方法。该方法便于硬件实现，并不过分依赖于图像的自身特征，在不同分辨率、不同噪声强度的情况下和过度曝光或曝光不足造成噪声抑制的情况下都有一个较为准确的图像噪声方差估计。
发明内容
本发明的目的在于提供一种基于整数DCT变换的图像噪声估计方法，旨在解决目前的图像噪声方差估计方法图像过亮或者过暗时会出现欠估计现象，计算复杂不利于硬件实现，传统分块法对于图像的自身特征依赖性较强，缺乏鲁棒性的问题。
本发明是这样实现的，一种基于整数DCT变换的图像噪声估计方法，具有摄影设备，通过摄影设备获取一幅含噪图像，该基于整数DCT变换的图像噪声估计方法包括以下步骤：
步骤一、将获取的含噪图像标记为图像NI；
步骤二、分别获取所述图像NI的RGB三通道分量，将图像NI的R通道标记为图像NR，对图像NR依据分辨率进行分块处理，得标记为B的图像NR的所有图像块；
步骤三、依次将步骤二所获得的所述每一块B进行整数DCT变换，利用变换后的AC系数计算块B的均匀性，DC系数计算块B的平均亮度，得出图像NR的每一块B的均匀值和平均亮度值，以及每一块的局部方差
步骤四、将所述的每一块B进行筛选，依据步骤三所得的DC系数和AC系数对满足一定条件的块B进行保留，选取一定比例的保留块B中最均匀的块，利用块的局部方差计算图像NR参考方差,标记为利用块的均匀度计算图像NR的参考均匀度ξr；
步骤五、将步骤四得到的NR图像参考方差依据一定的原则自适应重新筛选块B，将满足筛选原则的块B保留，得参与计算图像NI的最终估计方差的块B；
步骤六、将步骤五获得的块B依据块B均匀度加权计算图像的最终估计方差。
进一步，所述步骤二中依据图像NR分辨率大小进行块的划分，大分辨率的图像NR进行8*8的块划分，小分辨率的图像NR进行4*4的块划分，边缘不足的地方舍弃。
进一步，对块B进行整数DCT变换。
进一步，所述对块B进行整数DCT变换的计算方法为：
式中，X表示待处理块B的矩阵形式，C表示基本整数变换矩阵，F表示变换后的系数矩阵，E表示系数调整矩阵，表示相应位置的系数相乘，不是矩阵相乘；
所述整数DCT变换的计算过程为：对于每一图像块B其用矩阵表示为X，先对X进行整数变换，然后对变换的矩阵利用系数调整矩阵E进行调整；
以4*4块B大小为例，对于每一4*4块B进行整数DCT变换后的系数矩阵表示如下：
利用整数变换后DC系数度量B块的平均亮度,平均亮度的计算公式如下：
AvergeB_L＝DC0/W
AvergeB_L表示块B的平均亮度,W为块B的大小，此处W＝4；
利用整数变换后AC系数度量B块的均匀度,B块均匀度的计算公式如下：
ξB表示块B的均匀度，l表示AC系数的个数，通常l＝5。
进一步，所述待处理块B首先进行整数变换，矩阵C中均为整数，进行移位相加使块B的整数变换，然后利用系数调整矩阵E调整变换系数，计算块B的均匀度只需前l个AC系数，对所需的l个进行系数调整，系数调整过程中，矩阵E均是浮点小数，只对计算均匀度所需位置处的采用2的幂次方最大限度逼近其对应的浮点小数。
进一步，B均匀块的筛选原则为：
AvergeB_L∈[low,up]
为避免图像NI过亮时或过暗时噪声抑制，造成图像NI噪声估计方差的欠估计，限定了均匀块的搜索区间，取low＝80,up＝225均匀块的选取比例为0.05；参考方差的计算是将得到的最均匀块的局部方差取均值，参考均匀度的计算是将得到的最均匀块的均匀度取均值；
所述步骤五中重新筛选均匀块B的原则是：
式中Tσ表示了图像的真实方差与估计方差的最大允许误差，在实际中利用以下式子代替：
|PsnrBl-Psnrr|＜TPsnr
TPsnr为选定的噪声误差系数，Psnr为峰值信噪比，定义式如下表示：
其中TPsnr＝1db。
进一步，所述再次获得块B依据块B均匀度加权计算图像的最终估计方差具体计算方法：
本发明便于硬件实现，并且不局限于特定特征的含噪图像，对于图像的分辨率，纹理等特征不过分依赖，同时可以改善因图像过亮或过暗而噪声淹没产生的欠估计现象，本发明并不过分依赖于图像的自身特征，在不同分辨率、不同噪声强度的情况下和过度曝光或曝光不足造成噪声抑制的情况下都有一个较为准确的图像噪声方差估计。为说明本发明不过分依赖于图像自身特征，对经典柯达测试图像(大小为768*512)和自然环境下的拍摄的图像(大小为2448*3264)进行了实验，具体实验数据由表1、3和分析数据由表2、4给出。
表1 经典柯达测试图像噪声标准差估计结果
表2 经典柯达测试图像噪声标准差估计分析结果
表3 自然拍摄图像的噪声标准差估计结果
表4 自然拍摄图像的噪声标准差估计分析结果
为了对噪声估计算法性能客观的分析，应先计算出估计误差。其中σn表示真实的噪声标准差，σe是估计噪声标准差，Ek是真实噪声标准差与估计噪声标准差之差的绝对值。表示噪声标准差估计值的均值和方差。表示估计误差的均值和标准差，它们表征了噪声估计的可靠性。
由表2、4表明，在噪声较小的情况下，估计误差的均值较小。随着噪声增大，估计误差也会增大，但估计误差的标准差基本恒定不变，从而可以说明该算法对于不同分辨率的图像噪声估计具有很强的稳定性。
由于在获取图像时曝光时间过长或者过短使得获取的图像出现过亮或者过暗的情况，此时即使图像中存在大量噪声，在图像的平坦区域会由于图像过亮和过暗使得噪声淹没。在图像的平坦区域过亮或过暗，该块的平均亮度AverageB_L会很大或很小。如果在这种情况下不考虑利用DC系数得到块的平均亮度来约束均匀块的第一次筛选的范围，选取的均匀块由于噪声淹没会致使计算图像的参考方差偏小，最终会造成整个图像噪声方差估计的欠估计现象。如果在第一次筛选均匀块时考虑了利用均匀块的DC系数得到的块的平均亮度，可以很好的避免选择的均匀块是过亮或者过暗区域，更准确的计算出的图像参考方差，有效的避免了由于图像过亮或者过暗导致的图像的噪声方差的欠估计现象。
相比传统的滤波法实现图像噪声估计，将滤波后的图像与原始图像求差值，认为差值是噪声。计算简单，估计误差却很大。本发明经过多次筛选均匀块，图像噪声方差估计较小的依赖于图像的自身特性，使得估计准确性大大提升。
相比基于小波变换法实现图像噪声估计，需要将图像多尺度分解，提取高频子带处理计算得图像噪声方差，计算复杂。本发明只在空间域进行且只对图像的R通道进行，计算简单，复杂度降低，便于硬件实现。
相比基本DCT变换的图像噪声估计方法，变换矩阵设计浮点运算为硬件的实现带来一定的困扰。本发明采用整数DCT变换，使得变换由简单的移位相加实现，计算复杂度降低便于硬件实现。同时对于不同分辨率的含噪图像采取不同大小的分块，使得对于大分辨率的图像也可以实现一个精确的噪声方差估计。同时本发明利用整数DCT变换后的DC系数来确定均匀块的搜索区间，很好的改善了图像因过亮或者过暗造成噪声抑制而造成的欠估计现象。
附图说明
图1是本发明实施例提供的基于整数DCT变换的图像噪声估计方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作进一步描述。
如图1所示：一种基于整数DCT变换的图像噪声估计方法，具有摄影设备，通过摄影设备获取一幅含噪图像，该基于整数DCT变换的图像噪声估计方法包括以下步骤：
S101：将获取的含噪图像标记为图像NI；
S102：分别获取所述图像NI的RGB三通道分量，将图像NI的R通道标记为图像NR，对图像NR依据分辨率进行分块处理，得标记为B的图像NR的所有图像块；
S103：依次将S102所获得的所述每一块B进行整数DCT变换，利用变换后的AC系数计算块B的均匀性，DC系数计算块B的平均亮度，得出图像NR的每一块B的均匀值和平均亮度值，以及每一块的局部方差
S104：将所述的每一块B进行筛选，依据S103所得的DC系数和AC系数对满足一定条件的块B进行保留，选取一定比例的保留块B中最均匀的块，利用块的局部方差计算图像NR参考方差,标记为利用块的均匀度计算图像NR的参考均匀度ξr；
S105：将S104得到的NR图像参考方差依据一定的原则自适应重新筛选块B，将满足筛选原则的块B保留，得参与计算图像NI的最终估计方差的块B；
S106：将S105获得的块B依据块B均匀度加权计算图像的最终估计方差。
所述S102中依据图像NR分辨率大小进行块的划分，大分辨率的图像NR进行8*8的块划分，小分辨率的图像NR进行4*4的块划分，边缘不足的地方舍弃。
所述对块B进行整数DCT变换的计算方法为：
式中，X表示待处理块B的矩阵形式，C表示基本整数变换矩阵，F表示变换后的系数矩阵，E表示系数调整矩阵，表示相应位置的系数相乘，不是矩阵相乘；
所述整数DCT变换的计算过程为：对于每一图像块B其用矩阵表示为X，先对X进行整数变换，然后对变换的矩阵利用系数调整矩阵E进行调整；
以4*4块B大小为例，对于每一4*4块B进行整数DCT变换后的系数矩阵表示如下：
利用整数变换后DC系数度量B块的平均亮度,平均亮度的计算公式如下：
AvergeB_L＝DC0/w
AvergeB_L表示块B的平均亮度，W为块B的大小，此处W＝4；
利用整数变换后AC系数度量B块的均匀度,B块均匀度的计算公式如下：
ξB表示块B的均匀度，l表示AC系数的个数，通常l＝5。
所述待处理块B首先进行整数变换，矩阵C中均为整数，进行移位相加使块B的整数变换，然后利用系数调整矩阵E调整变换系数，计算块B的均匀度只需前l个AC系数，对所需的l个进行系数调整，系数调整过程中，矩阵E均是浮点小数，只对计算均匀度所需位置处的采用2的幂次方最大限度逼近其对应的浮点小数。
B均匀块的筛选原则为：
AvergeB_L∈[low,up]
为避免图像NI过亮时或过暗时噪声抑制，造成图像NI噪声估计方差的欠估计，从而限定了均匀块的搜索区间，其中取low＝80,up＝225均匀块的选取比例为0.05；参考方差的计算是将得到的最均匀块的局部方差取均值，参考均匀度的计算是将得到的最均匀块的均匀度取均值；
所述步骤五中重新筛选均匀块B的原则是：
式中Tσ表示了图像的真实方差与估计方差的最大允许误差，在实际中利用以下式子代替：
|PsnrBl-Psnrr|＜TPsnr
TPsnr为选定的噪声误差系数，Psnr为峰值信噪比，定义式如下表示：
其中TPsnr＝1db。
所述再次获得块B依据块B均匀度加权计算图像的最终估计方差具体计算方法：
下面结合应用原理对本发明进一步说明；
将含噪的图像R通道依据图像的分辨率划分成4*4或者8*8大小相等的互不重叠的图像块B，边缘不足的地方舍弃。
对于每一图像块进行整数DCT变换，变换的计算方法：
具体的计算过程为对于每一图像块B其用矩阵表示为X，先对X进行整数变换，然后对变换的矩阵利用系数调整矩阵E进行调整。由于系数调整矩阵为浮点小数，为便于硬件实现用2的幂次方对相应位置处浮点数逼近。对于每一4*4块B进行整数DCT变换后的系数，表示如下：
| DC0 | AC1 | AC5 | AC6 |
| AC2 | AC4 | AC7 | AC12 |
| AC3 | AC8 | AC11 | AC13 |
| AC9 | AC10 | AC14 | AC15 |
利用整数变换后DC系数度量块的平均亮度,平均亮度的计算公式如下：
AvergeB_L＝DC0/W
AvergeB_L表示块B的平均亮度,W为块B的大小，此处W＝4。
利用整数变换后AC系数度量块的均匀度,块均匀度的计算公式如下：
ξB表示块B的均匀度，l表示AC系数的个数，通常l＝5。
在计算块的均匀度时只需要其前l个AC系数，故只对参与均匀度计算位置处进行逼近。从而大大减少了计算的复杂度和降低了运行时间。
4*4块B的局部方差的计算公式如下：
式中i,j表示块B的第i行第j列,W为块B的大小，此处W＝4。
通过以上的方法，计算出每一块B的平均亮度AvergeB_L、均匀度ξB和局部方差
将所述的每一块B进行筛选，依据块的平均亮度满足以下准则：AvergeB_L∈[low,up]，为避免图像NI过亮时或过暗时噪声抑制，造成图像NI噪声估计方差的欠估计，限定了均匀块的搜索区间。其中一般情况下取low＝80,up＝225。在限定的搜索区间中选取一定比例的最均匀的块，取所有块的百分之五。利用选取均匀块的局部方差取均值计算图像NR参考方差,标记为利用块的均匀度取均值计算图像NR的参考均匀度ξr。
得到图像的参考方差为降低估计误差再次自适应筛选图像块，筛选的原则是：
式中Tσ表示了图像的真实方差与估计方差的最大允许误差。在实际中利用以下式子代替：
|PsnrBl-Psnrr|＜TPsnr
TPsnr为选定的噪声误差系数，Psnr为峰值信噪比，定义式如下表示：
其中TPsnr＝1db。
再次获得块B依据其均匀度加权计算图像的最终估计方差具体计算方法：
块的均匀度ξB越小，块越平坦，对噪声估计贡献越大，分配的权重也就越大。相应的，块的均匀度越小，分配的权重越小。
依据以上步骤最终得到图像的最终噪声估计方差。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于整数DCT变换的图像噪声估计方法，其特征在于，通过摄影设备获取一幅含噪图像，该基于整数DCT变换的图像噪声估计方法包括以下步骤：
步骤一、将获取的含噪图像标记为图像NI；
步骤二、分别获取所述图像NI的RGB三通道分量，将图像NI的R通道标记为图像NR，对图像NR依据分辨率进行分块处理，得标记为B的图像NR的所有图像块；
步骤三、依次将步骤二所获得的每一块B进行整数DCT变换，利用变换后的AC系数计算块B的均匀性，DC系数计算块B的平均亮度，得出图像NR的每一块B的均匀值和平均亮度值，以及每一块的局部方差
步骤四、将每一块B进行筛选，依据步骤三所得的DC系数和AC系数对满足一定条件的块B进行保留，一定条件具体指平均亮度AverageB_L∈[80,225]；选取保留块B中一定比例的最均匀的块，具体比例指整幅图像划分块的百分之五，利用块的局部方差计算图像NR参考方差,标记为利用块的均匀度计算图像NR的参考均匀度ξr；
步骤五、将步骤四得到的NR图像参考方差依据真实方差和估计方差最大允许误差的原则自适应重新筛选块B，将满足最大允许误差原则的块B保留，得参与计算图像NI的最终估计方差的块B；
步骤六、将步骤五获得的块B依据块B均匀度加权计算图像的最终估计方差。
2.如权利要求1所述的基于整数DCT变换的图像噪声估计方法，其特征在于，所述步骤二中依据图像NR分辨率大小进行块的划分，大分辨率的图像NR进行8*8的块划分，小分辨率的图像NR进行4*4的块划分，边缘不足的地方舍弃。
3.如权利要求1所述的基于整数DCT变换的图像噪声估计方法，其特征在于，对块B进行整数DCT变换的计算方法为：
式中，X表示待处理块B的矩阵形式，C表示基本整数变换矩阵，F表示变换后的系数矩阵，E表示系数调整矩阵，表示相应位置的系数相乘，不是矩阵相乘；
所述整数DCT变换的计算过程为：每一图像块B用矩阵表示为X，先对X进行整数变换，然后对变换的矩阵利用系数调整矩阵E进行调整；
以4*4块B大小为例，对于每一4*4块B进行整数DCT变换后的系数矩阵表示如下：
利用整数变换后DC系数度量块B的平均亮度,平均亮度的计算公式如下：
AvergeB_L＝DC0/W
AvergeB_L表示块B的平均亮度，W为块B的大小，以4*4为例说明W＝4；
利用整数变换后AC系数度量B块的均匀度,B块均匀度的计算公式如下：
ξB表示块B的均匀度，l表示AC系数的个数，l＝5。
4.如权利要求3所述的基于整数DCT变换的图像噪声估计方法，其特征在于，所述待处理块B首先进行整数变换，基本整数变换矩阵C中均为整数，进行移位相加得到块B的基本整数变换，然后利用系数调整矩阵E调整变换系数，计算块B的均匀度只需前l个AC系数，对前l个AC系数进行系数调整，系数调整过程中，矩阵E均是浮点小数，只对计算均匀度所需位置处的浮点小数采用2的幂次方进行最大限度的逼近。
5.如权利要求1所述的基于整数DCT变换的图像噪声估计方法，其特征在于，B块的筛选原则为：
AvergeB_L∈[low,up]
为避免图像NI过亮时或过暗时噪声抑制，造成图像NI噪声估计方差的欠估计，限定了均匀块的搜索区间，取low＝80,up＝225，均匀块的选取比例为5％；参考方差的计算是将得到的最均匀块的局部方差取均值，参考均匀度的计算是将得到的最均匀块的均匀度取均值；
所述步骤五中重新筛选均匀块B的原则是：
式中Tσ表示了图像的真实方差与估计方差的最大允许误差，在实际中利用以下式子代替：
|PsnrBl-Psnrr|＜TPsnr
TPsnr为选定的噪声误差系数，Psnr为峰值信噪比，定义式如下表示：
其中TPsnr＝1db。
6.如权利要求5所述的基于整数DCT变换的图像噪声估计方法，其特征在于，重新筛选均匀块B依据块B均匀度加权计算图像的最终估计方差具体计算方法：
式中指重新筛选均匀块B的局部方差，ωB指块B局部方差所占权重，具体每一参与计算最终方差的块B权重依赖于该块B的均匀度与参考均匀度，式中ξB为块B的均匀度，ξr为参考均匀度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610098531.8A CN105787893B (zh) | 2016-02-23 | 2016-02-23 | 一种基于整数dct变换的图像噪声方差估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610098531.8A CN105787893B (zh) | 2016-02-23 | 2016-02-23 | 一种基于整数dct变换的图像噪声方差估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105787893A CN105787893A (zh) | 2016-07-20 |
| CN105787893B true CN105787893B (zh) | 2018-11-02 |
Family
ID=56402869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610098531.8A Active CN105787893B (zh) | 2016-02-23 | 2016-02-23 | 一种基于整数dct变换的图像噪声方差估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105787893B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111770330B (zh) * | 2020-06-10 | 2022-11-04 | 北京达佳互联信息技术有限公司 | 图像压缩方法、装置以及电子设备 |
| CN111756954B (zh) * | 2020-07-14 | 2022-07-15 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
| CN112862753B (zh) * | 2020-12-31 | 2024-05-24 | 百果园技术(新加坡)有限公司 | 噪声强度估计方法、装置及电子设备 |
| CN116391202B (zh) * | 2022-08-11 | 2024-03-08 | 上海玄戒技术有限公司 | 图像降噪方法、装置及芯片 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
| CN105279743A (zh) * | 2015-11-19 | 2016-01-27 | 中国人民解放军国防科学技术大学 | 一种基于多级dct系数的图像噪声水平估计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9641729B2 (en) * | 2012-04-26 | 2017-05-02 | Futurewei Technologies, Inc. | System and method for encoder-integrated media denoising |
-
2016
- 2016-02-23 CN CN201610098531.8A patent/CN105787893B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102368821A (zh) * | 2011-10-20 | 2012-03-07 | 浙江工商大学 | 一种噪声强度自适应的视频去噪方法和系统 |
| CN105279743A (zh) * | 2015-11-19 | 2016-01-27 | 中国人民解放军国防科学技术大学 | 一种基于多级dct系数的图像噪声水平估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于DCT变换的噪声估计算法;余力 等;《信息技术》;20101231(第7期);第24-27页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105787893A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105787893B (zh) | 一种基于整数dct变换的图像噪声方差估计方法 | |
| Nejati et al. | Fast exposure fusion using exposedness function | |
| Amer et al. | Reliable and fast structure-oriented video noise estimation | |
| Chen et al. | Spatially adapted total variation model to remove multiplicative noise | |
| Ndajah et al. | An investigation on the quality of denoised images | |
| JP2009534902A (ja) | 精度平滑特性を増大させる画像改善 | |
| Rabie | Adaptive hybrid mean and median filtering of high-ISO long-exposure sensor noise for digital photography | |
| Majeed et al. | Iterated adaptive entropy-clip limit histogram equalization for poor contrast images | |
| Zhang et al. | Non-uniform illumination video enhancement based on zone system and fusion | |
| Rahman et al. | Evaluating multiexposure fusion using image information | |
| CN109509201A (zh) | 一种sar图像质量评价方法和装置 | |
| US6879732B1 (en) | Noise reduction in images | |
| Al-Obaidi | Image quality assessment for defocused blur images | |
| Fan et al. | Underwater image enhancement algorithm combining color correction and multi-scale fusion | |
| Lee et al. | Image fusion-based tone mapping using gaussian mixture model clustering | |
| Santhi et al. | Contrast enhancement by modified octagon histogram equalization | |
| Zeng | Low-light image enhancement algorithm based on lime with pre-processing and post-processing | |
| Kumar et al. | Image enhancement and performance evaluation using various filters for IRS-P6 Satellite Liss IV remotely sensed data | |
| Ma et al. | Low-Light Aerial Image Enhancement Algorithm Based on Retinex Theory | |
| Priorov et al. | Applications of image filtration based on principal component analysis and nonlocal image processing | |
| Mu et al. | Color image enhancement method based on weighted image guided filtering | |
| CN110111286A (zh) | 图像优化方式的确定方法和装置 | |
| Wang et al. | A novel deghosting method for exposure fusion | |
| Sara | Comparative study of different quality assessment techniques on color images | |
| Wu et al. | Perceptual sensitivity based image structure-texture decomposition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |