基于快速局部均值估計的噪聲水平估計算法及其應用研究.pdf

1、近年來，隨著社會的進步和數(shù)字信息化的高速發(fā)展，圖像在日常生活中得到了廣泛應用。然而，由于各種圖像處理設備性能的不完善，導致圖像在獲取、傳輸和存儲的過程中容易受到各類噪聲的干擾。獲取的圖像中存在噪聲，會影響人們對圖像信息的感受和后續(xù)處理(如圖像檢測和模式識別等)。因此，對圖像進行降噪具有重要的意義。一般而言，許多圖像降噪算法在對圖像進行降噪處理之前需要用一種高效準確的噪聲評估算法對圖像的噪聲水平進行評估。但是，現(xiàn)今的各種噪聲水平評估算法存

2、在以下不足：
　　1)當圖像噪聲比例較高時，算法評估效果較差；
　　2)算法抗干擾能力低，即圖像中若含有其他類型的噪聲，算法的評估效果就會受到嚴重影響。
　　3)算法噪聲評估類型單一，不能同時應用于多種噪聲的評估。
　　針對傳統(tǒng)噪聲水平評估算法的不足，提出了一種快速局部均值噪聲水平評估算法(Noise Level Estimation Based on Fast Local Means,FLM-NLE)。該算法基

3、于相似的噪聲圖像具有相似的統(tǒng)計特性原理來實現(xiàn)圖像噪聲水平的加權(quán)估計。具體實現(xiàn)上,首先，在具有廣泛代表性且未受噪聲干擾圖像集合上添加不同方差的各類噪聲構(gòu)建失真圖像集合，并使用BRISQUE特征提取方法對圖像集合進行特征提取(BRISQUE特征是對圖像失真較敏感的自然場景圖像統(tǒng)計特征，該特征不僅噪聲描述效果好，而且提取速度快)；然后，利用每張失真圖像上所提取的特征矢量及對其所施加的各類噪聲方差值共同構(gòu)成失真特征矢量庫；最后，為了加快后續(xù)噪聲

4、評估速度，對樣本特征矢量庫進行聚類，將其分成若干個簇類，每個簇類均有一個簇類中心。在對圖像進行噪聲評估時，首先，同樣使用BRISQUE特征提取方法對圖像進行特征提??；然后，計算該特征和各個簇類中心的距離，并將其劃分到距離最小的簇類；最后，在所屬的簇類中，使用局部均值噪聲評估算法對待評估的圖像進行加權(quán)評估，從而得到最終的圖像噪聲水平參數(shù)。
　　為了驗證FLM-NLE算法的評估效果，在不同的標準圖像庫上進行了實驗。實驗結(jié)果表明：FLM

5、-NLE噪聲評估算法不僅評估速度快、精確度高，而且算法使用范圍廣、抗干擾能力強。將FLM-NLE和BM3D(Block-matching and3D Filtering)降噪算法結(jié)合，構(gòu)成了一種改進的BM3D濾波器(Improved Block-matching and3D Filtering，IBM3D)，解決了BM3D算法在降噪之前需要人工設置噪聲水平參數(shù)的問題。實驗結(jié)果表明，IBM3D算法的降噪效果與將噪聲水平參數(shù)設置為噪聲真實值