[发明专利]基于空间自适应高斯混合模型的表面波变换视频去噪方法

说明书

技术领域

本发明属于图像处理领域，涉及图像去噪，可用于视频图像，生物医学图像和三维图像的去噪。

背景技术

视觉信息在人类感知和认识世界的过程中起到了极其重要的作用，人类对客观世界的认识绝大部分是通过视觉系统获取的信息。但是在我们接触到的视频信号中往往掺杂着各种噪声，它使视频变得模糊、质量下滑，从而导致视频中的一些重要细节信息丢失。在对视频图像进行处理或者应用时，如何保留视频图像中的有用信息，如何捕捉视频图像中的曲面奇异，是一个热点也是一个难点。

视频去噪的研究最初是以图像为单位逐帧进行处理，传统的视频去噪方法是按空域、时域、变换域来进行划分。空域滤波有中值滤波和系数自适应滤波等滤波方法，对各帧图像均能得到较好的滤波效果。但是在视频应用中，由于空域滤波没有充分利用时域信息，不能得到理想的滤波效果。时域滤波考虑了各帧之间的相关性，但是只适合静止目标，对运动目标会产生伪影等现象。变换域通常都是逐帧去噪，视频序列不仅要关注每一帧图像的视觉效果，还要关注整个序列的视觉感受。因此，对于视频序列的去噪提出了更高的要求。

1992年，Bambeger和Smith首先提出方向滤波器组DFB的概念，DFB能有效地对二维信号进行方向分解。2005年，Do和Vetterli将拉普拉斯金字塔分解和DFB相结合，设计出新的小波变换Contourlet。但是由于DFB的不可分性，把它从二维扩展到多维始终没有完美的实现方法。直到2005年，Yue Lu和M.N.Do提出一种新的多维方向滤波器组设计方法——NDFB(N-dimensional Directional Filter Banks)。NDFB采用一种简单、高效的树状结构，能够对任意维的信号进行方向分解。通过采用一组迭代滤波器组，能够实现完全重建，且对于N维信号的冗余度只有N倍。同时，Yue Lu和M.N.Do在NDFB的基础上，提出了表面波变换。表面波变换首先对信号进行多尺度分解以捕获奇异变化，接着由NDFB将同一方向的奇异变化合为一个系数。它可以有效地捕捉和表示高维信号中的曲面奇异，非常适合视频处理。例如视频可以看作是二维空间信息和一维时间信息合成的三维时空信号，视频中运动物体的表面在这个三维系统中是曲面奇异的。实验结果表明，在一些应用如视频处理中，基于表面波变换算法的性能比传统方法有较大提升。在其他一些应用中，如视频压缩、三维医学影像处理和三维数据压缩等，表面波变换都有很好的应用前景。

采用阈值处理是一种最常用的图像去噪的方法。阈值的选取常常是阈值去噪算法中的关键，阈值选取的过小会导致不能充分地去除噪声；相反，阈值选取的过大会对信号产生过扼杀现象，丢失信号的部分重要信息，会导致去噪后的视频图像过模糊现象。在变换域中常用的阈值方法有Q.Pan等人提出的3σ法，M.Vetterli和B.Yu提出的基于最小风险的BayesShrink方法。这些阈值方法在细节和背景信息丰富的视频图像去噪中并不能得到理想的去噪效果。在利用表面波变换对视频图像进行去噪的过程中，传统的阈值方法并不能充分的去除噪声，往往会导致边缘模糊以及重要细节信息被扼杀等现象。

发明内容

本发明的目的在于针对上述已有方法的缺点，提出了一种基于空间自适应高斯混合模型的表面波变换视频去噪方法，以改善图像边缘模糊和噪声去除不充分的现象，提高视频的去噪效果。

为实现上述目的，本发明包括如下步骤：

(1)输入含有噪声的视频系数，对视频系数进行表面波变换，分解层数为4，每层对应的方向数分别为192、192、48、12；

(2)对表面波变换域后的系数，按以下公式计算最精细层到最粗糙层的各方向子带系数的噪声方差：

σl,m2=σ1,m2·e1-l1.2,]]>