[发明专利]一种基于小波域软直方图检测的图像椒盐噪声估计方法

说明书

技术领域

本发明属于图像噪声处理技术领域，涉及一种基于小波域软直方图检测的图像椒盐噪声估计方法。

背景技术

椒盐噪声是影响图像质量的一种典型噪声源，因此在图像处理技术中，对椒盐噪声的滤除是提高图像质量、顺利进行后续处理的一个关键步骤。图像滤噪的基础性工作是对噪声参数的估计，因为实际工作中噪声参数未知但我们又常常需要该信息。对于椒盐噪声，唯一的参数就是反映噪声多少的密度。

目前对椒盐噪声估计的研究成果并不多，较为常见的有两种方法。一种方法是根据小波高频子带系数的方差与椒盐噪声密度有关这一特性，利用多项式拟合求取；另一方法是利用图像幅度谱与噪声密度之间的变化规律进行估计。两种方法都能一定程度上估计出图像中噪声的密度，但性能较差。第一种方法在噪声密度较低时估值较好，噪声密度偏高时变差，第二种方法的特点则正好相反。导致性能有限的原因，主要还是两者所选取的依赖关系并不稳健，因而偏差较大。

发明内容

本发明的目的在提供一种基于小波域软直方图检测的图像椒盐噪声估计方法，解决了现有的图像椒盐噪声估计方法准确性不够的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：对含噪图像执行Sym4小波变换，获取其在高频对角子带中系数的绝对值，得到n个小波系数绝对值；

步骤2：定义好七个区间的概念，然后把n个小波系数绝对值分别映射到这些区间上，从而形成这些区间的统计值，将所有七个区间的统计值结合起来，得到了图像在小波高频对角子带中系数幅值的软直方图，实现了对图像小波系数分布的量化描述；

步骤3：计算含噪图像软直方图与标准软直方图之间的散度值；

步骤4：所得散度值代入下式计算，所得值即为含噪图像的噪声密度估计，

ρ(Div)＝3.9636-53.616×Div+49.421×Div²

式中Div表示含噪图像软直方图与标准软直方图之间的散度值，ρ是含噪图像中噪声的密度。

进一步，步骤2的实现过程为：

对获得的n个绝对值进行统计，得出在七个指定区间上的统计值，即定义好这七个区间的概念，然后把n个小波系数绝对值分别映射到这些区间上，从而形成这些区间的统计值，这七个区间是这样划分的：它们的中间值分别是40、110、180、250、330、400、470，也就是以40为初值，步长为70增长，以h_i，i＝1，2，3，4，5，6，7分别代表这七个中间值，并以H_i，i＝1，2，3，4，5，6，7分别代表这七个区间，对n个数值中的任一数值x_j，j＝1，2，…，n，计算其在区间H_i，i＝1，2，3，4，5，6，7上的映射值，公式为：

Qij=1-|xj-hi|70,|xj-hi|≤700,|xj-hi|>70]]>

对所有n个数值分别进行计算，于是可得每个区间H_i，i＝1，2，3，4，5，6，7上的映射值为：