[发明专利]一种分层自适应阈值视频去噪方法

摘要

本发明公开了一种分层自适应阈值视频去噪方法，包括以下步骤：输入含噪视频，对其进行Surfacelet变换；分别对每层Surfaclet分解的方向子带内的系数估计噪声方差；利用每层方向子带系数的大小计算初始阈值；对第高层分解子带利用系数领域信息自适应调整上述得到的该层初始阈值；对其他层利用方向能量比自适应调整各层的初始阈值；利用软阈值函数进行去噪处理；对去噪后的系数进行重构，得到去噪后视频。本发明显著减少了计算复杂度，提高了去噪视频的PSNR值，能够有效地保持视频的细节信息，可用于自然视频去噪和三维图像去噪。

主权项

1.一种分层自适应阈值视频去噪方法，其特征在于，包含以下步骤：步骤1，输入含噪视频，并对含噪视频做Surfacelet变换，分解为4层；步骤2，利用中值估计法估计Surfacelet变换域最高层方向子带噪声标准差：σ₁＝median(|y(i,j,k)|)/0.6745式中，y(i,j,k)为最高层Surfacelet变换域某一方向子带；i∈{1,2,3,…,I}，j∈{1,2,3,…,J}，k∈{1,2,3,…,K}；I、J、K分别为该子带的长度、宽度、高度；应用蒙特卡洛算法估计高斯白噪声经过Surfacelet变换后各层噪声标准差关系：σn=σ1×e1-21+n/10]]>式中，σ_n为第n层方向子带噪声的标准差；n＝2,3,4…；步骤3，利用步骤2和3中得到的噪声标准差对每层Surfacelet分解的子带计算其初始阈值：最高层方向子带的初始阀值为：T1=σ1·2log(MNP)]]>式中，MNP为该层Surfacelet系数所在方向子带的大小；其他层Surfacelet分解的方向子带的初始阈值为：T_n＝σ_n·r式中，T_n为第n层分解的方向子带初始阈值；r是可调经验值；步骤4，利用邻域信息收缩因子对最高层方向子带的初始阈值T1进行调整，得到新的自适应阈值：λ_i,j,k＝c·μ_i,j,k·T₁式中，c为可调经验值；μ_i,j,k为最高层Surfacelet变换域系数点(i,j,k)的收缩因子；步骤5，利用方向子带能量比调整因子对其他层Surfacelet分解的方向子带的初始阈值T_n进行调整，得到新的自适应阈值：λi,j,k=mJK·Tn]]>式中，为Surfacelet变换系数第J尺度下第K方向的调整因子；步骤6，利用下式所示的软阈值函数进行去噪处理：y^i,j,k=sgn(yi,j,k)(|yi,j,k|-λi,j,k),|yi,j,k|≥λi,j,k0,|λi,j,k|<λi,j,k]]>式中：为去噪处理后点(i,j,k)的Surfacelet变换域系数值；y_i,j,k为点(i,j,k)去噪前观测到的Surfacelet变换域系数值；步骤7，对去噪后的Surfacelet变换域系数进行重构，得到去噪后的视频。