[发明专利]一种基于整数DCT变换的图像噪声方差估计方法

说明书

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。

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