[发明专利]一种基于自相似度量的通用图像噪声估计方法

说明书

本发明公开了一种基于自相似度量的通用图像噪声估计方法，包括以下步骤：S1、生成一幅像素值为常值的图像，并在图像上添加噪声强度标准偏差为已知的高斯噪声，对该含噪图像进行块匹配与行匹配并计算平均最小距离度量D_mean；S2、根据平均最小距离度量D_mean获取噪声标准偏差与距离度量的稳定的对应关系；S3、对实际含噪图像用获得的对应关系估计噪声强度σ₁并同时生成一种距离度量映射图像；S4、利用该结果及获得的距离度量映射图像判断图像中的平滑区域，只在图像的平滑区域估计噪声，通过两步迭代，最终获得精确的噪声强度σ。本发明不需要任何图像变换，只是在空域进行图像的自相似度量，理论非常简单，整个过程只用欧式距离计算图像的自相似性。

技术领域

本发明涉及图像噪声估计技术领域，更具体地说，特别涉及一种基于自相似度量的通用图像噪声估计方法。

背景技术

在现实生活与科学研究中，各种图像在获取过程中都会不可避免地引入不同类型、不同强度的噪声，为了去除图像的噪声，大部分现有技术在实验过程中都事先在一幅干净图像上加上类型已知、强度已知的噪声，然后利用自己的技术进行图像去噪实验。而现实图像中的噪声强度是未知的，为了实现有效的图像去噪，必须事先对图像进行精确的噪声估计。现有的图像噪声估计方法主要有基于小波变换与离散余弦变换的方法，通过对图像变换后的变换系数进行统计实现图像噪声估计。近来的图像噪声估计的较好方法主要有两种：一种利用图像块的梯度值并用统计的方法提取图像的平坦区域然后用主成分分析的方法对平坦区域的图像块进行噪声估计；另一种是先建立图像块的协方差矩阵的特征值与噪声强度的统计关系，然后用一种非参数算法对图像噪声进行估计。

上述方法都仅仅局限于对某种单一类型的图像噪声进行估计，而现实图像中的噪声模型往往不只含有单一噪声类型，而是由多种类型噪声的混合。上述噪声估计基本都是针对加性高斯噪声的，而对乘性噪声、相干斑噪声等往往会失效；很多现实图像的平坦区域并不多，对含有较少平坦区域的图像的噪声估计精度将会大大降低。这些算法理论都特别复杂，所以不利于真正地应用于实践。但是，实际图像去噪时必须对图像进行准确的噪声估计才能有效实现图像去噪，目前还没有一种通用的并且精度高的图像噪声估计方法。

发明内容

本发明的目的在于解决现有技术中的不足，从而提供一种不需要任何图像变换，只是在空域进行图像的自相似度量，整个过程只用计算图像的自相似性的基于自相似度量的通用图像噪声估计方法。

为了达到上述目的，本发明采用的技术方案如下：

一种基于自相似度量的通用图像噪声估计方法，包括以下步骤：

S1、生成一幅像素值为常值的图像，并在图像上添加噪声强度标准偏差已知的高斯噪声，形成标准含噪图像，并对该含噪图像进行块匹配与行匹配并计算平均最小距离度量D_mean，通过统计方法建立平均最小距离度量与噪声标准偏差之间的一种稳健的对应关系；

S2、利用S1中建立的对应关系对实际含噪图像进行噪声估计，获得实际含噪图像的噪声标准偏差σ1，同时生成实际含噪图像的最小距离度量映射图像；

S3、用S2中的σ1及生成的最小距离度量映射图像决定图像中的平滑区域，重复步骤S2，但只利用图像中的平滑区域进行噪声估计，获得更准确的噪声估计得结果σ2；

S4、对S3迭代执行两次，噪声估计结果进一步矫正，最终获得精确的噪声标准偏差σ。

进一步地，所述步骤S1中的常值图像为：像素值为0.5的256×256的灰度图像，在图像上添加噪声强度为标准偏差为1.0的高斯噪声。