[发明专利]基于Surfacelet变换域混合高斯模型的视频去噪方法

摘要

本发明公开了一种基于Surfacelet变换域混合高斯模型的视频去噪方法，主要改善视频去噪效果，同时有效的解决伪影、拖尾和伪吉布斯效应问题。其实现过程是：(1)输入含噪视频，进行Surfacelet变换；(2)估计各方向子带噪声标准差；(3)估计理想信号标准差；(4)计算Surfacelet变换域各个系数的自适应阈值；(5)根据阈值计算掩膜值；(6)对掩模为0的系数分布用指数分布拟合，对掩模为1的系数分布用混合高斯模型拟合；(7)计算自适应收缩因子；(8)根据自适应收缩因子，得到收缩后Surfacelet变换系数；(9)进行Surfacelet反变换得到去噪后视频。本发明与现有技术相比，能够更好的去除噪声，更好地保留图像的纹理和细节信息，可用于自然视频去噪和三维图像去噪。

主权项

1.一种基于Surfacelet变换域混合高斯模型的视频去噪方法，包括如下步骤：(1)对含噪视频Xn(i，j，k)进行Surfacelet变换，分解四层，得到Surfacelet变换系数子带集合{y_n，t}，该集合内第n层，第t方向的一个子带的任一系数为y_n，t(i，j，k)，每一个子带都是一个三维矩阵，n＝1，2，3，4，(i，j，k)表示子带内任一点的坐标；(2)估计第n层各方向子带噪声标准差σ_n；(3)估计理想信号标准差σ_n，t(i，j，k)；(4)根据得到的理想信号标准差σ_n，t(i，j，k)，通过下式计算Surfacelet变换域系数y_n，t(i，j，k)的自适应阈值T_n，t(i，j，k)：Tn,t(i,j,k)=r·σn2σn,t(i,j,k),]]>其中：r=6;]]>(5)根据上述阈值，对Surfacelet变换域系数y_n，t(i，j，k)进行分类，即将y_n，t(i，j，k)的绝对值大于阈值T_n，t(i，j，k)的系数分为1类，将y_n，t(i，j，k)的绝对值小于阈值T_n，t(i，j，k)的系数分为0类；(6)计算Surfacelet变换域的自适应收缩因子β_n，t(i，j，k)：(6a)通过下式计算Surfacelet变换域系数y_n，t(i，j，k)的似然概率ξ_n，t(i，j，k)：ξn,t(i,j,k)=p(|yn,t(i,j,k)|/1)p(|yn,t(i,j,k)|/0),]]>其中，对1类的系数分布用混合高斯模型进行拟合，p(|y_n，t(i，j，k)|/1)为1类的概率密度，对0类的系数分布用指数分布进行拟合，p(|y_n，t(i，j，k)|/0)为0类系数y_n，t(i，j，k)的概率密度；(6b)通过下式计算Surfacelet变换域系数y_n，t(i，j，k)的先验概率η_n，t(i，j，k)：ηn,t(i,j,k)=exp{γ·[max(Σk∈∂(l)(2xk-1))]},]]>其中，x_k∈{0，1}，γ为控制参数，取值越大去噪结果越平滑，表示m×m×m的空间邻域，m＝3，5，7...；(6c)通过下式计算Surfacelet变换域自适应收缩因子β_n，t(i，j，k)：βn,t(i,j,k)=ξn,t(i,j,k)·ηn,t(i,j,k)1+ξn,t(i,j,k)·ηn,t(i,j,k);]]>(7)根据自适应收缩因子，通过下式得到收缩后的Surfacelet变换系数Y_n，t(i，j，k)：Y_n，t(i，j，k)＝β_n，t(i，j，k)·y_n，t(i，j，k)；(8)对所述Y_n，t(i，j，k)进行Surfacelet反变换得到去噪后视频X(i，j，k)。