鬼佬大哥大
  • / 11
  • 下載費用:30 金幣  

基于人眼視覺特征和分塊分析法的圖像噪聲估計方法.pdf

摘要
申請專利號:

CN201410153992.1

申請日:

2014.04.17

公開號:

CN103955921A

公開日:

2014.07.30

當前法律狀態:

授權

有效性:

有權

法律詳情: 專利權的轉移IPC(主分類):G06T 7/11登記生效日:20171218變更事項:專利權人變更前權利人:杭州電子科技大學變更后權利人:浙江摩根智能技術有限公司變更事項:地址變更前權利人:310018 浙江省杭州市江干區下沙高教園區2號大街變更后權利人:315000 浙江省寧波市鎮海區駱駝街道長駱路181號|||授權|||實質審查的生效IPC(主分類):G06T 7/00申請日:20140417|||公開
IPC分類號: G06T7/00; G06T5/00 主分類號: G06T7/00
申請人: 杭州電子科技大學
發明人: 趙巨峰; 逯鑫淼; 辛青; 高秀敏
地址: 310018 浙江省杭州市江干區下沙高教園區2號大街
優先權:
專利代理機構: 杭州裕陽專利事務所(普通合伙) 33221 代理人: 應圣義
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410153992.1

授權公告號:

|||||||||

法律狀態公告日:

2018.01.05|||2017.04.12|||2014.08.27|||2014.07.30

法律狀態類型:

專利申請權、專利權的轉移|||授權|||實質審查的生效|||公開

摘要

一種基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,包括:利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖;利用分水嶺分割算法對初步處理圖進行近似區域分割,得到若干分割圖像區域塊,獲得區域分割圖;對區域分割圖中的各個分割區域進行無噪圖像的近似重建,獲得整幅圖像的重建估計無噪圖;根據原始帶噪圖和重建估計無噪圖,獲取強度-噪聲對的分布圖,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲指標。通過結合人眼的視覺特征,將原始的觀測圖像進行分塊分析并進行噪聲評估,最終獲取單一的綜合評估指標值,其結果非常接近人眼視覺系統。

權利要求書

權利要求書
1.  一種基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,包括:
利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖;
利用分水嶺分割算法對初步處理圖進行近似區域分割,得到若干分割圖像區域塊,獲得區域分割圖;
對區域分割圖中的各個分割區域進行無噪圖像的近似重建,獲得整幅圖像的重建估計無噪圖;
根據原始帶噪圖和重建估計無噪圖,獲取強度-噪聲對的分布圖,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲指標。

2.  如權利要求1所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖的具體方法包括:J(x,y)=I(x,y)*S(x,y),I(x,y)為原始帶噪圖像,J(x,y)為初步處理圖,S(x,y)為人眼對比敏感函數,其中S(u,v)=1.5e-σ2(2πu2+v2/60)2/2-e-2σ2(2πu2+v2/60)2,]]>u、v分別代表原始帶噪圖水平、豎直方向的空間頻率分量。

3.  如權利要求1所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,獲得區域分割圖的具體步驟包括:利用分水嶺分割算法對初步處理圖的灰度進行分析,將初步處理圖中灰度和像素值相似區域分為同一分塊,得到若干大小相當、互不相交的分割圖像區域塊,形成區域分割圖。

4.  如權利要求1所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,利用仿射重建法進行無噪圖像的近似重建。

5.  如權利要求4所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方 法,其特征在于,所述仿射重建法具體包括:為重建估計無噪圖,M為仿射矩陣,且為區域分割圖的不同分割圖像區域塊,C為對應的分割圖像區域塊的坐標變量。

6.  如權利要求1所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,獲取強度-噪聲對的分布圖的方法包括:若原始帶噪圖中的圖像區域塊為對應的重建估計無噪圖中的圖像區域塊為則為的均值,σ為的標準差,從而獲得強度-噪聲對將所有圖像區域塊的強度-噪聲對在同一坐標系中畫出,得到強度-噪聲對的分布圖。

7.  如權利要求6所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲水平的方法包括:將分布圖的橫軸歸一化,并將其等分為X個區間,區間內散點個數分布較多的權重較大,響應的散點分布數較少的區間權重較小,噪聲水平累計評價數值定義為:其中min(σl)表示第l(l=1,2,3…X)個區間范圍內噪聲方差值的最小值,作為該區間內的噪聲水平估計值,nl為第l個區間內的噪聲散點個數,ntotal為所有區間的噪聲散點個數。

8.  如權利要求7所述的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,對于彩色圖像,Noise值包含了三個值,分別是RGB三個通道的單一噪聲指標,三個Noise的均值表征原始帶噪圖的噪聲指標;對于灰度圖像,Noise僅一個值表征原始帶噪圖的噪聲指標。

說明書

說明書基于人眼視覺特征和分塊分析法的圖像噪聲估計方法
技術領域
本發明涉及圖像處理技術,尤其涉及一種基于人眼視覺特征和分塊分析法的圖像噪聲估計方法。
背景技術
隨著人類社會向高度數字化方向的發展,數字圖像、數字視頻、數字電視的飛速發展和普及也將成為必然。在數字圖像處理的各種技術中數字圖像在獲取、壓縮、儲存、傳輸和重建等過程中可能會受到各種各樣的退化失真,尤其是噪聲,將不可避免會導致圖像降質的問題,如何更有效地評估圖像噪聲的問題也應運而生,并且成為圖像處理的研究熱點。
因為圖像最終是給人觀看的,所以最佳噪聲評價方式是人眼的主觀評價。但是,這種評價方法的自由度大,并且受觀察者的自身素質、觀測目的、觀測環境和人的某一階段的心理因素等的影響,其操作過于繁雜、耗時、相對昂貴;而且,主觀無法給出一個相對準確的噪聲估計數字,也就是說,人的視覺心理因素很難用準確的數學模型來表達,從而導致評價結果不夠精確,且不便于圖像系統的設計、工程應用中應用。在這種情況下,客觀噪聲評估方法應運而生,其目標就是要自動快速地得到圖像噪聲的量化指標。
目前廣泛采用的噪聲評估方法如局部方差、局部標準差等等,但一般的圖像不可能是亮度均勻的場景,也就是說圖像中含有許多內容,必須在圖像中選擇一塊灰度分布比較均勻的小區域來估算整個圖像的噪聲方差。但是,這些算法對某些模糊或者圖像內容敏感的圖像難以處理,導致應用受限。
此外,大部分噪聲評估方法在定義上來講的確精確嚴格,簡單易行,能 較好確定圖像之間的噪聲水平差別,卻一般都沒有考慮圖像觀測者的視覺心理因素,而圖像評價的主體——人在圖像評價時往往起著很重要的作用,因而客觀評價方法的評價結果很多時候無法與人眼主觀評價的結果相吻合。
發明內容
本發明解決的問題是提供一種基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,利用所述方法獲得的評價結果與人眼主觀評價的結果較吻合。
為解決上述問題,本發明實施例提供了一種基于人眼視覺特征和分塊分析法的圖像噪聲估計方法,其特征在于,包括:利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖;利用分水嶺分割算法對初步處理圖進行近似區域分割,得到若干分割圖像區域塊,獲得區域分割圖;對區域分割圖中的各個分割區域進行無噪圖像的近似重建,獲得整幅圖像的重建估計無噪圖;根據原始帶噪圖和重建估計無噪圖,獲取強度-噪聲對的分布圖,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲指標。
可選的,利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖的具體方法包括:J(x,y)=I(x,y)*S(x,y),I(x,y)為原始帶噪圖像,J(x,y)為初步處理圖,S(x,y)為人眼對比敏感函數,其中S(u,v)=1.5e-σ2(2πu2+v2/60)2/2-e-2σ2(2πu2+v2/60)2,]]>u、v分別代表原始帶噪圖水平、豎直方向的空間頻率分量。
可選的,獲得區域分割圖的具體步驟包括:利用分水嶺分割算法對初步處理圖的灰度進行分析,將初步處理圖中灰度和像素值相似區域分為同一分塊,得到若干大小相當、互不相交的分割圖像區域塊,形成區域分割圖。
可選的,利用仿射重建法進行無噪圖像的近似重建。
可選的,所述仿射重建法具體包括:為重建估計無噪 圖,M為仿射矩陣,且為區域分割圖的不同分割圖像區域塊,C為對應的分割圖像區域塊的坐標變量。
可選的,獲取強度-噪聲對的分布圖的方法包括:若原始帶噪圖中的圖像區域塊為對應的重建估計無噪圖中的圖像區域塊為則為的均值,σ為的標準差,從而獲得強度-噪聲對將所有圖像區域塊的強度-噪聲對在同一坐標系中畫出,得到強度-噪聲對的分布圖。
可選的,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲水平的方法包括:將分布圖的橫軸歸一化,并將其等分為X個區間,區間內散點個數分布較多的權重較大,響應的散點分布數較少的區間權重較小,噪聲水平累計評價數值定義為:其中min(σl)表示第x(l=1,2,3…X)個區間范圍內噪聲方差值的最小值,作為該區間內的噪聲水平估計值,nl為第l個區間內的噪聲散點個數,ntotal為所有區間的噪聲散點個數。
可選的,對于彩色圖像,Noise值包含了三個值,分別是RGB三個通道的單一噪聲指標,三個Noise的均值表征原始帶噪圖的噪聲指標;對于灰度圖像,Noise僅一個值表征原始帶噪圖的噪聲指標。
與現有技術相比,本技術方案具有以下優點:
本發明方法結合人眼的視覺特征,將原始的觀測圖像進行分塊分析并進行噪聲評估,最終獲取單一的綜合評估指標值,其結果非常接近人眼視覺系統。在本發明方法中,只要輸入觀測噪聲圖像,即可得到符合人眼視覺特性的噪聲評估值。本發明方法可應用于圖像去噪、復原、壓縮、儲存、傳輸和重建等等多個圖像處理場合,準確衡量與評估圖像的噪聲水平。
附圖說明
圖1是本發明實施例的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法的流程示意圖;
圖2是本發明實施例的人眼對比敏感函數的曲線圖;
圖3~圖7是本發明實施例的圖像噪聲估計方法對原始帶噪圖進行處理的處理過程示意圖。
具體實施方式
下面結合附圖,通過具體實施例,對本發明的技術方案進行清楚、完整的描述。
請參考圖1,為本發明實施例的基于人眼視覺特征和分塊分析法的圖像噪聲估計方法(Noise Estimation Metric based on Human Visual characteristic,HVSNEM),包括:
步驟S101,利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖;
步驟S102,利用分水嶺分割算法對初步處理圖進行近似區域分割,得到若干分割圖像區域塊,獲得區域分割圖;
步驟S103,對區域分割圖中的各個分割區域進行無噪圖像的近似重建,獲得整幅圖像的重建估計無噪圖;
步驟S104,根據原始帶噪圖和重建估計無噪圖,獲取強度-噪聲對的分布圖,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲指標。
具體的,執行步驟S101,利用人眼對比敏感函數對原始帶噪圖進行處理,獲得初步處理圖。
由于人眼獨特的視覺特性,人眼對不同空間頻率的響應不同,引入人眼對比敏感函數預處理圖像。對比敏感度CS(contrast sensitivity)定義為人眼能覺察的對比度閾值的倒數,即對比敏感度=1/對比度閾值。在某一空間頻率(spatial frequency,SF)下,視覺系統有一定的對比敏感度;反之, 在同一對比度時,視覺系統有一定的空間頻率分辨力(形覺)。
請參考圖2,為本發明實施例的人眼對比敏感函數的曲線圖,以空間頻率SF為橫坐標,單位為周/度,以對比敏感度為縱坐標,所測得的曲線即對比敏感函數(contrast sensitivity function,CSF)。人眼對比敏感函數近似為:在本發明實施例中,σ=2,w=2πf/60,空間頻率為u、v分別代表水平、豎直方向的空間頻率分量,其單位為周/度(cycles/degree),因此,人眼對比敏感函數S(u,v)=1.5e-σ2(2πu2+v2/60)2/2-e-2σ2(2πu2+v2/60)2.]]>
請參考圖3和圖4,圖3是原始帶噪圖,圖4是經過人眼對比敏感函數對原始帶噪圖進行處理后的初步處理圖。
運用人眼對比敏感函數對原始帶噪圖進行處理的方法包括:J(x,y)=I(x,y)*S(x,y),其中I(x,y)為原始帶噪圖像,J(x,y)為初步處理圖,S(x,y)為人眼對比敏感函數,且S(u,v)為S(x,y)的頻率域響應,*表示卷積關系。
由于利用人眼對比敏感函數對原始帶噪圖進行了處理,因此對應的初步處理圖已經為符合人眼興趣觀察的圖像,因此最終獲得的評價結果更符合圖像觀測者的主觀視覺心理。
執行步驟S102,利用分水嶺分割算法對初步處理圖進行近似區域分割,得到若干分割圖像區域塊,獲得區域分割圖。
分水嶺分割算法是一種基于拓撲理論的數學形態學的分割方法,其基本思想是把圖像看作是測地學上的拓撲地貌,圖像中每一點像素的灰度值表示該點的海拔高度,亮度比較大的區域像素值較大,而亮度較小的區域像素值較小,每一個局部極小值及其影響區域稱為集水盆,而集水盆的邊界則形成 分水嶺。分水嶺的概念和形成可以通過模擬浸入過程來說明。在每一個局部極小值表面,刺穿一個小孔,然后把整個模型慢慢浸入水中,隨著浸入的加深,每一個局部極小值的影響域慢慢向外擴展,在兩個集水盆匯合處構筑大壩,即形成分水嶺。
分水嶺的計算過程是一個迭代標注過程。在本發明實施例中,分水嶺計算分兩個步驟,一個是排序過程,一個是淹沒過程。首先對每個像素的灰度級進行從低到高排序,然后在從低到高實現淹沒過程中,對每一個局部極小值在h階高度的影響域采用先進先出(FIFO)結構進行判斷及標注。分水嶺變換得到的是輸入圖像的集水盆圖像,集水盆之間的邊界點,即為分水嶺。顯然,分水嶺表示的是輸入圖像極大值點。因此,為得到圖像的邊緣信息,通常把梯度圖像作為輸入圖像,即
g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5
式中,f(x,y)表示原始圖像,grad{}表示梯度運算,通過尋找“匯水盆地”和“分水嶺界限”,對圖像進行分割。
請參考圖5,經過分割后圖像中像素值相似區域將被分為同一分塊,得到N個大小相當、互不相交的分割圖像區域塊,且各個塊之間無交叉像素,即
由于現有算法對某些模糊或者圖像內容敏感的圖像難以處理,而本發明實施例采用分水嶺分割算法,對微弱邊緣具有良好的響應,對某些模糊或者圖像內容敏感的圖像也能處理。
執行步驟S103,對區域分割圖中的各個分割區域進行無噪圖像的近似重建,獲得整幅圖像的重建估計無噪圖。
在本實施例中,采用利用仿射重建法進行無噪圖像的近似重建,獲得如圖6所示的重建估計無噪圖。
所述仿射重建法具體包括:為重建估計無噪圖,M為最佳仿射矩陣,為區域分割圖的不同分割圖像區域塊,C∈R2為對應的分割圖像區域塊的坐標變量,(Ci,Cj)即第Ci行第Cj列的區域分割圖,而為像素值(R G B),若是彩色圖像則R、G、B不同,若是灰度圖像則R=G=B。
獲得所述最佳的仿射矩陣M的方法包括:由于最佳的仿射矩陣M滿足:

簡化所述方程,得到:

欲求上面方程的最優解,即求對M求偏導且偏導為零情況下的M。于是最優M滿足:

對上述方程的解,將其轉化為矩陣方程BXC=D的最佳逼近問題||BXC-D||F=min,而此矩陣方程極小最小二乘解X=B+DC+,B+為B的廣義逆。因此最終得到近似的最佳仿射矩陣M為:
執行步驟S104,根據原始帶噪圖和重建估計無噪圖,獲取強度-噪聲對的分布圖,利用強度-噪聲對的分布圖獲得原始帶噪圖的噪聲指標。
在本實施例中,獲取強度-噪聲對的分布圖的具體方法包括:若原始帶噪圖中的圖像區域塊為對應的重建估計無噪圖中的圖像區域塊為為的均值,σ為的標準差,從而獲得強度-噪聲對其中為殘差圖,如圖7所示。當原始帶噪圖為彩色圖像時,獲得RGB(Red,Green,Blue)三通道對應的三組強度-噪聲對,將所有圖像區域塊的強度-噪聲 對在同一坐標系中畫出,得到RGB(Red,Green,Blue)三色的強度-噪聲對的分布圖。當原始帶噪圖為灰度圖像時,獲得一組圖像區域塊的強度-噪聲對,將所有圖像區域塊的強度-噪聲對在同一坐標系中畫出,得到一個強度-噪聲對的分布圖。
獲得強度-噪聲對的分布圖后,將分布圖的橫軸歸一化,即將圖像灰度值歸一化,并將其等分為X個區間,區間內散點個數分布較多的權重較大,響應的散點分布數較少的區間權重較小。在本實施例中,由于常見圖像灰階為256,將分布圖的橫軸分為256個區間。
噪聲水平累計評價數值定義為:其中min(σl)表示第l(l=1,2,3…X)個區間范圍內噪聲方差值的最小值,作為該區間內的噪聲水平估計值,nl為第l個區間內的噪聲散點個數,ntotal為所有區間的噪聲散點個數。
對于彩色圖像,Noise值包含了三個值,分別是RGB三個通道的單一噪聲指標,三個Noise的均值表征原始帶噪圖的噪聲指標;對于灰度圖像,Noise僅一個值表征原始帶噪圖的噪聲指標。
在本實施例中,表1所示是噪聲水平的真實情況與估計情況對比。從表1可以發現,估計的σ值(噪聲水平)與仿真加載的真實值非常接近,效果很好。

表1
本發明雖然已以較佳實施例公開如上,但其并不是用來限定本發明,任何本領域技術人員在不脫離本發明的精神和范圍內,都可以利用上述揭示的方法和技術內容對本發明技術方案做出可能的變動和修改,因此,凡是未脫離本發明技術方案的內容,依據本發明的技術實質對以上實施例所作的任何簡單修改、等同變化及修飾,均屬于本發明技術方案的保護范圍。

關 鍵 詞:
基于 視覺 特征 分塊 分析 圖像 噪聲 估計 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:基于人眼視覺特征和分塊分析法的圖像噪聲估計方法.pdf
鏈接地址:http://www.wwszu.club/p-6140654.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大