[发明专利]用单幅图像分布参数样本反演高斯噪声方差的盲测定方法

权利要求书

1.一种用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于以自然图像的高阶统计特性为基础，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据一组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布参数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接搜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计，具体步骤为：

步骤1： 去均值：输入一幅含噪声图像                                                ,计算含噪图像的平均值,然后得到去均值图像；

  步骤2: 构造一组正交滤波器，其中为滤波器的个数；

  步骤3：根据正交滤波器组对去均值图像进行分频处理，构造不同频率滤波的图像序列 ；

步骤4: 利用不同频率滤波图像序列，计算每幅滤波图像的峰度和方差或标准方差，得到个峰度和个方差样本或标准方差；

步骤5：对N个峰度进行幂指数衰减，得到个衰减的峰度样本值；

步骤6：利用步骤5计算的个衰减的峰度样本值和步骤4计算的个方差样本，构造未知噪声方差或标准方差的最小化拟合反演模型，其中: 为未知变量； 为未知变量，表示理想没有污染的图像的峰度；

步骤7: 利用直接搜索法求解最小化反演模型，将搜索得到的最小点作为噪声方差的最优估计。

2.根据权利要求1所述的用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于步骤1中，去均值的过程为：输入一幅大小的含噪声图像，其中表示图像像素点的行数、表示图像像素点的列数；计算含噪图像的平均值，然后得到去均值图像， 其中平均值由如下公式计算

其中,分别表示图像的像素点所在的行数和列数, 。

3.根据权利要求1所述的用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于步骤2中，基于2维离散DCT函数，构造一组正交滤波器，，构造过程为：

     根据2维离散DCT函数生成个的DCT矩阵 ,其中分别表示DCT函数水平方向和垂直方向的频率参数，且；矩阵的各元素由如下公式计算

,                                          

其中：分别表示矩阵中各元素所在的行数和列数，

其中: 

 按照径向频率且,由小到大对各个DCT矩阵,进行排序,得到排序后的个大小的DCT矩阵：

 利用排序后的个大小的DCT矩阵，按照逐行扫描的方式将每个矩阵转换为长度为的1维向量, 得到个1维向量；

 将个1维向量分别作为个滤波器的元素,进而构造一组正交滤波器。

4.根据权利要求1所述的用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于步骤3中，根据滤波器组对去均值图像进行分频处理，是根据卷积公式计算不同频率DCT滤波的图像序列 ,即满足如下关系 

；

其中: 为卷积算子。

5.根据权利1所述的用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于步骤4中利用不同频率滤波序列 来计算每幅滤波图像的峰度和方差,得到个峰度和个方差样本或标准方差，计算关系为：

   峰度:     

   方差:    

   标准方差: 。

6.根据权利1所述的用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于步骤5中对峰度进行幂指数衰减，得到幂指数衰减的峰度样本值，其中幂指数权重的计算关系为：

       ，。

7.一种用单幅图像分布参数样本反演高斯噪声方差的盲测定方法，其特征在于以自然图像的高阶统计特性为基础，利用图像峰度和方差之间存在的内在蕴含关系以及峰度随图像频率衰减下的近似不变性；根据一组预先构造的正交滤波器对去均值图像进行分频处理，构造不同频率滤波图像；计算不同频率滤波图像的峰值和方差，并对峰度按照低频到高频进行衰减，构造分布参数样本；将噪声的方差看作未知量，建立噪声方差的优化反演模型，然后利用直接搜索法通过求解该反演模型的最小点，将求得的最小点作为噪声方差的估计，具体步骤为： 

步骤1： 去均值：输入一幅含噪声图像,计算含噪图像的平均值,然后得到去均值图像； 

  步骤3：将预先构造的正交滤波器存放在存储单元中，根据正交滤波器组对去均值图像进行分频处理，构造不同频率滤波的图像序列 ；

步骤4: 利用不同频率滤波图像序列 ,计算每幅滤波图像的峰度和方差或标准方差，得到个峰度和个方差样本或标准方差；

步骤5：对N个峰度进行幂指数衰减，得到个衰减的峰度样本值；

步骤6：利用步骤5计算的个衰减的峰度样本值和步骤4计算的个方差样本，构造未知噪声方差或标准方差的加权最小化拟合反演模型；

步骤7: 利用直接搜索法求解最小化反演模型，将搜索得到的最小点作为噪声方差的最优估计。