[发明专利]一种分层自适应阈值视频去噪方法

说明书

技术领域

本发明涉及一种视频去噪方法，特别涉及一种分层自适应阈值视频去噪方法。

背景技术

随着现代计算机和成像设备处理能力的增强，很多领域展开了对于高分辨率三维和更高维空间立体数据获取和应用研究，包括生物医学图像、视频图像、银河系外天文图像、计算机视觉、以及三维SAR图像等。为了有效地分析和表示这种海量数据，在不同的工程领域，需要创建和应用新的信号处理工具。

视频去除噪声的研究最初以图像为单位逐帧处理，传统的视频去噪方法按空域、时域、变换域来进行划分。空域滤波有中值滤波和系数自适应滤波等滤波方法，对各帧图像均能得到较好的滤波效果。但是在视频应用中，由于空域滤波没有充分利用时域信息，不能得到理想的滤波效果。时域滤波考虑了帧间相关性，但是只适合静止目标，对运动目标会产生伪影等现象。变换域通常都是逐帧去噪，对视频不断变化的特性估计不足。

新的视频去噪算法主要是在原有算法的基础上加入运动检测估计，利用视频各帧图像的运动相关性，可以有效的解决伪影、拖尾等现象。另外一种新的视频去噪算法是将时间作为一维，将视频信号作为特殊的三维信号，整体做三维变换，也能够取得较好的去噪效果。

人们已经提出了多种对于这种图像数据的稀疏表示方法，其中多尺度分析方法最为引人注目。然而，绝大数的三维变换都是可分一维变换的组合，不是真正意义上的三维变换，这类变换得到的子带会混淆三维信号的方向信息，不适合处理图像立方体。如：Lexing Ying和Candes等人提出了Curvelet变换的三维形式，即3D-Curvelet，具有良好的方向选择性，但是其过大的冗余度（约40倍）使得算法效率非常低；Bamberger提出一个三维子带分解方案，通过利用棋盘格滤波器组分别沿着两个正交信号平面来实现，这个信号平面由二维平面上的一个二维方向滤波器组（DFB）进行分解。然而，所得到的通带形状是三维三角柱，而且不对应于单一方向域，角度分辨率只能沿着其中一个轴细化。为了有效表示高维数据，Yue M.Lu和Minh N.Do在文献中将DFB扩充到高维，从而构成多维方向滤波器组（NDFB），通过多尺度金字塔和NDFB的结合提出了Surfacelet，Surfacelet的多尺度分解定义在频率域，这样其基图像定位在频率域，它能有效捕获和表示光滑表面信号奇异性，并具有多方向分解、各向异性和低冗余度等性质，它能够非常有效的捕捉到三维信号的光滑表面奇异性，非常适合处理三维信号。

但是现有的基于Surfacelet变换的视频去噪算法并不能很好的利用Surfacelet变换优点，没有很好的利用变换域的系数的领域、方向信息。而且Surfacelet变换对硬件的要求较高，也限制它的应用。

发明内容

本发明所要解决的技术问题是提供一种分层自适应阈值视频去噪方法，减少算法复杂度，并在改善视频去噪效果的同时可以有效的解决伪影、拖尾和伪吉布斯效应等现象。

本发明为解决上述技术问题采用以下技术方案：

一种分层自适应阈值视频去噪方法，包含以下步骤：

步骤1，输入含噪视频，并对含噪视频做Surfacelet变换，分解为4层；

步骤2，利用中值估计法估计Surfacelet变换域最高层方向子带噪声标准差：

σ₁＝median(|y(i,j,k)|)/0.6745

式中，y(i,j,k)为最高层Surfacelet变换域某一方向子带；i∈{1,2,3,…,I}，j∈{1,2,3,…,J}，k∈{1,2,3,…,K}；I、J、K分别为该子带的长度、宽度、高度；应用蒙特卡洛算法估计高斯白噪声经过Surfacelet变换后各层噪声标准差关系：

σn=σ1×e1-21+n/10]]>

式中，σ_n为第n层方向子带噪声的标准差；n＝2,3,4…；