[发明专利]一种基于联合熵值检测的图像高斯噪声估计方法

说明书

技术领域：

本发明涉及的是一种基于联合熵值检测的图像高斯噪声估计方法。

背景技术：

高斯噪声是影响图像质量的一种典型噪声源，因此图像中高斯噪声的滤除对于提高图像质量具有重要的意义。图像降噪中一个基础性的工作是对噪声参数的估计，这是因为许多滤噪算法都依赖于噪声参数来执行，而噪声参数实际上又是未知的。对于零均值的高斯白噪声，这一问题就是对噪声方差（或标准差）的估计。针对该问题，目前已有许多专家、学者提出了不同的解决方案。其中应用最广泛的是Donoho提出的基于小波系数的估计法以及一些相应的改进算法，这是由于该方法具有可靠的数学论证和较准确的估计结果。但该方法及相应改进算法易受到图像信号的干扰而常常使得估计值偏大，从而直接导致滤噪效果不佳。

发明内容：

本发明的目的在于克服现有技术的不足，提供一种基于联合熵值检测的图像高斯噪声估计方法。

为了解决背景技术所存在的问题，本发明采用以下技术方案：

一种基于联合熵值检测的图像高斯噪声估计方法，它包括以下步骤：

（1）采用公式计算含噪图像与图像Lena之间的联合熵值；

（2）根据上一步骤计算出的联合熵值，利用公式计算出含噪图像中高斯噪声标准差的估值。

进一步的，在步骤（1）中，计算时利用公式

H(X,Y)=-Σi=130numel(Xi)×numel(Yi)M2×N2×log(numel(Xi)×numel(Yi)M2×N2)]]>

式中X_i表示图像X中灰度值处于第i区间的像素，Y_i含义类同，而numel(X_i)表示X_i中像素数目，numel(Y_i)表示Y_i中像素数目。

进一步的，在步骤（2）中，计算时利用公式

σ(J)＝-299.2039+182.4873×J-20.6306×J²

式中J代表含噪图像与图像Lena间的联合熵值，而σ则表示含噪图像中高斯噪声的标准差。

本发明对比现有技术，有如下的有益效果：本发明的方法能够非常准确地估计出图像中高斯噪声的标准差，性能优于现有的其它方法。

附图说明：

图1是一些实验图像。

图2是图像Lena。

图3是部分仿真实验图像。

图4是本发明的方法流程图。

具体实施方式：