[发明专利]一种高斯噪声的图像噪声强度估计方法

说明书

本发明公开了一种高斯噪声的图像噪声强度估计方法，包括以下步骤：对图像进行分块处理，获得多个分块图像；对分块图像进行滤波；将原始的分块图像与之对应的滤波后的分块图像做差，并将差值通过差值直方图的形式记录；对差值直方图中差值大的像素数进行削减处理；分别求出差值直方图中差值的正数部分的平方均值和负数部分的平方均值，提取正数部分的平方均值和负数的平方均值中最小的值，作为分块图像的噪声强度；求出每个分块图像的噪声强度值，从每个分块图像中的噪声强度值中提取最小值作为整个图像的噪声强度；本发明可以降低图像边缘纹理的影响从而进一步估计真实的噪声。

技术领域

本发明属于数字图像处理领域，特别涉及一种高斯噪声的图像噪声强度估计方法。

背景技术

图像去噪有广泛的应用，经典的去噪算法如BM3D，Non Local Means都有非常好的去噪效果。但是一般去噪算法都需要知道噪声程度以去噪，像BM3D，Non local Means算法的去噪过程都需要已知噪声的方差大小并在计算过程中将噪声方差作为参数。

对图像去噪时，我们经常会需要对于图像的噪声水平进行估计，我们用噪声的方差来描述噪声的强度大小。噪声估计不准会对去噪过程产生不良的影响。如果估计过高，去噪过程会去除一些不该去除的纹理。如果估计过低，去噪过程会保留过多的噪声。

我们认为噪声图像是原图与噪声之和。

I_n(x,y)=I(x,y)+N(x,y)；I为原图，N为高斯噪声，I_n是我们要估计噪声的噪声图像。

如果原始图像的I中的像素值是一个恒定值，比如原始图像的所有像素值I(x,y)是100，那图像的噪声水平很好估计。可是一般情况下，图像存在大量的边缘纹理信息，I(x,y)值变化很大，很难区分I_n(x,y)中的噪声与图像边缘纹理，因此很难估计噪声水平。

现有的噪声估计算法基本流程是：

1. 对于噪声图像进行小范围的滤波。（比如说是均值滤波或是中值滤波）

2. 将噪声图像与滤波后的图像做差。

3．以获得的差值的平方均值来近似噪声的方差。

现有的噪声估计算法通过噪声图I_n小范围滤波近似原始图I，将做差结果作为噪声N的估计值，然后用差值的平方均值来近似噪声的方差。

现有的不同的噪声估计算法的差别基本是滤波方式的不同，以期望获得更准确的噪声估计值。但其实采取十分复杂的滤波方式其效果与基本的中值滤波，均值滤波获取的噪声估计值的准确度是差不多的。因为我们不知道图像边缘纹理的相应信息。

现有的算法强调通过选择合适的滤波器，将噪声与图像边缘纹理区分处理，提出的差值描述噪声而非边缘纹理。但其实图像边缘纹理的结构千变万化，我们即使合适的滤波器也没有办法将噪声与图像的边缘纹理彻底区分。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足提供一种高斯噪声的图像噪声强度估计方法，本高斯噪声的图像噪声强度估计方法可以降低图像边缘纹理的影响从而进一步估计真实的噪声。

为实现上述技术目的，本发明采取的技术方案为：

一种高斯噪声的图像噪声强度估计方法，包括以下步骤：

步骤1：对图像进行分块处理，获得多个分块图像；

步骤2：对分块图像进行滤波；

步骤3：将原始的分块图像与之对应的滤波后的分块图像做差，并将差值通过差值直方图的形式记录；

步骤4：对差值直方图中差值大的像素数进行削减处理；