[发明专利]一种基于体素级非局部模型的视频去噪方法

权利要求书

1.一种基于体素级非局部模型的视频去噪方法，其特征在于，包括第一阶段初步去噪、第二阶段精细去噪；

第一阶段，初步去噪包括以下步骤：

S11、执行在原始含噪视频的立方块匹配与行匹配；

S12、将获得的行群组执行可分的二维提升哈尔变换；

S13、S12变换谱图的最左上角一个系数为低频系数，第一行与第一列中除低频系数以外的都为中频系数，剩余的系数全部为高频系数，把高频系数全部设置为零；对其余哈尔变换的系数采用传统的系数硬阈值进行系数收缩，系数硬阈值参数为Thr；

S14、对步骤S13中双硬阈值收缩后的哈尔变换系数执行逆哈尔变换，获得去噪后的二维矩阵，再将此二维矩阵扫描回原来的块；

第二阶段，精细去噪包括以下步骤：

S21、用初步去噪的结果作为参考同步执行初步去噪结果与原始含噪视频的块匹配操作及行匹配操作；

S22、将步骤S21中获得的两个行群组分别执行可分二维哈尔变换；

S23、第一阶段初步降噪的结果的变换系数θ₁对原始含噪视频的变换系数θ₂执行维纳滤波：

S24、对维纳滤波后的含噪视频的系数执行逆哈尔变换，获得去噪后的二维矩阵，再将此二维矩阵扫描回原来的块，最终将这些块加权放回到视频中的原始位置以获得最终去噪后的结果视频。

2.根据权利要求1所述的基于体素级非局部模型的视频去噪方法，其特征在于：所述步骤S11具体执行方法为：按一个指定的步长N_step1提取大小N11×N11×N11的立方块作为参考块，然后在以该块为中心的一个大小为Ns1×Ns1×Ns1三维邻域内进行块匹配获得N21个相似立方块，进而将匹配的所有块进行扫描后拼接成一个N11³×N21二维矩阵，在此二维矩阵上用每一行作为参考行与其余的所有行计算欧式距离，将距离最小的N31行进行群组获得最大程度的视频中相似体素的聚类。

3.根据权利要求2所述的基于体素级非局部模型的视频去噪方法，其特征在于：步骤S11中所用的参数值分别为：N11＝81N21＝161N31＝41NS1＝131N_step1＝71T1r＝2.5。

4.根据权利要求1所述的基于体素级非局部模型的视频去噪方法，其特征在于：在第一阶段用一个通过多次实验获得的经验硬阈值参数对，第一阶段操作实行多次迭代以获得去噪结果。

5.根据权利要求3所述的基于体素级非局部模型的视频去噪方法，其特征在于：所述经验硬阈值参数为2.5。

6.根据权利要求1所述的基于体素级非局部模型的视频去噪方法，其特征在于：所述步骤S21具体执行方法为：按一个大小为的N_step2步长在第一阶段结果中提取大小N12×N12×N12的块作为参考块，然后在以该块为中心的一个Ns2×Ns2×Ns2邻域内进行块匹配获得N22个相似立方块，将匹配的所有块进行列扫描拼接成一个N12³×N22矩阵，在此矩阵上用每一行作为参考行与其余的所有行计算欧式距离，最后将距离最小的N32行群组以获得最大程度的相似体素的聚类。原始含噪视频进行同步的同参数的操作，经过块匹配与行匹配后获得两个同样大小的行群组结果。

7.根据权利要求6所述的基于体素级非局部模型的视频去噪方法，其特征在于：所述步骤S21中所用参数为，N12＝81N22＝161N32＝81NS2＝131N_step2＝7。

8.根据权利要求1所述的基于体素级非局部模型的视频去噪方法，其特征在于：所述步骤23中，按下述公式执行维纳滤波：

其中σ为噪声标准偏差。

9.根据权利要求2所述的基于体素级非局部模型的视频去噪方法，其特征在于，在第二阶段至少进行两次迭代。