张兴强
- 作品数：2 被引量：20H指数：2
- 供职机构：南昌大学信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 局部均值噪声估计的盲3维滤波降噪算法被引量：16
- 2017年
- 目的图像在获取和传输的过程中很容易受到噪声的干扰,图像降噪作为众多图像处理系统的预处理模块在过去数十年中得到了广泛的研究。在已提出的降噪算法中,往往采用加性高斯白噪声模型AWGN(additive white Gaussian noise)为噪声建模,噪声水平(严重程度)由方差参数控制。经典的BM3D 3维滤波算法属于非盲降噪(non-blind denoising algorithm)算法,在实际使用中需要由人工评估图像噪声水平并设置参数,存在着噪声评估值随机性大而导致无法获得最佳降噪效果的问题。为此,提出了一种新的局部均值噪声估计(LME)算法并作为BM3D算法的前置预处理模块。方法本文专注于利用基于自然统计规律(NSS)的图像质量感知特征和局部均值估计技术构建图像噪声水平预测器,并通过它高效地获得噪声图像中准确的噪声水平值。关于自然场景统计方面的研究表明,无失真的自然场景图像在空域或者频率域上具有显著的统计规律,一旦受到噪声干扰会产生规律性的偏移,可以提取这些特征值作为反映图像质量好坏的图像质量感知特征。另外,局部均值估计因其简单而高效率的预测特性被采用。具体实现上,在具有广泛代表性且未受噪声干扰图像集合上添加不同噪声水平的高斯噪声构建失真图像集合,然后利用小波变换对这些失真图像进行不同尺度和不同方向的分解,再用广义高斯分布模型(GGD)提取子带滤波系数的统计信息构成描述图像失真程度的特征矢量,最后用每幅失真图像上所提取的特征矢量及对其所施加的高斯噪声水平值构成了失真特征矢量库。在降噪阶段,用相同的特征提取方法提取待降噪的图像的特征矢量并在失真特征矢量库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值,然后用局部均值法估计出待降噪图像中高斯噪声大小作为经典BM3D算法的输入参数。�
- 徐少平张兴强姜尹楠唐祎玲江顺亮
- 基于噪声估计的自适应块匹配和三维滤波降噪算法被引量：6
- 2017年
- 针对经典的块匹配和三维滤波(BM3D)降噪算法中最为核心的噪声水平(方差)参数在使用中需要人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于经典BM3D算法中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行不同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型参数构成反映噪声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声水平预测模型。实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。
- 徐少平张兴强杨晓辉江顺亮闵卫东
- 关键词：图像降噪噪声估计
