一種基于分塊噪聲方差估計的圖像累積信噪比計算方法
【專利摘要】本發(fā)明公開了一種基于分塊噪聲方差估計的圖像累積信噪比計算方法，利用圖像分割處理中的分水嶺分割方法，將圖像分為強度均勻一致的分塊，并利用分塊仿射重建方法估計出原始圖像信號結果，同時，對于仿射重建結果，進行了邊界模糊處理，得到最佳的邊界模糊圖，并結合噪聲散點分布，用不同的權重因子將各區(qū)間信噪比進行累積，得到圖像累積信噪比指標。本發(fā)明可應用于圖像復原、去噪、評價等領域，利用累積信噪比評價指標，可以準確評價圖像質(zhì)量的好壞。
【專利說明】一種基于分塊噪聲方差估計的圖像累積信噪比計算方法
【技術領域】
[0001]本發(fā)明涉及計算機圖像處理技術，尤其涉及一種基于分塊噪聲方差估計的圖像累積信噪比計算方法。
【背景技術】
[0002]隨著數(shù)字多媒體技術的飛速發(fā)展，越來越多的數(shù)字圖像和視頻應用于人們生活的各項領域，數(shù)字化已經(jīng)成為未來科技發(fā)展的必然趨勢。在數(shù)字圖像的獲取、壓縮、傳輸、儲存和處理的過程中，總會受到各種退化因素的影響，造成圖像降質(zhì)退化，嚴重影響了圖像的視覺感受質(zhì)量。對于有效的圖像質(zhì)量評價方法的研究逐漸成為了數(shù)字圖像處理技術中一個研究的熱點。
[0003]現(xiàn)有的圖像質(zhì)量評價方法主要分為主觀評價方法和客觀評價方法。主觀評價方法通過人眼直接判斷圖像質(zhì)量的好壞，是最可靠的評價方法，但是由于其需要耗費大量的人力和時間成本，且無法應用于實時在線的評價系統(tǒng)，限制了它的應用和發(fā)展?？陀^圖像評價方法成為了圖像質(zhì)量評價法的發(fā)展趨勢。傳統(tǒng)的信噪比指標是經(jīng)典的客觀評價方法，它利用圖像信號與噪聲的方差之比作為圖像質(zhì)量的評價指標，信噪比指標越高表示圖像質(zhì)量越聞。
[0004]在有原始清晰圖的情況下，信噪比指標比較容易計算。但是很多實際的應用場合，原始清晰圖像是無法獲得的，只能從單幅降質(zhì)圖像中來計算得到圖像信噪比的指標?，F(xiàn)有的圖像信噪比計算方法主要包括方差法、局部方差法、基于邊緣塊剔除的局部方差法等等，他們多數(shù)是基于圖像均勻矩形分塊估計噪聲方差，但往往圖像中不會存在規(guī)則的亮度均勻一致的場景。這種分塊方式對圖像強度均勻區(qū)域的劃分是粗糙，且對圖像內(nèi)容或某些模糊非常敏感，導致信噪比計算結果非常不穩(wěn)定。圖像噪聲水平估計的不準確性，嚴重限制了圖像信噪比評價算法的應用。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種利用基于分塊噪聲方差估計的圖像累積信噪比指標計算方法，能從單幅圖像中較為準確的計算出圖像累積信噪比指標，本發(fā)明所提出的累積信噪比SNRA(Signal-to-Noise Ratio Accumulation)指標值,具有很好的單調(diào)性和適用性,評價結果能夠和人眼主觀視覺感受一致。
[0006]本發(fā)明基于圖像分塊噪聲方差估計，提出了一種圖像累積信噪比指標的計算方法，其主要思路是:
[0007]1、基于圖像分塊仿射重建方法對噪聲方差水平進行估計，并對仿射重建結果進行邊界模糊處理。
[0008]圖像中噪聲分布并非均勻一致，成像過程中不同光強所引起的噪聲是有所不同的，反映到圖像就表現(xiàn)為圖像噪聲方差是隨灰度的變化而變化的，他們之間有一定的函數(shù)關聯(lián)。本發(fā)明利用圖像分割處理中的分水嶺分割方法，將圖像分為強度均勻一致的分塊，并利用分塊仿射重建方法估計出原始圖像信號結果。同時，對于仿射重建結果，進行了邊界模糊處理，得到了最佳的邊界模糊圖，削弱了分塊邊界對噪聲估計的影響。
[0009]2、結合噪聲散點分布，用不同的權重因子將各區(qū)間信噪比進行累積，得到圖像累積信噪比指標。
[0010]圖像強度歸一化到[01]，并等分為256個區(qū)間，每個區(qū)間內(nèi)都有區(qū)間均值作為信號，對應的噪聲方差散點的最小值作為區(qū)間均值強度對應的噪聲方差值，即可算出各個區(qū)間的信噪比數(shù)值?？紤]各區(qū)間散點個數(shù)占全體散點個數(shù)的比例值作為區(qū)間權重因子，將各區(qū)間信噪比數(shù)值權重累加，得到最后最終圖像累積信噪比指標。
[0011]具體地，本發(fā)明所提供的一種基于分塊噪聲方差估計的圖像累積信噪比指標計算方法，包括如下步驟:
[0012](I)基于分水嶺法的圖像分割
[0013]用分水嶺分割方法對信噪比待計算圖像f進行近似區(qū)域分割，其基本思想是基于拓撲形態(tài)學理論，把圖像看做測地學上的拓撲地貌，各點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺；
[0014]分割算法后將圖像分為若干大小相當、互不相交的圖像區(qū)域塊，分割后圖像中像素值相似區(qū)域將被分為同一分塊，圖像f被分割成M個區(qū)域{Φ] (?=1，2...Μ)，其中
f= U Ai且$門％=0，(當i關j)，OiS圖像分割區(qū)域分塊，U i為各區(qū)域分塊并集表
示，Oj為與OiF相同的另一分割區(qū)域分塊，0為空集符合，表示任意兩個區(qū)域分塊互不相交。
[0015](2)分割圖像信號仿射重建
[0016]對于步驟(1)分割處理后任意圖像分塊Oi，建立仿射矩陣最優(yōu)化求解問題:
[0017]
【權利要求】
1.一種基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，包括以下幾個步驟: 1)用分水嶺分割方法對目標圖像f進行近似區(qū)域分割，將圖像分割為多個圖像區(qū)域塊； 2)對所有圖像區(qū)域塊，建立式(I)的仿射重建矩陣，求解出最佳仿射矩陣T'；
2.如權利要求1所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，在步驟2)中，將式(I)對T求偏導數(shù)并將導數(shù)置零，得到: LtTL-LtO=O (2) 對于式(2)的矩陣方程求解，轉換為形如MXN=P的矩陣方程的最佳逼近問題Imxn-P |F=min求解，最終求得的最佳仿射矩陣t'為:
T'= (Lt)+ (LtO)L+ 式中，Φ為對應坐標L下的分塊圖像像素值。
3.如權利要求2所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，所述的步驟4)細分為以下步驟: (3)采用
4.如權利要求3所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，在步驟4)的(a)中，u=0，σ從0.25變化至2.5，變化步長為0.25。
5.如權利要求1所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，在步驟6)中，將噪聲散點分布圖中圖像強度歸一化至[01]，并將圖像強度等分為256個區(qū)間
6.如權利要求5所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，所述的目標圖像f為彩色圖像，目標圖像的信噪比指標數(shù)值等于RGB三通道累積信噪比數(shù)值SNRAi (i=R, G，B)的均值。
7.如權利要求5所述的基于分塊噪聲方差估計的圖像累積信噪比計算方法，其特征在于，所述的目標圖像f為灰度圖像，目標圖像的信噪比指標數(shù)值等于灰度通道的累積信噪比數(shù)值SNRA。
【文檔編號】G06T7/00GK103810702SQ201410021046
【公開日】2014年5月21日 申請日期:2014年1月17日 優(yōu)先權日:2014年1月17日
【發(fā)明者】崔光茫, 馮華君, 徐之海, 李奇, 趙巨峰 申請人:浙江大學