非局部變換域圖像去噪與增強(qiáng)及其性能評價研究.pdf

1、圖像去噪是圖像處理研究中的一個基礎(chǔ)課題?，F(xiàn)有的圖像去噪方法分為局部方法與非局部方法兩種,其中非局部平均(NLM)方法是近幾年才提出的一種全新的圖像去噪策略。最近發(fā)展起來的塊匹配三維協(xié)同濾波(BM3D)有效地結(jié)合了局部變換方法與非局部思想,被公認(rèn)為當(dāng)前最好的圖像去噪方法。本文通過深入研究BM3D方法中的一些不足提出了幾種對BM3D的改進(jìn)算法,獲得了比BM3D方法更好的圖像去噪結(jié)果。圖像細(xì)節(jié)增強(qiáng)是圖像處理研究中的另一個重要課題。變換域圖像細(xì)

2、節(jié)增強(qiáng)的前提是圖像中呈線狀奇異性的弱細(xì)節(jié)信息能夠得到有效地表示,通過放大弱細(xì)節(jié)系數(shù)以達(dá)到圖像增強(qiáng)的目的。非下采樣輪廓波變換(NSCT)作為當(dāng)前最好的線狀奇異性表示方法能有效表示圖像中的邊緣或紋理等圖像細(xì)節(jié)信息,但這種局部變換方法是通過卷積核與圖像卷積運(yùn)算來實現(xiàn)圖像細(xì)節(jié)表示的,在對增強(qiáng)后的變換系數(shù)執(zhí)行逆變換后,圖像邊緣周圍會有比較嚴(yán)重的光暈現(xiàn)象產(chǎn)生。本文提出了一種非局部線狀奇異性表示方法,將其應(yīng)用于圖像增強(qiáng)獲得了比較理想的圖像增強(qiáng)結(jié)果并且

3、基本不引入光暈假信號。對于圖像去噪與增強(qiáng)的性能評價問題,本文提出了一種基于圖像水印的去噪與增強(qiáng)性能評價方法。主要研究內(nèi)容包括：
　　 ⑴BM3D方法通過塊匹配把一些相似的圖像塊堆疊成三維矩陣,再對三維矩陣執(zhí)行可分的三維變換,用硬閾值方法收縮變換系數(shù)以達(dá)到圖像去噪目的。盡管BM3D方法較好地保留了圖像細(xì)節(jié),但由于對圖像塊進(jìn)行的二維變換是局部變換,所以會引入假信號。尤其當(dāng)噪聲強(qiáng)度相對較大時,引入的假信號更為明顯。另外,BM3D方法還

4、存在一個噪聲強(qiáng)度較大時去噪性能急劇下降的問題。本文對強(qiáng)噪情況下BM3D方法如何能更少引入假信號以及如何更有效地解決強(qiáng)噪情況下去噪性能急劇下降問題進(jìn)行了深入研究。通過分析塊匹配群組中的圖像塊數(shù)、塊尺寸以及塊匹配前對圖像塊預(yù)濾波等一系列因素對去噪結(jié)果的影響,提出了一種比原始BM3D更有效的方法,獲得了比原始BM3D更好的圖像去噪結(jié)果,尤其在去噪后的圖像中引入了更少的假信號。
　　 ⑵BM3D方法強(qiáng)有力的去噪性能主要來源于該方法對圖像

5、的增強(qiáng)的稀疏表示,這種增強(qiáng)的稀疏性是因為塊匹配后的各塊是彼此高度相似的以及對塊匹配群組結(jié)果執(zhí)行了可分的三維變換。但BM3D過度地強(qiáng)調(diào)了稀疏性,致使對每個塊的二維變換仍為局部變換。本文把BM3D方法中對三維矩陣的可分三維變換改為兩次迭代的塊間的一維變換,即更增強(qiáng)了第三維上的稀疏性,而弱化了各塊自身的稀疏表示,實現(xiàn)了有效的非局部變換,從而在去噪結(jié)果中引入了更少的假信號。由于本文方法在兩次一維變換中用了更少的塊,在保留圖像細(xì)節(jié)方面也優(yōu)于原始的

6、BM3D方法。本文將這種方法稱為塊匹配一維一三維(BM1-3D)變換域濾波。
　　 ⑶從人類視覺感知來說,一幅噪聲水平處處相同的含噪圖像的平滑區(qū)域看起來會比輪廓區(qū)域或紋理區(qū)域噪聲強(qiáng)度大?；谶@一事實,本文提出一種基于圖像形態(tài)分量的尺寸自適應(yīng)塊匹配變換域濾波圖像去噪算法。用圖像塊的離散余弦變換(DCT)的交流分量能量將圖像塊劃分為平滑、輪廓與紋理三種形態(tài)分量,對不同的形態(tài)分量用尺寸不同的塊執(zhí)行多級塊匹配一維一三維變換域濾波來提高圖

7、像去噪性能。實驗結(jié)果表明,提出的算法的圖像去噪結(jié)果無論是客觀評價還是主觀視覺質(zhì)量都優(yōu)于BM3D方法。
　　 ⑷輪廓與紋理是自然圖像中的重要信息并呈線狀奇異性,鑒于正交小波只能較好表征點狀奇異性,一種具有平移不變性的線狀奇異性表示方法NSCT已被提出。然而NSCT仍是局部變換,對變換的圖像細(xì)節(jié)系數(shù)執(zhí)行增強(qiáng)操作并逆變換后,往往會引入較強(qiáng)的光暈假信號。為了減弱光暈假信號,本文提出了一種非局部線狀奇異性表示方法。以圖像中某鄰域的中心為參

8、考點,以該參考點的空域K近鄰坐標(biāo)點為各圖像塊的左上角坐標(biāo)抽取K個圖像塊,抽取的圖像塊一般具有相似的平滑背景,但圖像細(xì)節(jié)在每個塊中所處的位置一般存在差異,執(zhí)行這些塊間的Haar變換后,圖像中的線狀奇異性就能得到有效表示。本文在提出的非局部線狀奇異性表示方法的基礎(chǔ)上提出了一種有效的圖像增強(qiáng)算法,所提出的圖像增強(qiáng)算法基本不引入光暈假信號。實驗結(jié)果表明,無論是客觀評價標(biāo)準(zhǔn)還是主觀視覺質(zhì)量,本文方法的圖像增強(qiáng)結(jié)果都優(yōu)于現(xiàn)有的一些較好的圖像增強(qiáng)方法

9、。
　　 ⑸圖像水印是一種有效的數(shù)字圖像版權(quán)保護(hù)手段。本文提出了一種半下采樣小波變換,將水印嵌入到變換域的低頻子帶以提高水印的透明性與魯棒性。水印實質(zhì)上是一種加性噪聲,本文提出了一種基于圖像水印的圖像去噪與增強(qiáng)性能評價方法,從嵌入水印的圖像去噪與增強(qiáng)結(jié)果中提取的水印的位錯誤率(BER)來評價圖像去噪與增強(qiáng)的性能。針對水印對幾何攻擊的魯棒性問題,本文提出了水印對旋轉(zhuǎn)攻擊與剪切攻擊的重同步算法。實驗結(jié)果表明,提出的基于水印的圖像去噪