基于Surfacelet变换的视频去噪方法研究

• 作 者: 李杰
• 机 构: 西安电子科技大学
• 出 处: 西安电子科技大学
• 发表日期: 2012年期
• 关键词: 视频去噪 Surfacelet变换 自适应阈值 对数正态分布模型 蒙特卡罗方法

视频图像信号在发送、传输、接收的过程当中常常会受到噪声影响,使得视频图像变得模糊,无法识别其中的重要信息而这些噪声会影响到我们观看到的最终效果,会影响对视频序列的进一步处理。因此,如何有效地去除视频图像中的噪声一直是人们不断关注和探讨的课题。在对视频图像进行处理或者应用时,如何保留视频图像中的有用信息,如何捕捉视频图像中的曲面奇异,是一个热点也是一个难点。Surfacelet变换(ST)是一种新的3D变换,它是通过多尺度金字塔和多维方向滤波器组的结合而提出的。因此,它能有效捕获和表示光滑表面信号奇异,具有多方向分解、各向异性、高效率的树结构滤波器组、完全重建和低冗余度等性质,非常适合视频图像处理。分析视频图像信号在Surfacelet变换域中的特性,本文研究了基于阈值和系数收缩的视频去噪方法：1.提出了一种基于Surfacelet系数邻域相关特性的自适应阈值视频去噪方法。根据视频信号的Surfacelet变换域内系数的邻域相关特性和噪声在不同尺度的分布特征,有选择性地加入邻域的空间信息和方向结构信息,对子带中的每个系数都能够准确地计算出相对应的阈值,因此对于视频的噪声具有更强的抑制能力。2.提出了一种基于Surfacelet变换的系数自适应收缩视频去噪方法。首先,计算变换域中每一个系数对应的阈值和分类掩模。其中阈值用于构造系数的能量比,分类掩模用于计算系数的先验比,并且考虑到三维空间结构和方向邻域的特点,合理地构造出最理想的邻域结构从而得到系数的最佳先验比。然后,通过所得到能量比和先验比计算系数对应的收缩因子,从而对系数进行收缩处理；最后,对处理后的系数进行ST逆变换得到去噪后的视频序列。3.提出了一种基于Surfacelet域对数正态分布模型的视频去噪方法。采用蒙特卡罗方法估计Surfacelet变换域中的噪声概率分布,然后计算出每一个系数对应的阈值,对系数进行分类；然后计算系数的先验比和似然比。由于对数正态分布概率密度函数能够更好地描述ST系数的分布情况,所以采用对数正态分布模型拟合ST系数的似然比概率。通过所得到先验比和似然比计算系数的收缩因子,对系数进行收缩处理。