專利名稱：使用模式信息濾除圖像噪聲的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像壓縮技術(shù)。更具體地講，涉及一種使用模式信息濾除圖像噪聲的方法。更具體地講，本發(fā)明涉及一種可有效濾除在顯示單元中壓縮圖像之前或之后殘留在圖像邊緣的圖像噪聲，從而基本產(chǎn)生已濾除噪聲的圖像的圖像噪聲濾波方法。
背景技術(shù)：
通常，電荷耦合器件(CCD)或CMOS傳感器具有由于一些光或熱而生成噪聲的特性。這種噪聲不具有高斯(或拉普拉斯)統(tǒng)計特性，但是具有隨信號而定的特性。因此，由于傳感器的噪聲不是白噪聲，因此使用普通噪聲濾波算法很難容易地濾除噪聲。此外，盡管濾除了噪聲，但是信號的高頻部分通過所述濾波而背損害。噪聲濾波是已經(jīng)研究了很久的圖像處理領(lǐng)域之一。這種噪聲濾波算法一般可分為使用恢復(fù)概念的技術(shù)和使用濾波技術(shù)的方法。
由于恢復(fù)技術(shù)基于精確地對噪聲建模，因此可獲得極好的結(jié)果。然而，恢復(fù)技術(shù)計算量很大。因此，通常使用利用圖像的局部區(qū)域的統(tǒng)計特性的方法(例如，局部線性最小均方差(LLMMSE))。
另一方面，可依靠硬件實現(xiàn)的濾波技術(shù)也已用于圖像處理領(lǐng)域。已使用均值系列濾波器以便濾除具有高斯統(tǒng)計特性的噪聲，同時也已使用中值系列濾波器以便濾除具有拉普拉斯統(tǒng)計特性的噪聲。
在均值系列濾波方法中，均值濾波器和中值濾波器用于濾除圖像噪聲。使用均值濾波器濾除圖像噪聲的方法是計算圖像局部區(qū)域的內(nèi)部像素值的均值的基本均值濾波器。這是低通濾波，并具有不僅濾除噪聲，而且濾除圖像所需的高頻部分，導(dǎo)致濾除了圖像的精確部分的缺點。為了解決上述問題，在輪廓不經(jīng)過遮罩的情況下，使用反映圖像非平穩(wěn)特性的等式(1)和等式(2)計算圖像的局部統(tǒng)計量x^AWA(m,n;k)=Σi,j∈Sm,n;kw(i,j;l)y(i,j;l)]]>...等式(1)，
其中，Sm，n，k是遮罩。
w(i,j;l)=k(m,n;k)1+a(max[ϵ2(g(m,n;k)-g(i,j;l))2])]]>...等式(2)，其中，k(m，n；k)是歸一化常數(shù)。
使用中值濾波器的圖像噪聲濾波方法有效地濾除諸如椒鹽噪聲的拉普拉斯噪聲(第一統(tǒng)計噪聲特性)。使用等式(3)計算此濾波方法x^MF(m,n)=median{y(i,j)|(i,j∈Sm,n)}]]>...等式(3)中值濾波器有效濾除除邊界以外的均勻區(qū)域的噪聲。然而，中值濾波器具有損害沿窄線(narrow line)或轉(zhuǎn)角的信息的缺點。
此外，傳統(tǒng)的LLMMSE濾波器基于非平穩(wěn)均值非平穩(wěn)方差(NMNV)圖像模型，并使用等式(4)表示x^LLMMSE(i,j)=E(y(i,j))+σx2(i,j)σx2(i,j)+σn2(i,j)(y(i,j)-E(y(i,j)))]]>...等式(4)，其中，σx2和σn2分別指示x和n的非平穩(wěn)分散度。這里，假設(shè)噪聲分散度σn2是假定或已知的的值。已知的是LLMMSE濾波器平滑均勻區(qū)域(σx2≅σn2)]]>(x^LLMMSE(i,j)≅E(y(i,j))),]]>但無法濾除邊界附近的小像素(σx2＞＞σn2)，如圖1所示(x^LLMSE(i,j)≅y(i,j)).]]>很容易計算均值系列濾波器，從而可以實時實現(xiàn)它。然而，由于通過兩個像素值之間的差來確定用于保持輪廓的加權(quán)函數(shù)，因此均值系列濾波器被噪聲影響，并且不能有效地濾除輪廓周圍的噪聲。此外，因為在均勻區(qū)域?qū)υ肼曔M行太多的平滑處理，所以均值系列濾波器具有使圖像不自然的缺點。
因為由于計算強度而很難用硬件實現(xiàn)中值系列濾波器，所以很少使用中值系列濾波器。LLMMSE濾波器可有效濾除均勻區(qū)域的噪聲，但不能有效地濾除邊界附近區(qū)域的噪聲。此外，如同均值系列濾波器，LLMMSE濾波器具有加權(quán)函數(shù)被噪聲影響的缺點。

發(fā)明內(nèi)容
本發(fā)明提供一種使用模式信息濾除圖像噪聲的方法。本發(fā)明的方法可濾除在壓縮編解碼的預(yù)處理期間傳感器獲得的噪聲，以便提高壓縮效率，并減少在編解碼器的后處理期間由編解碼器造成的噪聲，從而產(chǎn)生高質(zhì)量圖像。


通過下面結(jié)合附圖進行的詳細描述，本發(fā)明的上述和其它特點和優(yōu)點將會變得更加清楚，其中圖1是示出像素以便舉例說明傳統(tǒng)濾波理念的像素的示圖；圖2是示出根據(jù)本發(fā)明的使用模式信息濾除圖像噪聲的系統(tǒng)的方框圖；圖3是示出根據(jù)本發(fā)明的使用模式信息濾除圖像噪聲的方法的流程圖；圖4示出原始圖像；圖5示出由圖2的區(qū)域平均單元和第一低頻濾波單元使用7線的緩沖器濾除了噪聲的圖4的圖像；圖6示出由圖2的模式分析單元和第二低頻濾波單元使用7線的緩沖器濾除了噪聲的圖4的圖像；圖7示出通過提議的算法進行濾除而產(chǎn)生的結(jié)果圖像；圖8示出圖5的受影響部分的放大；圖9示出圖6的圖像的受影響部分的放大；圖10示出圖7的受影響部分的放大；圖11示出加入15dB的SNR噪聲的圖像；圖12示出已在圖11的圖像上執(zhí)行傳統(tǒng)噪聲移除算法之后的所述圖像；圖13示出根據(jù)本發(fā)明濾除噪聲后的圖11的圖像；和圖14和圖15分別示出圖12和圖13的放大示圖，其中，圖14和圖12以及圖15和圖13之間的各個差異通過其有關(guān)部分的放大而變得明顯。
具體實施例方式
以下，參照附圖來詳細說明本發(fā)明的優(yōu)選實施例。為了清楚和簡明的目的，這里將省略對并入的已知功能和結(jié)構(gòu)的描述，以避免使本發(fā)明的主題不清楚。
圖2是示出根據(jù)本發(fā)明的使用模式信息濾除圖像噪聲的系統(tǒng)的方框圖。
參照圖2，根據(jù)本發(fā)明的濾除圖像噪聲的系統(tǒng)包括區(qū)域離散單元21、活動率(activity)切換單元22、區(qū)域平均單元23、第一低頻濾波單元24、模式分析單元25和第二低頻濾波單元26。
對于輸入圖像信號，區(qū)域離散單元21確定在低頻的權(quán)重以便反映信號的統(tǒng)計特性。
活動率切換單元22比較區(qū)域分散度和噪聲分散度，并執(zhí)行頻率切換，從而如果區(qū)域分散度小于噪聲分散度，則可濾除在低頻的噪聲，而如果區(qū)域分散度大于分散度基準，則可濾除在高頻的噪聲。
區(qū)域平均單元23均衡具有低頻圖像信號的區(qū)域。
第一低頻濾波單元24基于區(qū)域分散度，考慮到用于確定噪聲去除的范圍的統(tǒng)計特性，從由區(qū)域平均單元23均衡的圖像濾除噪聲。
模式分析單元25搜索具有與同當前像素相同模式的像素，并通過向所述像素分配權(quán)重來分析模式。
第二低頻濾波單元26根據(jù)由模式分析單元分析的模式基于像素的相似度來濾除噪聲。
下面，參照圖3描述根據(jù)本發(fā)明的使用模式信息濾除圖像噪聲的方法。
本發(fā)明基本包括考慮信號的部分特性(partial characteristic)，用于確定頻率的切換算法、低頻噪聲的濾除和高頻噪聲的濾除。
參照圖3，當從外部輸入圖像信號時，本發(fā)明執(zhí)行測量輸入圖像信號的部分頻率(partial frequency)的步驟。通常，可從高頻的范圍確定信號的頻率。盡管為了確定高頻的范圍可直接使用高頻濾波，但是本發(fā)明的優(yōu)選實施例基于信號的統(tǒng)計特性和相似度獲得區(qū)域分散度和噪聲分散度(S31)。更具體得說，本發(fā)明執(zhí)行對于輸入圖像信號執(zhí)行區(qū)域離散，從而以預(yù)定像素大小來離散所述圖像信號；計算區(qū)域離散的圖像信號的平均亮度，并對于輸入圖像信號執(zhí)行噪聲離散；區(qū)域分散度度量用于確定在低頻的權(quán)重以及以不同的方法劃分和處理信號的頻率。使用等式(5)獲得根據(jù)本發(fā)明優(yōu)選實施例的區(qū)域分散度VL(i，j)vL(i,j)=1MNΣ<m>Σ<n>{y(m,n)-mL(i,j)}2]]>...等式(5)，其中，M和N表示遮罩的長度和寬度，mL(i，j)指示在位置(i，j)的區(qū)域均值。
使用等式(6)獲得mL(i，j)mL(i,j)=1MNΣ<m>Σ<n>y(m,n)]]>...等式(6)，在本發(fā)明的優(yōu)選實施例中，如果像素的區(qū)域分散度小于2vN，則確定頻率是低的，而如果所述區(qū)域分散度大于2VN，則確定頻率是高的。
作為在步驟S33測量頻率的結(jié)果，當圖像信號的頻率低時，確定圖像信號的區(qū)域均值，然后通過反映統(tǒng)計特性從圖像信號慮除噪聲(S34和S35)。
具體說來，在本發(fā)明的去除低頻噪聲的方法中，確定低頻區(qū)域與均勻區(qū)域?qū)嵸|(zhì)上是相似的。由于可通過現(xiàn)有方法執(zhí)行均勻區(qū)域中噪聲的去除，因此本發(fā)明實施例使用局部線性最小均方差(LLMMSE)濾波器。使用等式(7)并基于區(qū)域分散度獲得確定在LLMMSE濾波器中噪聲去除的范圍的權(quán)重x^LLMMSE(i,j)=E(y(i,j))+σx2(i,j)σx2(i,j)+σn2(i,j)(y(i,j)-E(y(i,j)))]]>...等式(7)，如上所述，如果圖像的區(qū)域分散度σx2(i，j)與σn2相似，則將權(quán)重加到均值。相反，如果σx2(i，j)具有比σn2的值大的值，則將大的權(quán)重添加到y(tǒng)(i，j)。包括LLMMSE濾波器的大多數(shù)現(xiàn)有噪聲去除濾波器的工作原理是將權(quán)重加到邊界區(qū)域的原始信號。根據(jù)所述工作原理，無法濾除邊界區(qū)域的噪聲。
然而，在明顯的離散噪聲的情況下，由于沿著邊界仍然殘留噪聲，所以均勻區(qū)域的噪聲被濾除，但是在邊界區(qū)域的噪聲沒有被濾除。這樣，導(dǎo)致不自然的效果。因此，在本發(fā)明優(yōu)選實施例中，使用LLMMSE濾波器濾除低頻噪聲，通過模式分析濾除高頻噪聲。
同時，作為在步驟S33測量頻率的結(jié)果，當圖像信號的頻率高時，分析圖像信號的模式，然后基于相似度從圖像信號濾除噪聲(S36和S37)。
在根據(jù)本發(fā)明去除高頻噪聲的方法中，必須濾除在諸如邊界的區(qū)域的噪聲。本發(fā)明的方法與傳統(tǒng)方法的不同在于沿著邊界將大的權(quán)重加到原始值。所述方法搜索具有與當前像素相同模式的像素，并將較大的權(quán)重添加到匹配的像素。使用等式(8)獲得噪聲值x^(i,j)=Σ<m>Σ<n>w(m,n)x(m,n)]]>...等式(8)，這里，權(quán)重w(m，n)通過等式(9)中的差矢量L2范數(shù)(difference vectorL2-norm)來獲得w(m,n)=1Ze-[Σ<3>Σ<4>{y(i,j)-y(m+s,n+t)}2]/h2]]>...等式(9)，其中，分母Z是用于使所有權(quán)重的和為1歸一化常數(shù)，h是用于使基于周邊像素之間的距離添加權(quán)重的常數(shù)。通常，h取決于噪聲分散度。
這里，使用高斯權(quán)重的原因是為了將權(quán)重等同地添加到主區(qū)域，以及將小的權(quán)重加到隔開一定距離的位置。如果從∑濾除了在當前位置(i，j)的像素，則可有效地濾除椒鹽噪聲。因此，如果差矢量中的L2范數(shù)很大，則當前像素不同于模式。這樣，將小的權(quán)重加到圖像信號。相反，如果差矢量中的L2范數(shù)很小，則當前像素與模式相同。這樣，將大的權(quán)重加到圖像信號。
因此，可獲得具有與當前像素相同模式的像素的均值，從而在保護邊緣的同時沿邊緣區(qū)域去除噪聲。
下面，將參照圖4到圖15描述根據(jù)本發(fā)明的使用模式信息去除圖像噪聲的方法。
圖4是使用200萬像素的CCD相機拍攝的圖片。在圖4中示出噪聲均勻地出現(xiàn)在整個圖像中。圖5示出由圖2的區(qū)域平均單元和第一低頻濾波單元使用7線的緩沖器濾除了噪聲的圖像。由于取決于低頻和高頻而將權(quán)重添加到圖像，因此頻率低的均勻區(qū)域顯示出適當?shù)钠交?。然而，沒有從諸如邊緣的頻率高的區(qū)域濾除噪聲，以致在邊緣區(qū)域的圖像不自然。
圖6示出由圖2的模式分析單元和第二低頻濾波單元使用7線的緩沖器濾除了噪聲的圖片。在圖6中，沒有根據(jù)頻率而是根據(jù)模式與當前處理的像素的模式的相似度將權(quán)重添加到圖像。這樣，邊緣區(qū)域相對自然。然而，從均勻區(qū)域只濾除了少量的噪聲。
在本發(fā)明中公開的算法避免了在每種情況下的缺點，并只提供優(yōu)點。如圖7所示，根據(jù)本發(fā)明，如圖5所示很好地從均勻區(qū)域濾除了噪聲，并且也如圖6所示有效地從邊緣濾除了噪聲?？赏ㄟ^圖8到圖10中的放大來容易地識別這些結(jié)果。
圖11到圖15示出用于比較算法的關(guān)于輸入圖像的示例的結(jié)果。
圖11示出加入15dB的SNR噪聲的圖像，圖12示出已在所述圖像上執(zhí)行傳統(tǒng)噪聲去除算法之后的同一圖像，而圖13示出根據(jù)本發(fā)明濾除噪聲后的同一圖像。通過檢查圖11的原始噪聲加強圖像和圖12以及圖13的圖像間的差異，可以看出與傳統(tǒng)方法相比，根據(jù)本發(fā)明的方法更有效地從關(guān)于原始噪聲圖像的邊緣濾除噪聲。圖14和圖15分別是圖12和圖13的放大示圖，其中，圖14和圖12以及圖15和圖13之間的差異通過其放大而變得明顯。
如上所述，本發(fā)明執(zhí)行關(guān)于包括噪聲的圖像信號的區(qū)域離散和噪聲離散，然后確定頻率。接著，計算頻率低的圖像區(qū)域的區(qū)域均值，然后根據(jù)統(tǒng)計量從邊緣濾除噪聲，而執(zhí)行頻率高的圖像區(qū)域的模式分析，然后基于相似度從邊緣濾除噪聲。這樣，本發(fā)明的方法可有效濾除傳統(tǒng)方法無法濾除的沿邊緣殘留的噪聲，從而提供濾除噪聲的自然的圖像。
此外，關(guān)于權(quán)重函數(shù)的確定，本發(fā)明不是根據(jù)兩像素值之間的差，而是通過使用周邊像素值來確定權(quán)重函數(shù)。這樣，因為處理的像素值具有極大的相似度，因此本發(fā)明基本不會受噪聲影向，并能提供自然的圖像。
本發(fā)明濾除沿邊緣的模糊，從而增加了在去除模糊之后執(zhí)行的壓縮步驟期間的壓縮效率。此外，當本發(fā)明用作后處理器時，本發(fā)明濾除由于壓縮出現(xiàn)的諸如噪聲、塊效應(yīng)和顫噪效應(yīng)等各種差錯。
盡管已經(jīng)參照其特定優(yōu)選實施例顯示和描述了本發(fā)明，但是本領(lǐng)域的技術(shù)人員應(yīng)該理解，在不脫離由所附權(quán)利要求定義的本發(fā)明的精神和范圍的情況下，可以對其進行形式和細節(jié)上的各種改變。
權(quán)利要求
1.一種使用模式信息去除圖像噪聲的方法，所述方法包括步驟(a)對于輸入圖像信號執(zhí)行區(qū)域離散，從而以預(yù)定像素大小來離散所述圖像信號；(b)計算區(qū)域離散的圖像信號的平均亮度，并對于輸入圖像信號執(zhí)行噪聲離散；(c)基于噪聲離散的圖像信號來切換低頻和高頻；(d)在獲得關(guān)于具有低頻的切換的圖像信號的區(qū)域平均值之后，基于統(tǒng)計量從切換的圖像信號去除噪聲；(e)在對于具有高頻的圖像信號分析之后，基于像素的相似度從由步驟(d)產(chǎn)生的圖像信號去除噪聲。
2.如權(quán)利要求1所述的方法，其中，在步驟(a)使用以下等式獲得區(qū)域離散度vL(i，j)vL(i,j)=1MNΣ<m>Σ<n>{y(m,n)-mL(i,j)}2。]]>其中，M和N代表遮罩的長度和寬度，而mL(i，j)指示在位置(i，j)的區(qū)域均值。
3.如權(quán)利要求2所述的方法，其中，通過以下等式獲得區(qū)域均值mL(i，j)mL(i,j)=1MNΣ<m>Σ<n>y(m,n)。]]>
4.如權(quán)利要求1所述的方法，其中，在步驟(c)，如果像素的區(qū)域離散度小于2vN，則確定頻率是低的，而如果所述區(qū)域離散度大于2vN，則確定頻率是高的vL(i,j)=1MNΣ<m>Σ<n>{y(m,n)-mL(i,j)}2。]]>
5.如權(quán)利要求1所述的方法，其中，在步驟(d)，圖像中的噪聲由LLMMSE濾波器濾除。
6.如權(quán)利要求1所述的方法，其中，步驟(e)還包括步驟識別具有與當前像素相同的模式的像素，并將權(quán)重加到所述識別的像素以濾除噪聲。
7.如權(quán)利要求6所述的方法，其中，使用以下等式將權(quán)重加到所述像素x^(i,j)=Σ<m>Σ<n>w(m,n)x(m,n)。]]>
8.如權(quán)利要求7所述的方法，其中，通過下面等式中的差矢量L2范數(shù)獲得權(quán)重w(m，n)w(m,n)=1&Zgr;e-[Σ<s>Σ<t>{y(i,j)-y(m+s,n+t)}2]/h2]]>其中，分母Z是用于使權(quán)重的和為1的歸一化常數(shù)，h是用于使基于周邊像素之間的距離添加權(quán)重的常數(shù)。
全文摘要
公開一種使用模式信息去除圖像噪聲的方法，所述方法濾除在壓縮編解碼的預(yù)處理期間由傳感器獲得的噪聲，以便提高壓縮率，濾除在編解碼器的后處理期間由編解碼器造成的噪聲，以便獲得高質(zhì)量圖像。所述方法包括步驟(a)對于輸入圖像信號執(zhí)行區(qū)域離散，從而以預(yù)定像素大小來離散所述圖像信號；(b)計算輸入圖像信號的平均亮度，并對于輸入圖像信號執(zhí)行噪聲離散；(c)基于經(jīng)過區(qū)域離散和切換關(guān)于噪聲離散的圖像信號來切換低頻和高頻；(d)在獲得關(guān)于具有低頻的圖像信號的區(qū)域平均值之后，基于統(tǒng)計量去除噪聲；(e)在對于具有高頻的圖像信號分析模式之后，基于像素的相似度去除噪聲。
文檔編號H04N5/21GK1980323SQ200610146748
公開日2007年6月13日 申請日期2006年11月22日 優(yōu)先權(quán)日2005年12月8日
發(fā)明者姜文基, 申建湜, 金昌源, 樸珉奎 申請人:延世大學(xué)校產(chǎn)學(xué)協(xié)力團