【正文】 ┊┊┊┊┊┊┊┊┊┊┊┊┊裝┊┊┊┊┊訂┊┊┊┊┊線┊┊┊┊┊┊┊┊┊┊┊┊┊基于MATLAB的圖像三維降噪算法仿真研究摘 要視頻具有直觀、可靠、方便、信息內(nèi)容豐富等特點(diǎn)，因此廣泛應(yīng)用于金融、商業(yè)、交通、住宅、社區(qū)等場合，為這些領(lǐng)域的環(huán)境監(jiān)控和安全防范起到了不可忽略的作用。然而，噪聲的存在是實時視頻監(jiān)控中不可避免的問題，也是影響視頻視覺質(zhì)量的重要因素。因此，降噪技術(shù)是增強(qiáng)視頻視覺質(zhì)量的一個非常重要的手段。本文從上述需求要求出發(fā)：，明確三維降噪優(yōu)勢所在；，通過對傳統(tǒng)去噪算法、非局部均值算法和其改進(jìn)后的自適應(yīng)非局部均值算法進(jìn)行比較，確立了最優(yōu)的二維圖像降噪算法。，結(jié)合多幀圖像采用基于 Non_local means 的運(yùn)動檢測方法自適應(yīng)地區(qū)分圖像的運(yùn)動區(qū)域和靜止區(qū)域，對靜止區(qū)域采用時域加權(quán)均值濾波，對運(yùn)動區(qū)域采用空域 ANL 濾波。實驗結(jié)果表明，基于Nonlocal means的時空聯(lián)合視頻降噪算法由于準(zhǔn)確地區(qū)分了圖像的運(yùn)動區(qū)域和靜止區(qū)域，充分利用了視頻的時域、空域信息，在不造成運(yùn)動拖影的前提下，能夠顯著提高視頻的峰值信噪比和圖像的主觀質(zhì)量，同時基本滿足實時性要求。關(guān)鍵詞 三維視頻降噪，ANL算法，運(yùn)動檢測，時空聯(lián)合I ABSTRACTVideo, because of its advantage of intuition, conwenience, reliability, rich information, and so widely in areas such as finance, merce, traffic, house and munity, and plays an important role in monitoring and protection of the , the existence of noise makes it an inevitable problem in realtime video monitoring, and an important factor to evaluate of quality of video vision. Therefore, noise reduction technology is a very important means of enhancing the visual quality of the video.In this paper，three efforts are involved： the difference between traditional twodimensional noise reduction and threedimensional noise reduction, clear threedimensional noise reduction advantages。 twodimensional noise reduction algorithm in detail, through paring the traditional twodimensional noise reduction algorithm, nonlocal means algorithm and adaptive nonlocal means algorithm , establish the optimal twodimensional image noise reduction algorithm。 on the threedimensional video noise reduction algorithm, by motion detection to multiframe images based on nonlocal means, this algorithm can adaptively distinguish the still regions and motion regions of video image. Temporal weighted average filter to the still regions and spatial ANL filter to the motion regions are used separately.Experimental results show that because of the the precise distinction of the still regions and motion regions,fully utilizing the spatiotemporal information of the video sequences,the proposed algorithm can significantly improve the PSNR and the subjective image quality without movement ghosting, while the realtime requirements could be satisfied basically.KEY WORDS video threedimensional denosing，ANL algorithm, spatiotemporal bination, video denoiseIII 目錄摘 要 IABSTRACT II第一章 緒論 1 論文研究的背景及意義 1 圖像去噪的應(yīng)用 2 論文的組織結(jié)構(gòu) 3第二章 圖像去噪概述 4 圖像的噪聲類型 4 根據(jù)噪聲產(chǎn)生的原因分類 4 根據(jù)噪聲統(tǒng)計特征分類 4 根據(jù)噪聲與圖像的關(guān)系分類 6 圖像去噪方法 7 二維去噪法 7 8 三維降噪的優(yōu)勢所在 9 9 信噪比 9 均方誤差和峰值信噪比 10 結(jié)構(gòu)相似性指標(biāo) 10 11第三章 非局部均值圖像去噪算法 12 非局部均值圖像去噪的基本原理 12 非局部均值去噪算法簡介 13 非局部均值濾波算法的發(fā)展 14 非局部均值濾波算法的缺陷 14 非局部均值算法的改進(jìn) 15 自適應(yīng)非局部均值濾波算法 16 算法仿真結(jié)果 17 各算法主觀效果比較 19 各算法客觀效果比較 22 各算法運(yùn)行時間比較 22 本章小結(jié) 23第四章 基于Nonlocal means的時空聯(lián)合視頻降噪算法 24 基于Nonlocal means的運(yùn)動檢測 24 時空聯(lián)合降噪 25 時域加權(quán)均值濾波 25 空域ANL降噪 26 宏塊大小的選取 28 仿真結(jié)果分析 29 客觀效果比較 29 主觀效果比較 29 算法分析 33 本章小結(jié) 33總結(jié)與展望 34致謝 35主要參考文獻(xiàn) 36附錄 37 第一章 緒論 論文研究的背景及意義在信息化時代，人類接收外界的信息不再是單純地語音，還包括數(shù)據(jù)、文字、圖像和視頻等多種形式，其中絕大部分信息來自于圖像。為了滿足人類在社會生產(chǎn)和生活中與圖像相關(guān)的各方面的要求，對圖像信息進(jìn)行加工處理的圖像處理技術(shù)孕育而生。例如，人們在網(wǎng)絡(luò)上瀏覽、下載、共享豐富的圖像和視頻等多媒體信息：醫(yī)生根據(jù)核磁共振掃描圖像對患者進(jìn)行疾病診斷；科學(xué)家根據(jù)衛(wèi)星遙感圖像對礦產(chǎn)進(jìn)行定位和預(yù)測等。圖像的廣泛應(yīng)用對圖像的表示方法，處理模型和算法提出了新的發(fā)展要求。一般來說，在圖像采集和傳輸?shù)倪^程中，由于所使用的設(shè)備和傳輸通道的局限性，常常使圖像中出現(xiàn)一些隨機(jī)的、孤立的和離散的像素點(diǎn)，即圖像噪聲。圖像噪聲在視覺上通常與它們相鄰的像素明顯不同，表現(xiàn)形式為黑色區(qū)域上的白點(diǎn)或者白色區(qū)域上的黑點(diǎn)，噪聲的出現(xiàn)影響了圖像的視覺效果，甚至妨礙了人們的正常識別。例如，CCD攝像機(jī)在獲取圖像的過程中，傳感器的溫度和光照條件等會引入大量噪聲；圖像在通過無線網(wǎng)絡(luò)傳輸時，光照條件或者其它大氣因素是產(chǎn)生圖像中大量噪聲的主要因素。由于噪聲影響圖像的輸入、采集、處理的各個環(huán)節(jié)以及輸出的全過程，尤其是圖像輸入、采集中的噪聲必然影響全過程以至最終結(jié)果，因此為了提高圖像的質(zhì)量和為后續(xù)更高層次的圖像加工做好預(yù)處理，對含噪圖像進(jìn)行降噪處理成為圖像處理中一項必不可少的重要環(huán)節(jié)。減少數(shù)字圖像中噪聲的過程稱為圖像去噪。近年來，數(shù)字視頻的應(yīng)用表現(xiàn)出迅猛的發(fā)展趨勢。在數(shù)字視頻系統(tǒng)中，數(shù)字視頻的采集、編碼、傳輸、解碼等過程中不可避免地會引入各種噪聲，噪聲的存在不僅嚴(yán)重地影響了視頻的主觀視覺質(zhì)量，而且會影響數(shù)字視頻的后續(xù)處理，例如編碼、識別、視頻跟蹤等等。因此，伴隨著數(shù)字視頻的廣泛應(yīng)用，迫切需要高效的視頻降噪方法。人們對圖像的去噪研究也有近半個世紀(jì)的時間。傳統(tǒng)的二維圖像去噪算法將噪聲和圖像中的細(xì)節(jié)信息以及局部結(jié)構(gòu)同等看待，因此在去除噪聲的同時，也模糊了圖像內(nèi)部的細(xì)節(jié)和紋理等局部結(jié)構(gòu)。在視頻圖像降噪中，時域濾波比空域濾波在保護(hù)邊緣和細(xì)節(jié)方面更具有優(yōu)勢。其次，三維降噪提供了比傳統(tǒng)二維降噪更為清晰的信號，能夠更大程度地節(jié)省磁盤空間，使得硬盤上能夠存儲更多的錄像數(shù)據(jù)。而且，搭載三維降噪技術(shù)的攝像機(jī)能夠提供更清晰、準(zhǔn)確的圖像，使DVR即使在低照度條件下也能更高效的移動偵測。因此，對于三維降噪算法的深入研究，具有重要的理論意義和實用價值。 圖像去噪的研究現(xiàn)狀人們對圖像的去噪研究也有近半個世紀(jì)的時間。圖像去噪技術(shù)已經(jīng)被廣泛研究，人們也提出了許多有效的方法。目前對于這些圖像去噪方法從數(shù)據(jù)處理維度上可以分為二維去噪法和三維去噪法。二維去噪法又可以分為空間域和變換域兩種處理方法?？臻g域法是直接在空間二維數(shù)據(jù)上對每個像素的灰度值進(jìn)行運(yùn)算處理，主要有平滑線性去噪、統(tǒng)計排序去噪、最小均方誤差去噪等。變換域法則是將二維空間數(shù)據(jù)經(jīng)過某種變換轉(zhuǎn)化到另一二維坐標(biāo)中進(jìn)行處理計算，然后再逆變換到原二維空間。常見的變換方法有離散余弦變換、傅里葉變換、小波變換和沃爾什哈達(dá)嗎變換等。其中傅里葉變換一直是圖像去噪的主要手段，但是在實際中要處理的圖像都是非平穩(wěn)的，其頻譜在時間上無限延伸，而傅里葉變換的基函數(shù)無法和圖像信號精確匹配，使得傅里葉變換對圖像的去噪受到很大的限制。另外，在去噪的過程中，傅里葉變換也會模糊信號的位置信息。為此，人們提出了具有良好時頻特性的小波變換。早在1992年，Mallat就將小波變換快速算法應(yīng)用在圖像分解與重構(gòu)中，并用模極大值原理對信號去噪，并奠定了小波去噪最經(jīng)典的方法。隨后Xu等人根據(jù)噪聲與信號的小波變換系數(shù)的相關(guān)性提出了基于空域相關(guān)性的去噪方法。Johnstone和Donoho等人在1995年推導(dǎo)并證明了最優(yōu)的通用閾值計算公式，以此提出了軟閾值和硬閾值的信號去噪方法。Chang等人于2000年提出了一種針對圖像的空域自適應(yīng)小波閾值去噪算法，該算法結(jié)合了平移不變和自適應(yīng)閾值的去噪思想，根據(jù)圖像信息自適應(yīng)地選取閾值。近數(shù)十年以來，小波變換在圖像去噪領(lǐng)域已有完整的理論系統(tǒng)并日趨完善。2005年Buades等人提出了一種全新的去噪算法——非局部均值法，利用圖像自身局部與局部的相似性，以對噪聲具有魯棒性的圖像塊的形式，將整幅圖像中所有與待處理像素相似的像素加權(quán)平均從而估計出待處理像素。該研究可謂是圖像去噪領(lǐng)域一個里程碑式的工作。非局部均值算法不僅能很好的去除噪聲，而且有效地處理了圖像中物體的邊緣、紋理以及其他突變結(jié)構(gòu)信息的保留問題。2007年Buades等人又結(jié)合小波變換對非局部均值算法進(jìn)行了改進(jìn)，提出了廣義高斯模型的非局部小波域去噪方法。Deledalle則從圖像塊形狀和尺寸選取的角度改進(jìn)非局部均值算法，提出基于形狀塊自適應(yīng)的非局部均值算法。該算法根據(jù)圖像的結(jié)構(gòu)自適應(yīng)的選擇圖像塊的形狀和大小，去噪效果得到較好的改善，更為重要的是在圖像物體邊緣處幾乎沒有偽跡產(chǎn)生。而對非局部均值算法最經(jīng)典的改進(jìn)，同時也是被公認(rèn)為去噪領(lǐng)域最優(yōu)秀的算法是Dabov等人在2007年提出的塊群組三維去噪算法（BM3D）。2010年，Kaikovnnik等人綜述了目前圖像去噪的研究現(xiàn)狀，指出了BM3D方法相對于其他各類方法在圖像去噪上有著明顯的優(yōu)勢。BM3D方法結(jié)合了非局部技術(shù)和經(jīng)典的濾波技術(shù)，如小波去噪、維納濾波等。但是，BM3D算法也不是完美的，去噪性能仍有提高的空間，其算法也較為復(fù)雜，去噪執(zhí)行時間較長，因此有必要對BM3D算法進(jìn)一步改進(jìn)和優(yōu)化。目前，各種針對視頻的3D視頻降噪算法也成為了國內(nèi)外學(xué)者研究的熱點(diǎn)問題，許多學(xué)者提出了基于非局部均值的3D視頻降噪算法，本算法使用多幀圖像非局部均值去噪方法，首先對當(dāng)前圖像及其相鄰圖像分別進(jìn)行單幀非局部均值去噪，然后再對非局部均值去噪結(jié)果進(jìn)行時域加權(quán)平均。此外，還有許多人提出了基于運(yùn)動估計的三維視頻視頻降噪算法，但是目前還沒有一個十分經(jīng)典的去噪算法。 論文的組織結(jié)構(gòu) 本文的主要目標(biāo)是提升圖像的質(zhì)量，從圖像去噪技術(shù)出發(fā)，研究了目前主流的二維降噪技術(shù)和三維降噪技術(shù)，了解三維降噪的優(yōu)勢所在，在比較了各種主流算法以后，我們重點(diǎn)研究基于非局部均值算法的圖像三維降噪技術(shù)。經(jīng)過研究非局部均值濾波算法的原理以及對其進(jìn)行改進(jìn)之后，提出對多幀圖像進(jìn)行NLM三維降噪技術(shù)，并利用數(shù)值實驗驗證方法的有效性。本文的基本內(nèi)容結(jié)構(gòu)如下：第一章緒論部分首先闡述了數(shù)字圖像的重要作用、噪聲的來源和對圖像的影響以及圖像去噪的重要意義及價值，接著介紹了圖像去噪的國內(nèi)外研究現(xiàn)狀，然后給出了本論文的主要工作與論文安排。第二章首先從噪聲產(chǎn)生的原因、統(tǒng)計特征以及對圖像的作用關(guān)系，對噪聲進(jìn)行了不同的分類；接著介紹了經(jīng)典二維去噪方法，并對二維降噪算法和三維降噪算法進(jìn)行了比較，指出了三維降噪的優(yōu)勢所在；最后給出了目前被廣泛應(yīng)用的圖像質(zhì)量測評方法。這些知識為本論文的研究工作奠定了基礎(chǔ)。第三章給出了非局部均值濾波算法基本原理和算