【正文】 frame1=mov(index1)。 frame2=()。 M11=zeros(60,88)。 %完成對當(dāng)前幀所有區(qū)域運(yùn)動檢測 for i=1:60 for j=1:88 w1=((c1c).*(c1c))。symmetric39。 for i=1:60 for j=1:88 i1=i+1。 e=m2(i11:i1+1 , j11:j1+1)。 if(dt) M11(i,j)=1。 end end end for i=1:60 for j=1:88 %對于靜止區(qū)域的塊，采用時(shí)域加權(quán)均值濾波 if(M1(i,j)==0 || M11(i,j)==0 || M2(i,j)==0 || M22(i,j)==0) k=0。 else g=0。 W11=W11*g。 end k=k+g。 。 if(M22(i,j)==0) g=1。 end k=k+g。 W=W*g。 if(dt) M22(i,j)=1。 e=m11(i11:i1+1 , j11:j1+1)。 end end end for i=1:60 for j=1:88 i1=i+1。symmetric39。)。 c2=qiuhe(frame2)。 M1=zeros(60,88)。 frame=im2double(frame)。 frame11=()。E:\tupian\tupian39。還有許多同學(xué)在生活中給予我的幫助和照顧，在此一并表示真誠的謝意。建議進(jìn)行大量數(shù)據(jù)采集，利用matlab進(jìn)行一元線性回歸分析，結(jié)合區(qū)間估計(jì)理論和假設(shè)檢驗(yàn)方法，提出一種能隨噪聲方差變化接近最優(yōu)的自適應(yīng)閾值函數(shù)。接著對時(shí)域加權(quán)均值濾波和空域ANL濾波算法的原理都進(jìn)行了詳細(xì)介紹。 (a) 宏塊 (b) 宏塊 (c) 宏塊 (d) 宏塊 分塊大小效果比較 四種分塊尺寸降噪后PSNR比較分塊大小降噪前PSNR(dB)降噪后PSNR(dB)宏塊宏塊宏塊宏塊，選擇其他三種分塊尺寸降噪后的圖片中，運(yùn)動員出現(xiàn)了明顯的失真，且或多或少的存在著運(yùn)動拖影現(xiàn)象，而把視頻圖像劃分為大小的塊處理后的降噪圖像中，圖像最潔凈且圖像細(xì)節(jié)保持的最好。小于閾值的像素，可以認(rèn)為是由于噪聲帶來的影響，其區(qū)域是相對比較平坦的區(qū)域，因此可以直接求平均，這樣就會較好地去除噪聲，而對大于閾值的像素，其權(quán)值就會為0，這樣的截?cái)鄷p少圖像模糊現(xiàn)象，較好地保持圖像的邊緣，而對于大于小于的像素，可以按照其實(shí)際的來計(jì)算其權(quán)值。 空域ANL降噪對于含噪視頻序列的運(yùn)動部分，使用時(shí)域?yàn)V波容易產(chǎn)生運(yùn)動“拖影”現(xiàn)象，使用空域?yàn)V波的效果會優(yōu)于時(shí)域?yàn)V波。（3） 利用宏塊的相似程度進(jìn)行運(yùn)動檢測。具體的步驟如下（記當(dāng)前幀為，宏塊的橫坐標(biāo)和縱坐標(biāo)分別為）：（1） 初始化前L幀的每個(gè)宏塊的運(yùn)動狀態(tài)為靜止?fàn)顟B(tài)，其中，為0時(shí)表示為靜止?fàn)顟B(tài)，為1時(shí)表示運(yùn)動狀態(tài)。本文提出只要當(dāng)前幀的當(dāng)前子塊與前L幀對應(yīng)子塊中有一個(gè)子塊滿足設(shè)定條件，當(dāng)前子塊就被判定為靜止區(qū)域，進(jìn)而采用加權(quán)時(shí)域均值濾波。第四章 基于Nonlocal means的時(shí)空聯(lián)合視頻降噪算法 基于Nonlocal means的運(yùn)動檢測運(yùn)動檢測算法是本算法的核心，它決定整個(gè)算法的性能。下面我們使用標(biāo)準(zhǔn)lena測試圖像進(jìn)行證明。 （）其中： （）式（）中，是權(quán)值，根據(jù)像素點(diǎn)和像素點(diǎn)之間的相似程度來計(jì)算，并且滿足如下的條件：且。這也是為什么NLM算法不能被廣泛應(yīng)用的原因。為了更好的選取權(quán)重的參數(shù)，我們不能夠利用全局固定的形式，而是應(yīng)該利用局部自適應(yīng)形式。Buades[1]等人給出了相似性權(quán)重參數(shù)的度量方式，假設(shè)參數(shù)與噪聲的均方誤差成線性正比關(guān)系。采用圖像塊的不變矩度量圖像相似程度。該方法對于權(quán)重參數(shù)的確定，有了更好的意義，圖像的相似程度大小就會精確地確定。可是，目前為止，參數(shù)的選取沒有一個(gè)統(tǒng)一的形式，使用的都是根據(jù)經(jīng)驗(yàn)所得。這樣的話，圖像中不相干像素就會對圖像去噪產(chǎn)生反面效果。我們從以下幾個(gè)方面介紹一下：(1)由于圖像中存在大量的像素點(diǎn)，由它們所組成的圖像塊之間難免會有相似性,只不過它們有可能進(jìn)行了一定的旋轉(zhuǎn)。我們要處理的圖像與原始圖像之間相應(yīng)區(qū)域內(nèi)的灰度值向量是滿足如下的歐式距離公式： （）這里，表示原始圖像，而表示要處理的圖像，噪聲的均方誤差為。非局部均值去噪算法便是根據(jù)上面的分析，由Buades等人所提出，該算法利用結(jié)構(gòu)相似性來定義像素之間的差距，圖像的紋理結(jié)構(gòu)更好的得到保護(hù)，這是目前為止研究最廣泛的圖像去噪方法之一。圖像中不同地方的像素點(diǎn)經(jīng)常會表示過于冗余，這是因?yàn)閳D像中的一些像素點(diǎn)具有自相似的特點(diǎn)，這樣的自相似特點(diǎn)會使得圖像中不同位置處的像素點(diǎn)具有一定的相關(guān)性，圖像就會過完備表示。為本論文課題的研究奠定了理論基礎(chǔ)。于是，平均結(jié)構(gòu)相似性準(zhǔn)則可以衡量整個(gè)圖像的總質(zhì)量：其中，與分別為原始圖像與去噪后的圖像，與分別為第個(gè)局部圖像里的子像素；是局部窗口數(shù)目。在MSE的基礎(chǔ)上，PSNR的定義為：均方誤差和峰值信噪比都是從數(shù)學(xué)統(tǒng)計(jì)特性方面來反應(yīng)處理好后的圖像的失真程度。通常人們將主客觀方法結(jié)合起來評價(jià)圖像質(zhì)量，以客觀方法為主，主觀方法為輔。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。通常采用某一平滑模板對二維圖像做卷積計(jì)算，以達(dá)到減少或者消除噪聲的目的。但是對一些細(xì)節(jié)多、特別是線、尖頂?shù)燃?xì)節(jié)多的圖像不宜采用排序?yàn)V波。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。這是考查一個(gè)信號的兩個(gè)不同方面的問題。無論輸入信號大小如何，其輸出圖像總是與噪聲疊加。此噪聲的均值和方差分別為：椒鹽噪聲主要表現(xiàn)在成像中的短暫停留，如錯(cuò)誤的開關(guān)操作。人為噪聲是由人類活動產(chǎn)生的對通信造成干擾的噪聲，來源于工業(yè)噪聲和無線電噪聲，如電氣設(shè)備、無線電發(fā)射機(jī)等。第二章首先從噪聲產(chǎn)生的原因、統(tǒng)計(jì)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。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。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。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。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。減少數(shù)字圖像中噪聲的過程稱為圖像去噪。 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(jì)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(shí)間比較 22 本章小結(jié) 23第四章 基于Nonlocal means的時(shí)空聯(lián)合視頻降噪算法 24 基于Nonlocal means的運(yùn)動檢測 24 時(shí)空聯(lián)合降噪 25 時(shí)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(shí)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。┊┊┊┊┊┊┊┊┊┊┊┊┊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。 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。由于噪聲影響圖像的輸入、采集、處理的各個(gè)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(xiàng)必不可少的重要環(huán)節(jié)。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)。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(jì)算，然后再逆變換到原二維空間。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。而對非局部均值算法最經(jīng)典的改進(jìn)，同時(shí)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）。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