图像的噪声和块效应评价

摘要

图像在获取、存储、传输、显示等多个环节都会引入噪声。图像噪声对用户获取图像信息的干扰很大，另外，在许多图像处理算法中噪声分布的先验经验也很重要，如果能根据先验经验设定好算法参数，将非常有利于得到期望的算法效果。图像的块效应主要是指图像在压缩编码的过程中，由于采用分块离散余弦变换造成的复原图像块之间的不连续性。图像块效应的存在同样会干扰人们对图像信息的获取。如果能对图像的块效应进行准确的评价，就能够在保证图像质量被终端用户接受的情况下，采用尽可能高的压缩比例，从而使图像数据的传输速度得到提高、存储成本得到降低。因此准确的评价图像中的块效应和噪声，对图像处理算法有着重要的意义。　　图像的噪声评价，又被称做图像的噪声水平估计。传统的图像噪声评价算法会在图像纹理信息丰富或者内容变化较大的情况下，算法的准确性会大幅降低。为了解决该问题，本文提出了一种基于BM3D的分段噪声水平估计方法。首先使用一种简单、快速的噪声水平估计算法对图像噪声水平进行初步的粗滤估计，使用初步估计值作为指导产生多个噪声水平候选值;然后使用候选的噪声水平值作为滤波参数，对噪声图像进行多次BM3D滤波;在论证了滤波前后图像的NSS特征差异能够反映出图像去噪效果的基础上，将滤波后图像和噪声图像的NSS特征矢量的距离作为每一幅滤波图像对应的噪声水平候选值的权重，使用局部均值法计算出最终精确的噪声水平。实验结果表明，相比已有的噪声水平估计算法，本文方法的精度和可靠性都有很大的提高。　　针对传统的块效应评价算法在结合人类视觉系统的相关特性上存在不足，本文提出了一种融合图像梯度和人眼掩蔽效应的块效应评价方法。首先基于图像块边界处像素点的梯度信息，得到图像块效应映射图（主要包括图像块效应的位置和强度信息）;然后计算人眼对图像的亮度和纹理掩蔽效应，将其结合到块效应映射图中，得到显著性块效应映射图。最后使用统计学方法对显著性块效应映射图进行计算，得出图像块效应评价指标。实验结果表明，相比已有的块效应评价算法，本文算法对测试图像的评价指标与人类主观评价指标的单调一致性有很大的提高。

目录

声明

摘要

图目录

表目录

1 绪论

1．1本文的研究背景与意义

1．1．1研究背景

1．1．2研究意义

1．2国内外的研究现状

1．2．1 图像噪声评价的研究现状

1．2．2图像块效应评价的研究现状

1．3本文的主要工作

1．4本文的结构安排

2 图像噪声基础及经典噪声估计算法

2．1数字图像中的噪声

2．1．1噪声的概念和类型

2．1．2常见的噪声模型

2．2经典噪声估计算法

2．2．1 基于PCA和维度选择的噪声估计算法

2．2．2基于自适应图像块划分的图像噪声评价

2．3本章小结

3 图像块效应基础及经典块效应评价算法

3．1图像压缩中的块效应

3．1．1 图像压缩

3．1．2基于DCT的编码方法

3．1．3图像块效应产生的原因

3．2图像块效应的经典评价算法

3．2．1 基于斜率均方差的块效应评价算法

3．2．2基于压缩感知的块效应评价算法

3．3 本章小结

4基于BM3D的图像噪声方差分段估计

4．1 算法描述

4．2算法内容

4．2．1 初步估计噪声方差

4．2．2 BM3D滤波

4．2．3图像NSS特征提取

4．2．3基于局部均值的噪声评估

4．3实验仿真

4．3．1实验运行环境

4．3．2测试数据集及对比算法

4．3．3性能指标

4．3．4结果分析

4．4本章小结

5融合人眼掩蔽效应和图像梯度的块效应评价方法

5．1 算法描述

5．2算法内容

5．2．1 图像块效应映射图

5．2．2图像的纹理掩蔽效应

5．2．3 图像亮度掩蔽效应

5．2．4图像块效应的强度估计

5．3实验仿真

5．3．1测试数据集及对比算法

5．3．2对比的性能指标

5．3．3实验参数设置以及结果分析

5．4本章小结

6总结与展望

6．1本文的主要工作

6．2未来工作展望

参考文献

致谢

个人简历、在校期间发表的学术论文与研究成果