留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于仿射重建和噪声散点直方图的图像噪声水平估计

崔光茫 张克奇 徐之海 冯华君 赵巨峰

崔光茫, 张克奇, 徐之海, 冯华君, 赵巨峰. 基于仿射重建和噪声散点直方图的图像噪声水平估计[J]. 红外与激光工程, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
引用本文: 崔光茫, 张克奇, 徐之海, 冯华君, 赵巨峰. 基于仿射重建和噪声散点直方图的图像噪声水平估计[J]. 红外与激光工程, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
Cui Guangmang, Zhang Keqi, Xu Zhihai, Feng Huajun, Zhao Jufeng. Image noise level estimation based on affine reconstruction and noise sample histogram[J]. Infrared and Laser Engineering, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
Citation: Cui Guangmang, Zhang Keqi, Xu Zhihai, Feng Huajun, Zhao Jufeng. Image noise level estimation based on affine reconstruction and noise sample histogram[J]. Infrared and Laser Engineering, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002

基于仿射重建和噪声散点直方图的图像噪声水平估计

doi: 10.3788/IRLA201847.S126002
基金项目: 

浙江省自然科学基金(LY18F050007);云南省应用基础研究计划(2016FC002)

详细信息
    作者简介:

    崔光茫(1989-),男,讲师,博士,主要从事光学成像与智能图像处理方面的研究。Email:cuigm@hdu.edu.cn

  • 中图分类号: TP391

Image noise level estimation based on affine reconstruction and noise sample histogram

  • 摘要: 结合信号仿射重建技术和图像噪声散点直方图,提出了一种图像噪声水平估计方法。首先,对于输入的噪声图像,采用基于分水岭的图像分割算法,将其分为若干像素均匀的图像块。采用仿射信号重建算法,实现无噪声的仿射图像信号和噪声余量图的分离和获取。从噪声余量图中计算获取各图像分块的噪声散粒点,每个散粒点表示各个图块的噪声标准差大小。随后,统计噪声散粒点直方图,进而确定最多散粒点分布的噪声强度区间。最终的图像噪声标准差估计值由该选择区间内的所有散粒点标准差均值计算得到。对比实验表明,算法能够进行准确可靠的图像噪声水平估计,对于细节和边缘丰富的图像效果优异。
  • [1] Tian J, Chen L. Image noise estimation using a variation-adaptive evolutionary approach[J]. IEEE Signal Processing Letters, 2012, 19(7):395-398.
    [2] Pan J, Yang X, Cai H, et al. Image noise smoothing using a modified Kalman filter[J]. Neuro Computing, 2016, 173(P3):1625-1629.
    [3] Donoho D L, Johnstone J M. Ideal spatial adaptation by wavelet shrinkage[J]. Biometrika, 1994, 81(3):425-455.
    [4] Starck J, Murtagh F. Automatic noise estimation from the multiresolution support[J]. Publications of the Astronomical Society of the Pacific, 1998, 110(744):193-199.
    [5] Yang J, Wang Y, Xu W, et al. Image and video denoising using adaptive dual-tree discrete wavelet packets[J]. IEEE Transactions on Circuits Systems for Video Technology, 2009, 19(5):642-655.
    [6] Yang S M, Tai S C. Fast and reliable image-noise estimation using a hybrid approach[J]. Journal of Electronic Imaging, 2010, 19(19):3007.
    [7] Uss M, Vozel B, Lukin V. Image informative maps for estimating noise standard deviation and texture parameters[J]. Eurasip Journal on Advances in Signal Processing, 2011, 2011(1):1-12.
    [8] Shin D H, Park R H, Yang S, et al. Block-based noise estimation using adaptive Gaussian filtering[J]. IEEE Transactions on Consumer Electronics, 2005, 51(1):218-226.
    [9] Liu C, Szeliski R, Bing K S, et al. Automatic estimation and removal of noise from a single image[J]. IEEE Transactions on Pattern Analysis Machine Intelligence, 2008, 30(2):299.
    [10] Jiang P, Zhang J Z. Fast and reliable noise estimation algorithm based on statistical hypothesis tests[C]//Visual Communications and Image Processing, IEEE, 2012:1-5.
    [11] Pyatykh S, Hesser J, Zheng L. Image noise level estimation by principal component analysis[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 2013, 22(2):687-699.
    [12] Liu X, Tanaka M, Okutomi M. Noise level estimation using weak textured patches of a single noisy image[C]//IEEE International Conference on Image Processing, IEEE, 2013:665-668.
    [13] Vincent L, Soille P. Watersheds in digital spaces:an efficient algorithm based on immersion simulations[J]. IEEE Transactions on Pattern Analysis Machine Intelligence, 1991, 13(6):583-598.
    [14] Tai S C, Yang S M. A fast method for image noise estimation using Laplacian operator and adaptive edge detection[C]//International Symposium on Communications, Control and Signal Processing, IEEE, 2008:1077-1081.
    [15] Immerkr J. Fast noise variance estimation[J]. Computer Vision Image Understanding, 1996, 64(2):300-302.
    [16] Liu X, Tanaka M, Okutomi M. Estimation of signal dependent noise parameters from a single image[C]//IEEE International Conference on Image Processing, IEEE, 2014:79-82.
  • [1] 洪汉玉, 吴世康, 时愈, 吴锦梦, 孙春生.  非合作水雷目标图像非均匀强噪声去除方法 . 红外与激光工程, 2021, 50(3): 20200344-1-20200344-10. doi: 10.3788/IRLA20200344
    [2] 黄宜帆, 贺岩, 胡善江, 侯春鹤, 朱小磊, 李凯鹏, 刘芳华, 陈勇强, 郭守川.  海洋激光雷达图像处理提取海水深度的方法 . 红外与激光工程, 2021, 50(6): 20211034-1-20211034-8. doi: 10.3788/IRLA20211034
    [3] 李方舟, 赵耀宏, 向伟, 刘海峥.  基于改进非局部均值的红外图像混合噪声去除方法 . 红外与激光工程, 2019, 48(S1): 163-173. doi: 10.3788/IRLA201948.S128001
    [4] 刘鹏飞, 赵怀慈, 曹飞道.  多尺度卷积神经网络的噪声模糊图像盲复原 . 红外与激光工程, 2019, 48(4): 426001-0426001(9). doi: 10.3788/IRLA201948.0426001
    [5] 黄林生, 张庆, 张东彦, 林芬芳, 徐超, 赵晋陵.  Relief-F筛选波段的小麦白粉病早期诊断研究 . 红外与激光工程, 2018, 47(5): 523001-0523001(8). doi: 10.3788/IRLA201847.0523001
    [6] 王琳, 张少辉, 李霄, 邵晓鹏.  应用相位一致性评价多光谱遥感图像条带噪声 . 红外与激光工程, 2015, 44(10): 3148-3154.
    [7] 薛模根, 周浦城, 刘存超.  夜视图像局部颜色传递算法 . 红外与激光工程, 2015, 44(2): 781-785.
    [8] 郭靖, 江洁, 曹世翔.  水平集分层分割遥感图像中的建筑物 . 红外与激光工程, 2014, 43(4): 1332-1337.
    [9] 葛琪, 王可东, 张弘, 李桂斌, 邸超.  长曝光大气湍流退化图像点扩散函数估计 . 红外与激光工程, 2014, 43(4): 1327-1331.
    [10] 王晓飞, 侯传龙, 阎秋静, 张钧萍, 汪爱华.  基于相关向量机的高光谱图像噪声评估算法 . 红外与激光工程, 2014, 43(12): 4159-4163.
    [11] 钱伟新, 王婉丽, 祁双喜, 程晋明, 刘冬兵.  基于广义变分正则化的红外图像噪声抑制方法 . 红外与激光工程, 2014, 43(1): 67-71.
    [12] 葛广一, 魏振忠.  图像去雾过程中的噪声抑制方法 . 红外与激光工程, 2014, 43(8): 2765-2771.
    [13] 王国刚, 史洪岩, 汪滢, 袁德成.  仿射不变子空间特征及其在图像匹配中的应用 . 红外与激光工程, 2014, 43(2): 659-664.
    [14] 祁敏, 曹剑中, 周祚峰, 高博, 郭惠楠, 杨磊.  基于Tao 立体匹配框架的全局优化算法 . 红外与激光工程, 2014, 43(9): 3122-3127.
    [15] 王金玲, 贺小军, 宋克非.  采用区域互信息的多光谱与全色图像融合算法 . 红外与激光工程, 2014, 43(8): 2757-2764.
    [16] 王冬冬, 张炜, 金国锋, 杨正伟, 田干.  尖点突变理论在红外热波检测图像分割中的应用 . 红外与激光工程, 2014, 43(3): 1009-1015.
    [17] 吴坤, 张合新, 孟飞, 陈聪.  激光主动成像图像噪声抑制方法 . 红外与激光工程, 2013, 42(9): 2397-2402.
    [18] 王华, 曹剑中, 王华伟, 郭惠楠, 赵晓冬, 刘广森.  基于估计方法的CMOS图像传感器列固定模式噪声校正方法 . 红外与激光工程, 2013, 42(7): 1928-1932.
    [19] 闵超波, 张俊举, 常本康, 孙斌, 李英杰.  采用边界评价的红外视频运动目标时空域分割方法 . 红外与激光工程, 2013, 42(10): 2636-2641.
    [20] 曹忆南, 王新伟, 周燕.  距离选通激光成像空间定位模糊C均值聚类分割法 . 红外与激光工程, 2013, 42(10): 2682-2686,2696.
  • 加载中
计量
  • 文章访问数:  262
  • HTML全文浏览量:  36
  • PDF下载量:  27
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-02-05
  • 修回日期:  2018-04-09
  • 刊出日期:  2018-06-25

基于仿射重建和噪声散点直方图的图像噪声水平估计

doi: 10.3788/IRLA201847.S126002
    作者简介:

    崔光茫(1989-),男,讲师,博士,主要从事光学成像与智能图像处理方面的研究。Email:cuigm@hdu.edu.cn

基金项目:

浙江省自然科学基金(LY18F050007);云南省应用基础研究计划(2016FC002)

  • 中图分类号: TP391

摘要: 结合信号仿射重建技术和图像噪声散点直方图,提出了一种图像噪声水平估计方法。首先,对于输入的噪声图像,采用基于分水岭的图像分割算法,将其分为若干像素均匀的图像块。采用仿射信号重建算法,实现无噪声的仿射图像信号和噪声余量图的分离和获取。从噪声余量图中计算获取各图像分块的噪声散粒点,每个散粒点表示各个图块的噪声标准差大小。随后,统计噪声散粒点直方图,进而确定最多散粒点分布的噪声强度区间。最终的图像噪声标准差估计值由该选择区间内的所有散粒点标准差均值计算得到。对比实验表明,算法能够进行准确可靠的图像噪声水平估计,对于细节和边缘丰富的图像效果优异。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回