论文部分内容阅读
图像与视频在采集、传输、处理及存储过程中都可能受到外界干扰,致使视觉信息衰弱。然而人眼对图像具有不同区域敏感程度不同这一特性,可以将图像划分成人眼显著区域与非显著区域。论文研究的主要内容是根据人眼的视觉显著特性,利用视觉显著性对噪声图像进行预处理,得到噪声图像中人眼敏感的区域,然后选用对图像纹理细节保护较好的去噪方法对该区域进行去噪处理,对非敏感的区域选用运算简单迅速的滤波算法实现去噪处理。本文涉及到的去噪算法包括三维块匹配算法(block-matching and 3-D filtering,BM3D),三维块匹配视频滤波算法(video block-matching and 3-D filtering,VBM3D)以及均值滤波等。本文主要的探究内容和创新点如下:1.基于视觉显著性的图像去噪算法针对现在有去噪算法具有局限性的问题,即对图像纹理细节保护较好的去噪算法往往用时过长,而除噪处理速度较快的滤波算法去噪结果不理想的问题。本文将人眼的视觉显著特性应用于图像去噪领域,通过显著性计算对噪声图像预先进行分类,使块匹配搜索在显著图像块组中而非全部图像块中进行,缩小块匹配搜索范围,减少了BM3D的工作量。同时对非显著图像块进行快速均值滤波处理,最终合成去噪结果。结果表明,本文方法不仅相比于单独使用BM3D算法进行去噪,处理速度明显提高,而且能够获取较高的主观评价结果。2.阈值的改进硬阈值分类的阈值固定,阈值过大时往往使分类后的显著图像块不足,导致后续去噪算法中的块匹配部分能够搜索的区域过小,最终造成去噪效果不理想;阈值过小时又无法有效提升算法效率。受OTSU阈值算法启发,本文将原有硬阈值分类改进为自适应阈值分类算法。实验结果表明,改进后的阈值分类算法有效保护了更多的图像细节,保证了图像块显著性分类的准确性。3.基于视觉显著性的视频去噪算法视频序列各帧之间存在丰富的冗余信息,所以在去噪算法方面与图像处理方法存在一定的区别。在去噪中加入了时域信息,使得VBM3D不再是在单幅图像中进行搜索块匹配,而在帧间进行搜索,搜索的范围更大,算法耗时更多。针对这一问题,本文基于上述图像去噪改进的思想,将人眼视觉显著特性应用于视频图像去噪领域,令块匹配在显著图像块组内进行,缩小了搜索范围,并利用快速滤波对非显著图像块组进行滤波去噪,进一步进行加速。实验证明本文算法在运算时间及主观评价中与先前的算法相比均具有竞争优势。