專利名稱：基于Treelet的Bayer型CFA圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,更進ー步涉及基于Treelet的Bayer型CFA圖像去噪方法，可作為用于對單CCD或CMOS傳感器相機捕獲的CFA圖像的降噪處理。
背景技術(shù)：
數(shù)字彩色圖像通常用紅、綠、藍三基色來表示顔色值，因而需要三個不同的ニ維矩陣來表不。出于成本考慮，目前大部分相機米用的是單個CCD或CMOS傳感器,通過在傳感 器前加一個顏色濾波陣列CFA，只用一個矩陣來表示彩色圖像。每個像素點上只有ー個顏色值，而另外兩個顏色值則根據(jù)其鄰域信息來插值，這ー插值技術(shù)被稱為“去馬賽克”技木。由于電磁效應(yīng)與熱效應(yīng)對傳感器的影響，數(shù)碼相機捕獲的圖像通常會引入一定的噪聲。噪聲對去馬賽克過程造成很大的影響，甚至?xí)a(chǎn)生嚴(yán)重的虛假顏色效應(yīng)。因此，對顏色濾波陣列CFA圖像進行去噪處理很有必要，這對提高單傳感相機捕獲彩色圖像的質(zhì)量具有重要意義。針對去噪與去馬賽克過程的處理順序的不同，有三種可能的策略先去馬賽克后去噪，先去噪后去馬賽克，以及同時進行去馬賽克去噪。第一種策略最大的優(yōu)點在于現(xiàn)有的去噪技術(shù)一般都可以直接采用，而不需要附加任何處理。這種策略的缺點也是顯而易見的，直接去馬賽克使得噪聲復(fù)雜化從而產(chǎn)生難以去除的虛假顏色效應(yīng)，這使得后續(xù)去噪算法的設(shè)計極為困難。第二種策略是先對CFA圖像進行去噪處理，然后在對降噪后的CFA圖像進行去馬賽克。此策略可以很好的解決第一種策略中出現(xiàn)虛假顔色效應(yīng)的問題。鑒于CFA圖像的特點，不能直接采用現(xiàn)有的灰度圖像去噪技術(shù)，必須進行相應(yīng)處理。針對Bayer型CFA圖像，一般先將其拆分為四個子圖像，然后分別對這四個子圖像進行去噪，再組合成去噪后的CFA圖像，最后進行顔色插值，得到最終的彩色圖像。對子圖像的處理可以直接采用現(xiàn)有的灰度圖像的去噪算法。將CFA圖像分割處理不但繁瑣，而且并沒有考慮到通道間顏色信息的相關(guān)性，往往會出現(xiàn)過平滑現(xiàn)象。第三種策略是去馬賽克的同時進行降噪處理，即聯(lián)合去馬賽克去噪技木。這類技術(shù)在設(shè)計算法時需要考慮噪聲的影響，雖然將去噪與去馬賽克兩個步驟合并在一起，但算法設(shè)計上更為復(fù)雜，如果設(shè)計不夠好，不一定能提高處理效果和速度。Zhang 等人在文章“PCA-based spatially adaptive denoising of CFA imagesfor single-sensor digital cameras，，(IEEE Trans. Image Process. , vol. 18, No. 4,pp. 797-812,2009)提出一種基于PCA的空域自適應(yīng)CFA圖像去噪方法，可直接對CFA圖像數(shù)據(jù)進行去噪。該方法改進了單色圖像中自適應(yīng)PCA去噪方法，并將其推廣到CFA圖像去噪中，有效地降低了噪聲對CFA圖像去馬賽克過程的影響。該方法針對Bayer型CFA圖像的特點，首先對CFA圖像進行高斯濾波，再通過最小均方誤估計對圖像高頻信息的PCA變換 系數(shù)進行處理，從而達到抑制噪聲的目的。該方法雖然可直接應(yīng)用于Bayer型CFA圖像中，不需要進行分割處理，但不足之處是對PCA系數(shù)處理之后仍然有較多噪聲殘余，尤其是在高噪聲情況下，降噪效果不佳。

發(fā)明內(nèi)容
本發(fā)明針對上述現(xiàn)有CFA圖像去噪技術(shù)的缺陷，提出了一種基于Treelet的CFA圖像去噪方法，以減少降噪后圖像中的噪聲殘余，在高噪聲下提高降噪效果。為實現(xiàn)上述目的，本發(fā)明包括如下步驟(I)輸入一幅待去噪的Bayer型CFA圖像；(2)提取CFA圖像的高頻信息2a)對輸入的CFA圖像進行ニ維高斯低通濾波，得到其低頻圖像；
2b)將輸入CFA圖像與其低頻圖像作差，得到輸入CFA圖像的高頻圖像；(3)對輸入CFA圖像的高頻圖像逐像素取6X6像素大小的圖像塊；(4)對提取的ー個6X6像素大小的圖像塊進行Treelet去噪4a)以當(dāng)前待去噪的6X6像素大小的圖像塊的中心為中心，在高頻圖像中取ー個大小為34X34像素大小的窗ロ作為訓(xùn)練窗；4b)在訓(xùn)練窗中，以第I行第I列的像素作為將要選取圖像塊的左上角頂點像素，取ー個大小為6X6像素的圖像塊，然后分別沿水平方向和垂直方向每隔ー個像素取ー個大小為6X6像素的圖像塊，得到15X15總共225個圖像塊，構(gòu)成了一個訓(xùn)練圖像塊集合C ;4c)從訓(xùn)練圖像塊集合C中選取與當(dāng)前待去噪圖像塊均方誤差最小的40個圖像塊，并拉成36X1的列向量，構(gòu)建成大小為36 X 40訓(xùn)練數(shù)據(jù)X ;4d)利用雅克比旋轉(zhuǎn)方法獲取訓(xùn)練數(shù)據(jù)文的Treelet基矩陣B1 ；4e)將訓(xùn)練數(shù)據(jù)文投影到Treelet基矩陣B1中，得到訓(xùn)練數(shù)據(jù)文的Treelet投影系數(shù)を；4f)利用線性最小均方誤差估計方法對投影系數(shù)γ進行收縮得到收縮后的系數(shù) ；4g)將收縮后的系數(shù)f投影到Treelet基矩陣B1的逆矩陣B〖中，得到去噪后的數(shù)據(jù)X，完成當(dāng)前待去噪圖像塊的去噪；(5)重復(fù)執(zhí)行步驟(4)完成對每個圖像塊的去噪，將所有去噪后的圖像塊按原來在高頻圖像中位置拼接起來，組成CFA圖像去噪后的高頻圖像；(6)將CFA圖像去噪后的高頻圖像與步驟2a)中得到的低頻圖像相加，得到去噪后的CFA圖像，并輸出。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點第一，本發(fā)明是針對Bayer型的CFA圖像設(shè)計的ー種自適應(yīng)的去噪方法，能夠直接對CFA圖像進行去噪處理，而絕大部分現(xiàn)有的去噪技術(shù)則需要先將CFA圖像分割成四個子圖像，然后分別進行去噪處理，因此本發(fā)明實現(xiàn)起來更為簡便；第二，本發(fā)明通過在鄰域中提取訓(xùn)練數(shù)據(jù)，在Treelet域中進行系數(shù)收縮，具有自適應(yīng)性，當(dāng)通道間噪聲水平不一致時，現(xiàn)有技術(shù)的去噪效果差，但本發(fā)明仍然能獲得很好的降噪效果，尤其在高噪聲下，本發(fā)明優(yōu)勢更明顯。


圖I為本發(fā)明的流程圖；圖2為本發(fā)明使用的測試圖像。
具體實施例方式下面結(jié)合附圖，對本發(fā)明具體實現(xiàn)及效果作進ー步的詳細描述。參照圖I，本發(fā)明實現(xiàn)的步驟如下步驟1，輸入一幅待去噪的Bayer型顏色濾波陣列CFA圖像Iv。步驟2，提取輸入CFA圖像Iv的高頻信息2a)對輸入的CFA圖像Iv進行ニ維高斯低通濾波，得到其低頻圖像^ ;首先，根據(jù)下面公式設(shè)計ニ維高斯低通濾波器G

權(quán)利要求
1.一種基于Treelet的Bayer型CFA圖像去噪方法,包括如下步驟 (1)輸入一幅待去噪的Bayer型CFA圖像； (2)提取CFA圖像的高頻信息 2a)對輸入的CFA圖像進行二維高斯低通濾波，得到其低頻圖像； 2b)將輸入CFA圖像與其低頻圖像作差，得到輸入CFA圖像的高頻圖像； (3)對輸入CFA圖像的高頻圖像逐像素取6X6像素大小的圖像塊； (4)對提取的一個6X6像素大小的圖像塊進行Treelet去噪 4a)以當(dāng)前待去噪的6X6像素大小的圖像塊的中心為中心，在高頻圖像中取一個大小為34X34像素大小的窗口作為訓(xùn)練窗； 4b)在訓(xùn)練窗中，以第I行第I列的像素作為將要選取圖像塊的左上角頂點像素，取一個大小為6X6像素的圖像塊，然后分別沿水平方向和垂直方向每隔一個像素取一個大小為6X6像素的圖像塊，得到15X 15總共225個圖像塊，構(gòu)成了一個訓(xùn)練圖像塊集合C ； 4c)從訓(xùn)練圖像塊集合C中選取與當(dāng)前待去噪圖像塊均方誤差最小的40個圖像塊，并拉成36 X I的列向量，構(gòu)建成大小為36X40訓(xùn)練數(shù)據(jù)X ； 4d)利用雅克比旋轉(zhuǎn)方法獲取訓(xùn)練數(shù)據(jù)文的Treelet基矩陣B1 ； 4e)將訓(xùn)練數(shù)據(jù)文投影到Treelet基矩陣B1中，得到訓(xùn)練數(shù)據(jù)文的Treelet投影系數(shù)f ； 4f)利用線性最小均方誤差估計方法對投影系數(shù)它進行收縮得到收縮后的系數(shù)Y ； 4g)將收縮后的系數(shù)f投影到Treelet基矩陣B1的逆矩陣B『中，得到去噪后的數(shù)據(jù)x，完成當(dāng)前待去噪圖像塊的去噪； (5)重復(fù)執(zhí)行步驟(4)完成對每個圖像塊的去噪，將所有去噪后的圖像塊按原來在高頻圖像中位置拼接起來，組成CFA圖像去噪后的高頻圖像； (6)將CFA圖像去噪后的高頻圖像與步驟2a)中得到的低頻圖像相加，得到去噪后的CFA圖像，并輸出。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于步驟4d)中所述的利用雅克比旋轉(zhuǎn)方法獲取訓(xùn)練數(shù)據(jù)文的Treelet基矩陣B1，通過如下步驟進行 4dl)計算訓(xùn)練數(shù)據(jù)矩陣文的協(xié)方差矩陣i和相關(guān)系數(shù)矩陣A
3.根據(jù)權(quán)利要求I所述的方法，其特征在于步驟4e)中所述的將訓(xùn)練數(shù)據(jù)文投影到Treelet基矩陣B1中，得到訓(xùn)練數(shù)據(jù)X的Treelet投影系數(shù)f，是由訓(xùn)練數(shù)據(jù)矩陣文與基矩陣相乘得到，即Y = X*BZ。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于步驟4f)中所述的利用線性最小均方誤差估計方法對投影系數(shù)f進行收縮，通過以下步驟進行 4f I)計算投影系數(shù)f的協(xié)方差^^
全文摘要
本發(fā)明公開了一種基于Treelet的Bayer型CFA圖像去噪方法，主要解決現(xiàn)有去噪方法直接應(yīng)用于CFA圖像去噪易出現(xiàn)的噪聲大量殘余的問題。其實現(xiàn)步驟是對輸入的含噪CFA圖像提取高頻信息；對高頻圖像分塊處理，逐個對每個圖像塊提取訓(xùn)練數(shù)據(jù)，并將訓(xùn)練數(shù)據(jù)投影到Treelet基矩陣中；通過對投影系數(shù)進行收縮，并通過逆投影獲得去噪后的高頻圖像塊；拼接所有去噪后的高頻圖像塊，并加上輸入CFA圖像的低頻信息得到去噪后的CFA圖像。本發(fā)明能直接對CFA圖像進行自適應(yīng)去噪，同時能在很好地保持圖像細節(jié)的情況下，減少去噪后圖像中的噪聲殘余，可用于對單CCD或CMOS傳感器相機捕獲的CFA圖像的降噪處理。
文檔編號G06T5/00GK102663703SQ201210118258
公開日2012年9月12日 申請日期2012年4月20日 優(yōu)先權(quán)日2012年4月20日
發(fā)明者侯彪, 公茂果, 張小華, 朱同華, 焦李成, 王桂婷, 王爽, 田小林, 鐘樺 申請人:西安電子科技大學(xué)