图像噪声水平估计——An Efficient Statistical Method for Image Noise Level Estimation

新人第一次写博文,介绍一篇文章

Chen G, Zhu F, Heng P A. An Efficient Statistical Method for Image Noise Level Estimation[C]. IEEE International Conference on Computer Vision. IEEE, 2015:477-485.

下载地址:http://pdfs.semanticscholar.org/3924/f6b1ab44a35370a8ac8e2e1df5d9cd526414.pdf

该文章对图像的噪声水平进行估计,是很多图像去噪算法的前提。

该文章基于两个假设对图像噪声水平进行估计。

1、认为图像的小斑块处于低秩流形中。        其原文为:

Our work is based on the observation that patches taken from the noiseless image often lie in a low-dimensional subspace, instead of being uniformly distributed across the ambient space.

2、假设噪声类型为:加性高斯白噪声。        其原文为:

One important noise model widely used in different computer vision problems, including image denoising, is the additive, independent and homogeneous Gaussian noise model, where “homogeneous” means that the noise variance is a constant for all pixels within an image and does not change over the position or color intensity of a pixel.

第一个假设是对图像的假设,这对大多图像来说是满足的。第二个假设则限定了该算法的使用范围。

经实际检验,该算法具有良好的噪声水平估计效果。

下面附上相应的MATLAB程序(本人编写)。

首先需要说明的是,下面的程序只适合灰度图像,不适合彩色图像,虽然它们没有本质上的区别。

%d为斑块大小,默认为8

function [delta]=NoiseLE(Im,d)
if nargin<2
d=8;
end

Im=double(Im);
[m,n]=size(Im);

X=[];
for ii=1:m-d+1
for jj=1:n-d+1
F=Im(ii:ii-1+d,jj:jj-1+d);
F=reshape(F,d^2,1);
X=[X,F];
end
end

[mm,nn]=size(X);
miu=(mean((X‘)))‘;
X=X-repmat(miu,1,nn);

F=zeros(mm,mm);
for ii=1:nn
F=F+X(:,ii)*X(:,ii)‘;
end
F=F/nn;

[~,D]=eig(F);
D=diag(D);

for ii=1:d^2-2
t=sum(D(ii:d^2))/(d^2+1-ii);
F=floor((d^2+ii)/2);
F1=F-1;
F2=min(F+1,d^2);
if (t<=D(F1))&&(t>=D(F2))
delta=sqrt(t);
break;
end
end
end

时间: 2024-11-09 08:07:04

图像噪声水平估计——An Efficient Statistical Method for Image Noise Level Estimation的相关文章

在自遮挡下的单目图像3D姿态估计 Monocular Image 3D Human Pose Estimation under Self-Occlusion (ICCV 13)

Monocular Image 3D Human Pose Estimationunder Self-Occlusion (ICCV 13) 在自遮挡下的单目图像3D姿态估计 摘要:文中提出在单张图片中3D姿态自动重建的方法.人体关节.易产生幻觉的身体部位的存在,杂乱的背景,都将导致人体姿态判断的歧义性,这都说明这不是一个简单的问题.研究者研究了许多基于运动和阴影的方法,为了减小歧义性,并对3D姿态进行重建.我们算法的关键思想就是增加运动和方向限制.前一个是在3D模型映射到输入图像时增加的限制,

相机位姿估计3:根据两幅图像的位姿估计结果求某点的世界坐标

关键词:相机位姿估计,单目尺寸测量,环境探知 用途:基于相机的环境测量,SLAM,单目尺寸测量 文章类型:原理说明.Demo展示 @Author:VShawn @Date:2016-11-28 @Lab: [email protected] 目录 <相机位姿估计0:基本原理之如何解PNP问题> <相机位姿估计1:根据四个特征点估计相机姿态> <相机位姿估计1_1:OpenCV:solvePnP二次封装与性能测试> <相机位姿估计2:[应用]实时位姿估计与三维重建相

摄影角度的图像噪声

dpreview摄影角度的图像噪声讲解: What's that noise? Part one: Shedding some light on the sources of noise 进光量 https://www.dpreview.com/articles/8189925268/what-s-that-noise-shedding-some-light-on-the-sources-of-noise Sources of noise part two: Electronic Noise 电

FCPX插件:视频图像画面水平矫正工具Leveler

FCPX插件:视频图像画面水平矫正工具Leveler推荐给大家!该插件可以快速矫正修正视频图像画面的水平,且带横竖参考线,使用非常方便简洁,还可以对画面的对比度亮度锐度进行调整.有需要的朋友,千万不要错过! 插件介绍 插件可以快速矫正修正视频图像画面的水平,带横竖参考线,使用非常方便简洁,还可以对画面的对比度亮度锐度进行调整. 插件使用要求 系统要求:Mac 苹果电脑系统 (Win 系统电脑不支持)软件要求:Final Cut Pro X 10.0.6 或更高版本 原文地址:https://bl

图像噪声估计算法

PS: 转载请注明出处 ——陈先生

OpenCV:图像的水平、垂直、水平垂直翻转

首先导入相关的库: import cv2 import matplotlib.pyplot as plt 自定义展示图片的函数: def show(image): plt.imshow(image) plt.axis('off') plt.show() 展示图片: image=cv2.imread("qwe.jpg") show(image) image=cv2.flip(image,1)#这里用到的是水平翻转,因为后面的参数是一 show(image) image=cv2.flip(

ISP基础(04):图像噪声及去噪声

1.噪声分类维度 频率.颜色空间.时间相关性 2.噪声类型 2.1 噪声频率 高频--中频--低频: 2.2 色彩空间 luma noise:亮度噪声--chroma noise:颜色噪声 2.3 时间相关性 FPN(fixed pattern noise)--temporal noise 3.Reference 图解噪声与去噪 之一: fix pattern noise(FPN)与 temporal noise 原文地址:https://www.cnblogs.com/wnwin/p/1176

噪声估计程序

这一段时间,想着怎么修改噪声估计程序,以使得获得更快的速度,而且多编写了一些,使得对3维和1维的数据也能使用. 不多说以下是程序 %% 该函数估计图像(信号)的噪声水平% 这里假设噪声为高斯白噪声% 由于各种问题,函数只估计1.2.3维数据的噪声,一般而言,这是足够的.....% An Efficient Statistical Method for Image Noise Level Estimation% Guangyong Chen1, Fengyuan Zhu1, and Pheng A

CNN作为denoiser的优势总结

图像恢复的MAP推理公式: $\hat{x}\text{}=\text{}$arg min$_{x}\frac{1}{2}||\textbf{y}\text{}-\text{}\textbf{H}x||^{2}\text{}+\text{}\lambda\Phi(x)$ 正则化项$\Phi(x)$对应恢复的表现扮演了至关重要的角色: $\textbf{z}_{k+1}\text{}=\text{}Denoiser(\textbf{x}_{k+1},\sqrt{\lambda/\mu})$ 然后介