加权过完备去噪声制造技术

一种去噪声算法，它通过以下步骤来获得含噪数字信号的无噪部分的估计，所述步骤如下：将一组Ｍ线性变换应用于含噪数字信号，确定数字信号的每个数字元素的Ｍ初始去噪声估计，通过按照线性估计问题公式化所述组合并且求解它以获得各个加权因子来导出每个数字元素的Ｍ初始去噪声估计的加权因子的组合，并且根据相应的Ｍ初始去噪声估计以及加权因子的组合来公式化每个数字元素的最终去噪声估计。加权因子的组合是使条件均方误差相对于所述初始去噪声估计最小化这样导出的最优组合。根据去除噪声离散的显式相关性的比例因子以及多个矩阵之一来进一步地确定所述最优确定。

【技术实现步骤摘要】

本专利技术涉及用于使用一组过完备(overcomplete)变换和定阈值来从数字表示(例如数字图像)中去除噪声的技术。所述技术可以依照这样一种方法/算法来实现，其能够以软件、硬件或者其组合来实现，并且可以在计算机或者其他处理器控制的设备上实现。
技术介绍
由于添加的独立且同分布的(i.i.d.)噪声问题中的信号为精确的统计建模和信号表示提供了标准(benchmark)，因而其一直受到高度的重视。首先利用单个变换来处理所述问题，而稍后被扩展成过完备基。从那以后，在此领域的研究至今已经集中于获得最优变换以及最优定阈值的技术上。利用线性变换和定阈值来去噪依赖于依照所利用的变换进行的稀疏分解(sparse decomposition)。根据i.i.d.噪声假定，可以表明具有小数值的变换系数已经将信噪比(SNR)降得很低，并且可以示出用于有效地检测和去除(在硬阈值的情况下)或者降低(在软阈值的情况下)这些系数的阈值非线性，以便改善噪声特性。当然，此改进被限制在这样一类信号上，在所述信号上，所利用的线性变换提供稀疏分解。然而，如果设想在特定图像上典型使用局部变换、诸如小波或者块离散余弦变换(DCT)，那么很明显，许多DCT或者包括变换的小波基函数将使边缘重叠并且产生其他异常。众所周知的是，稀疏属性不保留这种特征，并且去噪声性能会因此而受到损失。具有过完备变换的去噪试图通过将每个像素处的多个去噪声估计(对应于同一变换的位移版本)求平均来改善此问题。人们希望一些估计将提供比其他估计更好的性能，这将以求平均来进行校正。
技术实现思路
本专利技术的目的在于通过采用利用上述去噪声方式无法获得的独立的自由度来为利用过完备变换和定阈值的去噪声技术提供进一步的改进。本专利技术的另一个目的在于提供一种数字图像去噪声技术，该技术涉及为每个像素公式化去噪声的估计的最优组合并且求解该组合以获得最优估计。依照本专利技术的一个方面，提供了用于获得含噪数字信号的无噪部分的估计的方法。一种方法，包括以下步骤对含噪数字信号应用一组M线性变换；确定数字信号的每个数字元素的M初始去噪声的估计；通过按照线性估计问题来公式化所述组合并且求解它以获得各个加权因子来导出每个数字元素的M初始去噪声估计的加权因子的组合；以及根据相应的M初始去噪声估计和加权因子的组合公式化每个数字元素的最终去噪声估计。优选的是，将该组M线性变换应用于整个数字信号或者应用于每个数字元素。对于该组M线性变换中的每个线性变换来说，优选的是，通过为每个变换系数定阈值并且反变换未定阈值的变换系数来获得特定数字元素的M初始去噪声估计，其中所述每个变换系数具有一个低于阈值的绝对值。优选的是，加权因子的组合是最优组合，所述最优组合是这样导出的以便使条件均方误差相对于初始的去噪声估计被最小化。该组M线性变换可以采取许多形式，包括(i)离散余弦变换和预定数目的其过完备位移，(ii)子波变换和预定数目的其过完备位移，或者(iii)傅里叶变换和预定数目的其过完备位移。在优选的实施例中，所述数字信号是由多个像素组成的图像或者视频帧，其中每个数字元素包括一个或者一组像素。在另一种方法中，获得含噪信号y的无噪部分x的估计 所述方法包括依照以下公式来获得 的每个元素n的估计 所述公式为x^(n)=Σi=1Mαi(n)x^i(n),n=1,...,N,]]>其中加权因子αi(n)，i＝1，...，M，n＝1，...，N通过按照线性估计问题公式化其组合来最优地确定。然后，合并 估计以获得 优选的是，以这样一种方式来最优地确定αi(n)以便 使条件均方误差相对于初始去噪声的估计最小化。更加优选的是，根据去除噪声离散的显式相关性的比例因子和(i)取决于在获得每个 的过程中应用的过完备变换组的矩阵，(ii)从取决于在获得每个 的过程中应用的过完备变换组的矩阵导出的对角矩阵，或者(iii)从取决于在获得每个 的过程中应用的过完备变换组的矩阵导出的对角矩阵导出的简化的对角矩阵来进一步确定αi(n)的最优确定。在其他方面中，本专利技术涉及一种设备，所述设备包括一个或多个部件，所述部件用于执行如上所述的方法步骤中的处理操作。这种部件可以利用硬件、软件或者其组合来实现。例如可以使用通用微处理器、或者一个或多个专用集成电路(ASIC)、数字信号处理电路等等或者其组合来实现硬件实现方式。依照本专利技术的又一方面，可以以指令程序(例如，软件)来实现任何上述方法或者其步骤，其中所述指令程序可以存储、传送到计算机或者其他处理器控制的设备上来执行。作为选择，可以将所述指令程序与被设计以执行一个或多个步骤的硬件集成在一起(例如，一个或多个ASIC、数字信号处理电路等等)。通过结合附图参照以下说明和权利要求书，将使本专利技术的其他目的和优势以及对其更彻底地理解变得更加显并且易于理解。附图说明图1(a)举例说明了搀杂有噪声的分段恒定信号，图1(b)举例说明了用于在ns处去噪声的等值线性滤波器，而图1(c)举例说明了在该点用于去噪声的最优滤波器。图2举例说明了为在图像voronoi的三个像素处为全解、对角线解以及标准解计算的等值滤波器。图3举例说明了测试图像voronoi(256×256)以及茶壶(960×1280)。图4、5和6举例说明了在不同条件下实现的用于全解(只有图4)、对角线解、只有明显的解、以及标准解系统的峰值信噪比(PSNR)-阈值曲线。图7(a)-(e)以及8(a)-(d)举例说明了测试图像的有噪声以及去噪声部分。图9是举例说明了本专利技术主要算法的基本处理流程的流程图。图10是举例说明了可用来实现本专利技术技术的示范性系统的框图。具体实施例方式A.概述本专利技术主要致力于这样一种常见的情况，其中使用一组过完备线性变换以及定阈值来去除图像中的i.d.d.噪声。不是专门通过求去噪声估计(对应于每个变换)的平均来获得去噪声信号的标准方法，本专利技术按照线性估计问题为每个像素公式化最优组合并且求解它以便获得最优估计。本专利技术的方法不依赖于所利用的变换以及定阈值方案。本专利技术推导最优估计不要求明确的图像统计量，而是仅仅依靠对所利用的变换提供稀疏分解的假设。此外，本专利技术的自适应估计使用隐含的条件统计量，并且它们在标准稀疏假定失败的边缘和异常处周围产生最大的影响。由此，依照本专利技术，在每一像素处估计了线性变换过完备组(即，或者同一变换的位移版本、或者具有HiHi-1＝1，i＝1，...，M的通用变换集合(H1，H2，...，HM}，其中1是恒等)、以及为变换系数定阈值(优选的是，硬阈值)且反变换以获得多个去噪声估计之后，不仅仅是对这些估计求平均来获得最终结果。而是，本专利技术提供了一种用于主动确定最优估计的技术，然后将所述最优估计合并以获得最终结果。照此，本专利技术的公式既不会失去求平均的简单性，也不需要任何明确的统计量或者参数。按照减少计算复杂性的顺序来导出三个估计。即使当在所述信号中不存在异常(例如，边缘)，第一估计值也是最有效的估计值，也可以自始至终改善去噪声性能。第二估计值非常简单，并且只要求在应用每个变换之后、像素中保留的所期望的噪声能量的量。对于硬阈值来说，可以由继续存在的阈值的系数的数目，或者具有与给出像素重叠的基本函数的非零系数本文档来自技高网...

【技术保护点】
一种用于获得含噪数字信号的无噪部分的估计的方法，包括以下步骤：（ａ）将一组Ｍ线性变换应用于含噪数字信号；（ｂ）确定数字信号的每个数字元素的Ｍ初始去噪声估计；（ｃ）通过按照线性估计问题公式化所述组合并且求解它以获得各个 加权因子来导出每个数字元素的Ｍ初始去噪声估计的加权因子的组合；和（ｄ）根据相应的Ｍ初始去噪声估计以及分别在步骤（ｂ）和（ｃ）中确定的加权因子的组合来公式化每个数字元素的最终去噪声估计。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：OG古莱尔于兹，
申请(专利权)人：精工爱普生株式会社，
类型：发明
国别省市：JP[日本]