资源描述
应用于speckle noise改进非局部相似概率的滤波器
邵春雨 2013 7.13
前言
Speckle noise 为摄像头及宇航拍摄图片的常见的噪声之一,本文
用相似概率衡量Speckle noise的图片的相似性,并用该方法达到一种较好的去噪效果。
摘要
我们首先介绍了Deledalle相似概率度量方法,其次介绍了一般的speckle noise模型, 并推导了相似概率在speckle noise的不同情况以及其相关的性质。
关键词 :相似概率,speckle noise
正文
1.Deledalle相似性方法
假设所有的随机变量都是在空间Ω,F,Ρ中实值的,连续的,并且有确定定义的。
pX是随机变量X的一个概率密度函数,并且对于任意的x,
pXx>0. 我们定义条件概率密 度函数
pY|X.x:=pY,X(. , x)PX(x),并且满足-∞ypY|Xtxdt = limε→0+PY≤yX∈(x-ε,x+ε],
同时我们假设噪声像素点f i 服从像素间相互独立的随机变量Fi 并且与对应的无噪声像素为ui服从Ui为随机变量的分布,i=1, 2 ,…N。 现在我们定义一个相似度量概率密度函数
Pu1=u2 f 1 ,f2 )=SpU1|F1uf1 pU2|F2uf2du ( 1 ),其中pFif i >0,i=1,2 并且定义 S=supppUi。根据已经定义的相似概率密度函数,我们可以得到
SpU1|F1uf1 pU2|F2uf2du=SpU1 , F1 (u , f1)pU2 , F2(u ,f2)dupF1f1pF2(f2) ( 2 )
结合概率论的知识,我们立刻又可以得到
pU1 ,U2 ,F1 ,F2x ,u ,f1 ,f2=pU1 , F1 (x+u , f1)pU2 , F2(u ,f2)
因此
pU1 -U2 ,F1 ,F20 ,f1 ,f2=-∞+∞pU1 -U2 ,U2 ,F1 ,F20 ,u ,f1 ,f2du
=SpU1|F1uf1 pU2|F2uf2du
也即 Pu1=u2 f 1 ,f2 )=pU1 -U2 ,F1 ,F20 ,f1 ,f2 (3)
由(2),我们也可以得到
pU1 -U2 ,F1 ,F20 ,f1 ,f2=SpU1 , F1 (u , f1)pU2 , F2(u ,f2)dupF1f1pF2(f2) 。(4)
我们定义sDDTf1 , f2= SpF1|U1f1u pF2|U2f2udu 。
2斑点噪声模型
记f(x)=u(x)+urxvx。其中ux为最初的图像,fx为观察
图像,v(x)为对应位置的噪声。r为一个常数与图像本身有关,r∈R。
在3中我们讨论r的一般情况,而只以r=1,,12,-1固定r值做实验。
尤其注意当r=1时,f(x)= u(x)(1+v(x)),记v1x=1+vx。
转化成f(x)=u(x)v1x 转化成乘性噪声模型。
3.基于相似性方法应用于speckle noise
由(4)得
pU1 -U2 ,F1 ,F20 ,f1 ,f2=SpU1 , F1 (u , f1)pU2 , F2(u ,f2)dupF1f1pF2(f2)
=SpU1upU2(u)pF1f1pF2(f2 pF1|U1f1u pF2|U2f2udu
我们又有F1=U1+U1rV1,F2=U2+U2rV2,根据概率论的知识和
雅克比变换法则,我们有
SpU1upU2upF1f1pF2(f2 pF1|U1f1u pF2|U2f2udu
=SpU1upU2upF1f1pF2(f2.1u2r pV1(f1-uur) pV2(f2-uur)du
所以我们可以得sDDTf1 , f2= SpF1|U1f1u pF2|U2f2udu 。
=S1u2r pV1(f1-uur) pV2(f2-uur)du
一般的取S=(0,+∞).
4.讨论V1,V2服从N(0,σ2) sDDTf1 , f2的性质
sDDTf1 , f2=S1u2r pV1f1-uurpV2f2-uurdu
=0+∞1u2r12πσ2e-(f1-u)2+(f2-u)22u2rσ2du ,注意到
(f1-u)2+(f2-u)2≥(f1-f2)22。我们得
0 ≤sDDTf1 , f2≤0+∞1u2r12πσ2e-(f1-f2)24u2rσ2du
令(f1-f2)24u2rσ2=t,当r≥0时,则0+∞1u2r12πσ2e-(f1-f2)24u2rσ2du = 0+∞(f1-f2)24σ212r-112r.12πσ2t-12re-tdt
=(f1-f2)24σ212r-112r.12πσ2 .Γ(1-12r)
当r<0时,类似的得0+∞1u2r12πσ2e-(f1-f2)24u2rσ2du
=(f1-f2)24σ212r-11-2r.12πσ2 .Γ(1-12r)
综合上述,0 ≤sDDTf1 , f2≤(f1-f2)24σ212r-11|2r|.12πσ2 .Γ(1-12r)
由于 sDDTf1 , f2 反应f1 , f2相似的程度,且不论r取何值,当
f1=f2时, 0<r<12 , (f1-f2)24σ212r-112r.12πσ2 .Γ1-12r=0
必有f1=f2时,0<r<12,sDDTf1 , f2=0。此时我们近似的认为 sDDTf1 , f2=(f1-f2)24σ212r-11|2r|.12πσ2 .Γ(1-12r)。
取一个像素点fi为中心的patch(2r+1)*(2r+1),fj为该patch
中的任何一个点,我们用高斯核结合sDDTfi , fj构造每个点对应的权重.
w(i,j)= e-sDDTfi , fjh,其中h给调节常数,通常取h=4πσ2.
fi =(j∈Ωwi,j*fj)(j∈Ωwi,j) ,Ω为fi为中心的
(2r+1)*(2r+1)的patch。
当r<0或r >12 , f1=f2时
(f1-f2)24σ212r-11|2r|.12πσ2 .Γ1-12r趋于无穷。
我们定义此时
sDDTf1 , f2=1/((f1-f2)24σ212r-11|2r|.12πσ2 .Γ1-12r)
此时类似的定义w(i,j)= e-sDDTfi , fjh
5上机实验及与各种类型滤波器的比较SNR进行比较。
略。
参考文献
[1].Non-Local Means Denioising
[2].A New similarity measure for nonlocal filtering in the presence
Of multiplicative noise
[3].Nonlocal means based speckle filtering for ultrasound image
致谢
感谢老师半年的得悉心指导,同时祝同学们学习进步,老师事业更上一层楼
展开阅读全文