基于熵检测的图像噪声方差小波域估计

doi:10.13190/jbupt.201105.1.lity

北京邮电大学学报 ›› 2011, Vol. 34 ›› Issue (5): 1-5.doi: 10.13190/jbupt.201105.1.lity

• 论文 • 下一篇

基于熵检测的图像噪声方差小波域估计

李天翼^1,2,王明辉¹,常化文¹,陈淑清^1

1. 四川大学计算机学院, 成都 610065; 2. 四川大学制造学院, 成都 610065

收稿日期:2010-12-22 修回日期:2011-02-08 出版日期:2011-10-28 发布日期:2011-08-26
通讯作者: 李天翼 E-mail:scu_lty@eyou.com
基金资助:
国家自然科学基金项目（61071162）

An EntropyBased Estimation of Noise Variance in Wavelet Domain

Received:2010-12-22 Revised:2011-02-08 Online:2011-10-28 Published:2011-08-26

摘要/Abstract

摘要：

提出一种在小波域中基于熵值检测的图像噪声方差估计算法. 利用小波变换能显著降低图像信号的熵而并不改变高斯噪声熵的特性以及噪声熵值与噪声方差之间呈对数关系变化的规律，定量地分析了含噪图像在小波高频对角子带中系数的熵值随噪声幅值的变化规律，揭示出这种变化关系对图像具有较强的鲁棒性，从而利用这种变化关系，通过对含噪图像小波域熵值的检测对高斯噪声进行估计. 仿真结果表明，提出的算法能够有效估计出图像中噪声的方差，并且受图像细节影响较小，其性能优于现有其他算法.

关键词: 小波变换, 熵, 高斯噪声, 方差估计

Abstract:

A new approach with entropy inspection in wavelet domain is proposed for estimation of the variance of Gaussian noise in images. With advantage of wavelet transform, the entropy of image signal degrades notably with the Gaussian noise entropy unchanging. It denotes that the noise entropy value varies with the noise levels in manner of logarithm. The relation between the entropy values of the noisy image wavelet coefficients and the noise levels is traversed in quantitative form. A formula is given to depict this functional relation. Experiment indicates that such a relation is robust to images. A noise estimation is thus made with the entropy inspection of the noisy image in wavelet domain and the established formula as apriori knowledge. Meanwhile, a simulation shows that the proposed approach can achieve more exact value while little influenced by image details.

Key words: wavelet transform, entropy, Gaussian noise, variance estimation

李天翼,王明辉,常化文,陈淑清. 基于熵检测的图像噪声方差小波域估计[J]. 北京邮电大学学报, 2011, 34(5): 1-5.

参考文献

[1] Liu C, Freeman W T, Szeliski R, et al. Noise estimation from a single image//2006 IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2006: 901-908.
[2] Gindele E B, Serrano N. Estimating noise for a digital image utilizing updated statistics: United State, 7054501. 2006-05-30. http://www.freepatentsonline.com/7054501.pdf.
[3] Jolion J M, Meer P, Rosenfeld A. A fast parallel algorithm for blind estimation of noise variance[J]. IEEE Trans PAMI, 1990, 12(2): 216-223.
[4] Donoho D. Denoising by soft thresholding[J]. IEEE Trans Information theory, 1995, 41(3): 613-627.
[5] Donoho D, Johnstone I M. Ideal spatial adaptation by wavelet shrinkage[J]. Biometrika, 1994, 81(3): 425-455.
[6] Li Tianyi, Wang Minghui, Li Tianjian. Estimating noise parameter based on the wavelet coefficients estimation of original image//2010 International Conference on Challenges in Environmental Science and Computer Engineering. Wuhan: IEEE Computer Society, 2010: 126-129.
[7] Shannon. A mathematical theory of communication[J]. Bell System Tech Journal, 1948, 27: 379-423, 623-656.
[8] 雷芳, 黄进. 一种新信息熵及其若干性质[J]. 重庆邮电学院学报: 自然科学版, 2006, 18(6): 778-780. Lei Fang, Huang Jin. A new information entropy and its properties [J]. Journal of Chongqing University of Posts and Telecommunications: Natural Science Edition, 2006, 18(6): 778-780.
[9] 徐久成, 孙林. 一种新的基于决策熵的决策表约简方法[J]. 重庆邮电学院学报: 自然科学版, 2009, 21(4): 479-483. Xu Jiucheng, Sun Lin. New reduction method based on decision information entropy in decision table [J]. Journal of Chongqing University of Posts and Telecommunications: Natural Science Edition, 2009, 21(4): 479-483.
[10] Mallat S G. A wavelet tour of signal processing[M]. 2th ed. San diego: Academic Press, 1998: 403-404.
[11] Mallat S G. A theory for multiresolution signal decomposition: the wavelet representation[J]. IEEE Trans PAMI, 1989, 11(7): 674-693.

[1]	欧阳莫微, 康桂霞, 王开亮, 王亚明. 一种放射组学分析的海马硬化自动诊断方法[J]. 北京邮电大学学报, 2022, 45(4): 51-57.
[2]	王惠琴, 杨丽荣, 彭清斌, 曹明华, 陈丹. 基于离散小波变换的O-OFDM-DIM[J]. 北京邮电大学学报, 2022, 45(3): 57-63.
[3]	杨宏宇, 袁海航, 张良. 一种基于主机重要度的网络主机节点风险评估方法[J]. 北京邮电大学学报, 2022, 45(2): 16-21.
[4]	孙艺, 夏启钊. 半监督聚类目标下粒子群算法的分析与改进[J]. 北京邮电大学学报, 2020, 43(5): 21-26.
[5]	张金玲, 崔彤, 刘为斌. 基于自适应时间窗函数优化的心电特征波形识别[J]. 北京邮电大学学报, 2019, 42(4): 82-88.
[6]	吴新忠, 夏令祥, 张旭, 周成. 基于谱熵梅尔积的语音端点检测方法[J]. 北京邮电大学学报, 2019, 42(2): 83-89.
[7]	任帅, 王震, 徐振超, 苏东旭, 贺媛. 一种基于OBJ三维模型纹理贴图的信息隐藏算法[J]. 北京邮电大学学报, 2019, 42(1): 22-27.
[8]	邱雪松, 张珣, 宋彦斌, 赵兵, 徐思雅. 基于熵和线性关系的两级流量异常检测方法[J]. 北京邮电大学学报, 2018, 41(4): 56-62.
[9]	李文璟, 李梦, 邢宁哲, 纪雨彤, 曾祥健. 基于熵权-灰色模型的电力数据网风险预测[J]. 北京邮电大学学报, 2018, 41(3): 39-45.
[10]	晁浩, 鲁保云, 刘永利, 刘志中, 宋成. 基于谱信息熵和互补模型的声效模式检测[J]. 北京邮电大学学报, 2018, 41(2): 56-61.
[11]	赵健, 张婉如, 张顺利, 雷敏, 徐文胜, 范帅帅. 一种新的结合SVD的非下采样Shearlet数字水印[J]. 北京邮电大学学报, 2017, 40(s1): 34-38.
[12]	倪水平, 常慧刚. 基于能量和小波变换的双门限联合频谱感知[J]. 北京邮电大学学报, 2017, 40(4): 117-121.
[13]	张金玲, 郑鑫. 平稳小波变换和新阈值函数用于心电信号去噪[J]. 北京邮电大学学报, 2017, 40(1): 28-31.
[14]	王瑶, 刘世栋, 郭经红. 基于最小熵的故障诊断算法[J]. 北京邮电大学学报, 2016, 39(s1): 10-13.
[15]	张秋余, 省鹏飞, 黄羿博, 董瑞洪, 杨仲平. 多格式音频感知哈希算法[J]. 北京邮电大学学报, 2016, 39(4): 77-82.

基于熵检测的图像噪声方差小波域估计

An EntropyBased Estimation of Noise Variance in Wavelet Domain

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价