降质图像噪声检测模型

一、降质图像噪声检测模型

根据本章前述Chebyshev理论,得:

令g(i+m,j+n)为中心像素g(i,j)的邻域像素,是前项集A的估计值,μ(i,j)为局部加权均值,σ(i,j)为局部加权标准差,则:

式中:wθ(m,n)为主纹理方向的局部概率密度,即:

式中:θ为方向角。

因Radon变换具有周期性对称性,并由图5-3可获知图像Radon变换后的主纹理方向概率密度分别在45°和225°,90°和270°,135°和315°是相同的,所以此处只需分析图像以下主纹理方向:

则基于Chebyshev理论和Radon变换,图像主纹理分析的噪声检测模型可描述为:

式中:

式中:δ为常数,其取值详见“实验与分析”部分;fF_mean为窗口中像素点之间的隶属度。

因为图像自身质量存在模糊性,所以此处采用模糊理论中的模糊平均过程来决策窗口中像素点之间的隶属度。本文采用下式即梯形函数(图5-6)表示灰度级为255的灰度图像中像素点之间的隶属度,其中参数α与β将在实验部分给出。

图5-6　模糊平均过程的模糊区间