Abstract
A novel algorithm for estimating the noise variance of an image is presented. The image is assumed to be corrupted by Gaussian distributed noise. The algorithm estimates the noise variance in three steps. At first the noisy image is filtered by a horizontal and a vertical difference operator to suppress the influence of the (unknown) original image. In a second step a histogram of local signal variances is computed. Finally a statistical evaluation of the histogram provides the desired estimation value. For a comparison with several previously published estimation methods an ensemble of 128 natural and artificial test images is used. It is shown that with the novel algorithm more accurate results can be achieved
چکیده
الگوریتمی جدید برای تخمین واریانس نویز تصویر ارائه شده است. فرض می شود که تصویر توسط نویز توزیعی گاوس خراب شده است. این الگوریتم واریانس نویز را در سه مرحله تخمین می زند. در اولین مرحله، تصویر نویزدار توسط یک اپراتور تفاوت افقی و عمودی برای جلوگیری از تاثیر تصویر اصلی (ناشناخته و مجهول) فیلتر می شود. در دومین مرحله، هیستوگرامی از واریانس های سیگنال محلی محاسبه می شود. سرانجام ارزیابی آماری هیستوگرام، مقدار تخمینی مطلوب را تامین می کند. برای مقایسه با چندین روش تخمینی قبلا انتشار یافته، مجموعی از 128 تصویر تست طبیعی و مصنوعی استفاده شده است. اثبات شده که با این الگوریتم جدید نتایج دقیق تری را می توان به دست آورد.
1-مقدمه
هدف مشترک پردازش تصویر بازیابی تصویر اصلی x از تصویر نویزدار y است. الگوریتم های زیادی در این رشته پیشنهاد شده است و معمولا مقدار دقیق واریانس نویز σx2 به عنوان یک پارامتر فیلتر قاطع مورد نیاز است ( به مرجع {1} نیز مراجعه شود). برای تخمین واریانس نویز، چندین الگوریتم ایجاد شده است {8-1}. یک بررسی کلی و بحث در مرجع {1، 9} ارائه شده است. به طور کلی، میزان دقت الگوریتم های پیشنهادی همیشه رضایت بخش نیست...