·1224. 工程科学学报，第37卷，第9期 两种算法：从处理速度上看，与前两个实验一样，本文 shrinkage.Biometrika,1994,81 (3):425 算法占有明显优势 5]Zhang Q,Liang DQ,Fan X.Estimating image noise based on re- 从几项实验结果还可以看出，本文算法在噪声较 gion segmentation in the wavelet domain.Comput Eng,2004,30 (8):37 大时估计精度和稳定性好于PCA算法和SVD算法. (张旗，梁德群，樊鑫.基于小波域的图像噪声估计新方法 这是由于PCA算法和SVD算法均基于这样一个假设， 计算机工程，2004,30(8)：37) 即经过相应的变换后噪声产生的系数明显小于图像结 6] Li T Y,Wang M H,Wu Y J,et al.Wavelet-based approach for 构信息产生的系数，但当噪声较大时实际情况逐渐偏 estimating the variance of noise in images.Beijing Unir Technol, 离假设，从而造成较大误差.本文算法基于分割区域 2012,38(9):1402 进行统计，在噪声较大时采用较小的复杂度参数进行 (李天翼，王明辉，吴亚娟，等.图像噪声方差的小波域估计 算法.北京工业大学学报，2012,38(9)：1402) 分割，得到了相对较大的区域，区域像素点的增加从统 Meer P,Jolion J M,Rosenfeld A.A fast parallel algorithm for 计上降低估计的误差 blind estimation of noise variance.IEEE Trans Pattern Anal Mach 4结论 ntell,1990,12(2):216 [8]Salmeri M,Mencattini Ricci A E,et al.Noise estimation in digit- 给出一种基于图像平滑和分割的噪声水平估计方 al images using furzy processing //2001 International Conference 法，估计过程分两步进行，先由一般设置得到一个初始 on Image Processing.Thessaloniki,2001:517 估计，进而自适应地通过初始估计修正算法参数，在第 9]Shin D H,Park R H,Yang S,et al.Block-ased noise estima- tion using adaptive gaussian filtering.IEEE Trans Consum Elec- 二次估计中得到更高的精度.通过与最近提出的两种 trom,2005,51(1):218 高性能噪声估计算法进行比较可知本文算法在处理速 [0]Tian J,Chen L Image noise estimation using a variation-adap- 度明显优于PCA算法和SVD算法：对高斯噪声估计性 tive evolutionary approach.IEEE Signal Process Lett,2012.19 能上与较好的PCA算法基本相当，但比PCA算法更好 (7):395 地适应不同类型的噪声：对混合噪声估计与性能较好 [11]Sari S,Roslan H,Shimamura T.Noise estimation by utilizing 的SVD算法基本相当，但比SVD算法能更好地适应不 mean deviation of smooth region in noisy image//2012 Fourth International Conference on Computational Intelligence,Modelling 同内容和尺寸的图像：在噪声较大时准确性和准确性 and Simulation.Kuantan,2012:232 均优于PCA算法和SVD算法.在实际应用中，往往是 02] Immerkar J.Fast noise variance estimation.Comput Vision /m- 不同尺寸和内容的图像迭加了各种类型的复杂噪声， age Understanding,1996.64(2):300 因此本文算法更具优势 03] Rank K,Lendl M,Unbehauen R.Estimation of image noise va- riance.IEE Proc Vision Image Signal Process,1999,146 (2): 80 参考文献 [14]Tai S C,Yang S M.A fast method for image noise estimation u- Pyatykh S,Hesser J,Zheng L Image noise level estimation by sing Laplacian operator and adaptive edge detection /ISCCSP principal component analysis.IEEE Trans Image Process,2013, 2008,3rd International Symposium on Communications,Control 22(2):687 and Signal Processing.Malta,2008:1077 2]Liu W.Gaussian noise level estimation in SVD domain for ima- 05] Konstantinides K,Natarajan B,Yovanof G S.Noise estimation ges.J Image Graphics,2012,17(8)923 and filtering using block-based singular value decomposition. (柳薇.SVD域的图像高斯噪声强度估计.中国图象图形学 IEEE Trans Image Process,1997,6(3):479 报，2012,17(8)：923) [6]Zhai G,Wu X.Noise estimation using statistics of natural image B]Liu W,Lin W.Additive white Gaussian noise level estimation in /18th IEEE International Conference on Image Processing. SVD domain for images.IEEE Trans Image Process,2013,22 Brussels,2011:1857 (3):872 [17]Nock R,Nielsen F.Statistical region merging.IEEE Trans Pat- 4]Donoho D L,Johnstone I M.Ideal spatial adaption via wavelet tern Anal Mach Intell,2004,26(11):1452工程科学学报，第 37 卷，第 9 期 两种算法; 从处理速度上看，与前两个实验一样，本文 算法占有明显优势． 从几项实验结果还可以看出，本文算法在噪声较 大时估计精度和稳定性好于 PCA 算法和 SVD 算法． 这是由于 PCA 算法和 SVD 算法均基于这样一个假设， 即经过相应的变换后噪声产生的系数明显小于图像结 构信息产生的系数，但当噪声较大时实际情况逐渐偏 离假设，从而造成较大误差． 本文算法基于分割区域 进行统计，在噪声较大时采用较小的复杂度参数进行 分割，得到了相对较大的区域，区域像素点的增加从统 计上降低估计的误差． 4 结论 给出一种基于图像平滑和分割的噪声水平估计方 法，估计过程分两步进行，先由一般设置得到一个初始 估计，进而自适应地通过初始估计修正算法参数，在第 二次估计中得到更高的精度． 通过与最近提出的两种 高性能噪声估计算法进行比较可知本文算法在处理速 度明显优于 PCA 算法和 SVD 算法; 对高斯噪声估计性 能上与较好的 PCA 算法基本相当，但比 PCA 算法更好 地适应不同类型的噪声; 对混合噪声估计与性能较好 的 SVD 算法基本相当，但比 SVD 算法能更好地适应不 同内容和尺寸的图像; 在噪声较大时准确性和准确性 均优于 PCA 算法和 SVD 算法． 在实际应用中，往往是 不同尺寸和内容的图像迭加了各种类型的复杂噪声， 因此本文算法更具优势． 参 考 文 献 ［1］ Pyatykh S，Hesser J，Zheng L． Image noise level estimation by principal component analysis． IEEE Trans Image Process，2013， 22( 2) : 687 ［2］ Liu W． Gaussian noise level estimation in SVD domain for ima￾ges． J Image Graphics，2012，17( 8) : 923 ( 柳薇． SVD 域的图像高斯噪声强度估计． 中国图象图形学 报，2012，17( 8) : 923) ［3］ Liu W，Lin W． Additive white Gaussian noise level estimation in SVD domain for images． IEEE Trans Image Process，2013，22 ( 3) : 872 ［4］ Donoho D L，Johnstone I M． Ideal spatial adaption via wavelet shrinkage． Biometrika，1994，81( 3) : 425 ［5］ Zhang Q，Liang D Q，Fan X． Estimating image noise based on re￾gion segmentation in the wavelet domain． Comput Eng，2004，30 ( 8) : 37 ( 张旗，梁德群，樊鑫． 基于小波域的图像噪声估计新方法． 计算机工程，2004，30( 8) : 37) ［6］ Li T Y，Wang M H，Wu Y J，et al． Wavelet-based approach for estimating the variance of noise in images． J Beijing Univ Technol， 2012，38( 9) : 1402 ( 李天翼，王明辉，吴亚娟，等． 图像噪声方差的小波域估计 算法． 北京工业大学学报，2012，38( 9) : 1402) ［7］ Meer P，Jolion J M，Ｒosenfeld A． A fast parallel algorithm for blind estimation of noise variance． IEEE Trans Pattern Anal Mach Intell，1990，12( 2) : 216 ［8］ Salmeri M，Mencattini Ｒicci A E，et al． Noise estimation in digit￾al images using fuzzy processing / / 2001 International Conference on Image Processing． Thessaloniki，2001: 517 ［9］ Shin D H，Park Ｒ H，Yang S，et al． Block-based noise estima￾tion using adaptive gaussian filtering． IEEE Trans Consum Elec￾tron，2005，51( 1) : 218 ［10］ Tian J，Chen L． Image noise estimation using a variation-adap￾tive evolutionary approach． IEEE Signal Process Lett，2012，19 ( 7) : 395 ［11］ Sari S，Ｒoslan H，Shimamura T． Noise estimation by utilizing mean deviation of smooth region in noisy image / / 2012 Fourth International Conference on Computational Intelligence，Modelling and Simulation． Kuantan，2012: 232 ［12］ Immerkr J． Fast noise variance estimation． Comput Vision Im￾age Understanding，1996，64( 2) : 300 ［13］ Ｒank K，Lendl M，Unbehauen Ｒ． Estimation of image noise va￾riance． IEE Proc Vision Image Signal Process，1999，146( 2) : 80 ［14］ Tai S C，Yang S M． A fast method for image noise estimation u￾sing Laplacian operator and adaptive edge detection / / ISCCSP 2008，3rd International Symposium on Communications，Control and Signal Processing． Malta，2008: 1077 ［15］ Konstantinides K，Natarajan B，Yovanof G S． Noise estimation and filtering using block-based singular value decomposition． IEEE Trans Image Process，1997，6( 3) : 479 ［16］ Zhai G，Wu X． Noise estimation using statistics of natural images / / 18th IEEE International Conference on Image Processing． Brussels，2011: 1857 ［17］ Nock Ｒ，Nielsen F． Statistical region merging． IEEE Trans Pat￾tern Anal Mach Intell，2004，26( 11) : 1452 ·1224·