[發(fā)明專利]基于支撐值變換和多尺度冗余字典學習的自然圖像去噪方法

有效

• 申請?zhí)枺?/td>: 201110102860.2
• 申請日: 2011-04-22
• 公開（公告）號: CN102156975A
• 公開（公告）日: 2011-08-17
• 發(fā)明（設計）人: 楊淑媛;焦李成;張月圓;衛(wèi)美絨;韓月;王爽;侯彪;鐘樺
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/10
• 分類號: G06T5/10
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于支撐值變換和多尺度冗余字典字習的自然圖像去噪方法，包括如下步驟：

(1)利用最小二乘支撐矢量機的逼近模型構造支撐值濾波器V_j，j＝1，2，...，γ，其中，γ是多尺度數(shù)目；

(2)將含噪圖像P利用多個尺度上的支撐值濾波器V_j，j＝1，2，...，γ進行分解，得到含噪圖像P在第j個尺度上的支撐值圖像Y_j，j＝1，2，...，γ：

Y_j＝V_j*P_j，

其中Pj=Pj-1-Yj-12≤j≤γPj=1]]>

V_j是第j個支撐值濾波器，P_j是第j個尺度上含噪圖像P的近似圖像，*代表卷積運算，P_j-1是第j-1個尺度上含噪圖像P的近似圖像，Y_j-1是含噪圖像P在第j-1個尺度上的支撐值圖像；

(3)將含噪支撐值圖像Y_j，j＝1，2...γ分解為Q個重疊圖像塊，設定第j個尺度上支撐值圖像的去噪結果

X^j=argminXjΣmn||Djαmn-RmnXj||22+Σmn||αmn||0+λ||Xj-Yj||22]]>

其中，D_j是對應于Y_j的自適應稀疏表示字典，α_mn是圖像塊R_mnX_j在字典D_j下的稀疏表示系數(shù)，R_mn代表取塊操作，X_j是干凈的支撐值圖像，R_mnX_j為從X_j中選取的8×8大小的圖像塊，m和n分別是取出塊的第一行和第一列的位置，表示取2范數(shù)平方，||α_mn||₀表示稀疏表示系數(shù)α_mn的0范數(shù)，λ是拉格朗日系數(shù)，是逼近誤差的2范數(shù)平方；

(4)采用KSVD算法更新自適應稀疏表示字典D_j和稀疏表示系數(shù)α_mn；

(5)將更新后的自適應稀疏表示字典D_j和更新后的稀疏表示系數(shù)α_mn代入步驟(3)設定的第j個尺度上支撐值圖像的去噪結果公式，得到第j個尺度上支撐值圖像的去噪結果

X^j=(λI+ΣmnRmnTRmn)-1(λYj+ΣmnRmnTDjαmn)]]>

其中I是單位矩陣，是R_mn的轉置；

(6)重復步驟(3)-(5)，計算得到所有尺度上支撐值圖像的去噪結果對做多尺度支撐值逆變換得到含噪圖像P的去噪結果

X=Σj=1γX^j.]]>