[發明專利]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

• 申請號: 201110102860.2
• 申請日: 2011-04-22
• 公開（公告）號: CN102156975A
• 公開（公告）日: 2011-08-17
• 發明（設計）人: 楊淑媛;焦李成;張月圓;衛美絨;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: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，具體地說是一種稀疏表示去噪方法，可用于圖像處理，模式識別和生物醫學等領域。

背景技術

自然圖像的噪聲具有加性背景，目前自然圖像的去噪方法可以從變換域和空域兩個方面來進行。基于空域濾波的經典方法有Lee濾波，Kuan濾波。近年來，空域濾波中又提出了非局部均值濾波算法，基于冗余DCT字典，以及基于KSVD字典學習的稀疏表示去噪算法，其中：

Lee濾波等經典算法采用的是在同質區域取均值，對變化較快的點采取保留的局部濾波策略，雖然處理速度很快，但濾波后的圖像整體效果模糊，大部分圖像細節丟失且不能保持邊緣的連續性，同質區域不夠平滑；

近年來，在對圖像出現的周期性式樣的研究基礎上，又提出了非局部均值算法空域濾波方法。非局部均值算法通過計算圖像中兩個像素點鄰域的相似度來確定該點對所要求的點的信息補償程度，中心點的灰度值為鄰域內像素點灰度值的加權平均。它雖然能很好的解決圖像邊緣和線性體的保留問題，但仍存在平滑區域過平滑現象。

基于圖像稀疏表示下的去噪算法是新近提出的一種空域圖像去噪新方法，它采用圖像在冗余字典上的稀疏近似來實現噪聲去除，如DCT字典去噪和KSVD字典學習去噪。其不足之處在于DCT字典原子固定，不能有效逼近原圖的邊緣與細節信息，而KSVD字典學習的誤差控制方法粗糙，易造成原圖中部分紋理細節的丟失。

發明內容

本發明的目的在于克服上述去噪方法的不足，提出一種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，以在多個尺度上進行稀疏表示和字典學習，有效提取圖像在多個尺度上的顯著特征，并兼顧對自然圖像中噪聲的去除和紋理細節的保持，提高圖像去噪效果。

為實現上述目的，本發明包括如下步驟：

(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