[發明專利]基于稀疏自適應字典的圖像去噪方法

有效

• 申請號: 201310161279.7
• 申請日: 2013-05-05
• 公開（公告）號: CN103218791A
• 公開（公告）日: 2013-07-24
• 發明（設計）人: 鐘樺;焦李成;武忠;潘秋灃;王爽;侯彪;馬晶晶;馬文萍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于稀疏自適應字典的圖像去噪方法，包括如下步驟：

(1)對含噪圖像Ω中的任一點i，以其為中心選取大小為的鄰域塊，將鄰域塊列化為向量記為y_i，得到數據集Y＝{y_i|i∈1,2,...,N}，其中N為鄰域塊的個數；

(2)利用數據集Y訓練字典：

2a)設迭代次數J為15，字典中原子的個數M＝4n，初始字典D⁽⁰⁾為大小n×M的離散余弦字典,循環變量k＝1；

2b)對數據集Y中的每一列信號y_i，求解它在字典D^(k-1)上的編碼系數α_i,即利用正交匹配追蹤OMP方法求解如下優化問題得出α_i：

∀i∈{1,2,...,N},minαi||αi||0s..t.||yi-D(k-1)αi||22≤(Cσ)2]]>

其中，C為一個已知常數系數，σ為噪聲方差，||α_i||₀表示向量α_i的零范數，s.t.表示對該問題的約束條件，記編碼系數矩陣為

A^(k-1)＝(α₁,α₂,...,α_N)；

2c)利用編碼系數矩陣A^(k-1)依次更新字典D^(k-1)中的所有原子，設循環變量l＝1：

2c1)找出在稀疏表示中使用了原子d_l的所有信號，這些信號的編號組成集合w_l，即w_l＝{i|α_i(l)≠0,i∈{1,2,...,N}}，其中，α_i(l)表示向量α_i的第l個元素；

2c2)對于i∈w_l，計算信號y_i在d_l上的表示殘差

eil=yi-Σm≠ldmαi(m),]]>

用所有的i∈w_l構成殘差矩陣E_l；

2c3)計算殘差矩陣E_l在相應的系數向量g上的投影d′：

d′＝E_l·g，

其中，j_p表示集合w_l中的第p個元素，p∈{1,2,...,|w_l|}，w_l表示集合w_l中元素的個數；

2c4)利用字典D^(k-1)對投影d′進行稀疏編碼得到編碼系數β，即利用正交匹配追蹤OMP方法求解優化問題：

minβ||d′-D(k-1)β22s.t.||β||0≤L,]]>

其中L＝10為新原子的稀疏度；

2c5)利用字典D^(k-1)和d′的編碼系數β得到新原子：d_new＝D^(k-1)β，以及信號{y_i|i∈w_l}在新原子上的系數g_new＝(E_l)^Td_new；

2c6)更新原子d_l＝d_new，同時更新{y_i|i∈w_l}在d_l上的表示系數為g_new，即α_i(l)＝g_new(i)，i∈w_l；

2c7)判斷本次字典更新是否已經完成：若l＝M，則本次字典更新已完成，得到了字典D^(k)和系數矩陣A^(k)，執行步驟2d）,否則將l增加1，返回步驟2c1）；

2d)判斷字典訓練是否完成：若k＝J，則字典訓練已經完成，得到字典D^(J)和系數矩陣A^(J)，執行步驟（3），否則將k增加1，返回步驟2b；

(3)利用第（2）步所得的字典D^(J)和系數矩陣A^(J)，計算去噪后的數據集：

Y^=D(J)A(J);]]>

(4)利用去噪后的數據集得到去噪后的圖像。

2.根據權利要求1所述的基于稀疏自適應字典的圖像去噪方法，其特征在于步驟(4)，按如下步驟進行：

4a)對含噪圖像Ω中的任意一點j，從去噪后的數據集中取出與該點對應的所有像素值，取它們的均值作為該點的去噪結果；

4b)對含噪圖像Ω中的各個點都按照步驟4a)得到含噪圖像Ω中所有點的去噪結果，進而得到去噪后的整幅圖像。