[發明專利]一種數據去噪的方法及裝置

有效

• 申請號: 201410037847.7
• 申請日: 2014-01-26
• 公開（公告）號: CN104809695B
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 劉義俊;穆亞東;范偉
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明實施例公開了一種數據去噪的方法及裝置，用于對大規模的數據集進行去噪，提高降噪處理速率，并適用于流處理等對處理速度要求較高的應用場景。本發明實施例包括：將需要去噪的數據作為輸入，代入攜帶有全變差TV范數的模型；根據預置變量分解策略，將所述攜帶有全變差TV范數的模型進行變換；基于交替方向乘子法ADMM算法，將變換后的模型進行重構轉換；迭代求解重構轉換后的模型，得到去噪后的數據。

技術領域

本發明涉及通信技術領域，尤其涉及一種基于交替方向乘子法（ADMM，alternating direction method of multipliers）的全變差數據去噪方法及裝置。

背景技術

目前，數據噪聲是廣泛存在的。例如，從Sensor Network（傳感器網絡）中獲取的數據，往往因為傳感器的采集精度，或者與數據采集設備的交互過程受到的外界干擾，所獲取的數據往往包含有不但不可用，而且會影響，甚至于誤導數據分析過程的噪聲數據。例如，對于數字圖像數據，噪聲會造成圖像模糊，影響圖像質量。

一種常用的數據去噪的思路是引入基于數據內在結構的正則化項，并且，數據噪聲的強弱可以用全變差（TV，Total Variation）的大小來反映。而現有技術中，Split-Bregman是一種靈活的算法，用于解決不可微凸最小化問題，對具有向量1-范數或TV范數正則化的問題尤為高效。可用于處理高斯噪聲，并可擴張到其他的噪聲模型的降噪處理中。

Split-Bregman算法中，全變差可以通過屬性數據值的矢量大小加和近似的表示：

上述公式定義了多維變量u的TV范數。其中的指離散梯度。Split Bregman的思想在于使用分裂算子與Bregman迭代去求解約束最小化問題：

通過引入d，式中的第一部分與第二部分不再直接相關。則每次Bregman迭代解決的問題如下：

上述公式中b為與Bregman迭代算法關聯的變量，懲罰參數γ為一個正常數。通過分別確定u與d進行上式的子問題求解，然后更新b的方式進行迭代。最終求出降噪的數據u。

可是，現有的該方法的計算復雜性通常較高，從而需要有更好的計算能力對計算過程予以支撐。隨著數據集的不斷擴大，所需的計算能力也隨之變大，因此，現有的算法是不適用于大規模的數據集。另外，一些對計算能力要求不高的方法通常需要較長的時間才能收斂出最終結果。而在流處理系統中包含有前述背景技術中描述的類似場景，需要系統能夠作為快速處理，使數據能夠迅速的進入下一步的處理，現有的相關方法就不能提供很好的支撐，從而會影響整個流處理系統的實施效果。

發明內容

本發明實施例提供了一種數據去噪的方法及裝置，用于對大規模的數據集進行去噪，提高降噪處理速率，并適用于流處理等對處理速度要求較高的應用場景。

有鑒于此，本發明第一方面提供一種數據去噪的方法，其中，可包括：

將需要去噪的數據作為輸入，代入攜帶有全變差TV范數的模型；

根據預置變量分解策略，將所述攜帶有全變差TV范數的模型進行變換；

基于交替方向乘子法ADMM算法，將變換后的模型進行重構轉換；

迭代求解重構轉換后的模型，得到去噪后的數據。

在第一方面的第一種可能的實現方式中，所述將需要去噪的數據作為輸入，代入攜帶有全變差TV范數的模型之前，包括：

將輸入為矩陣表示的數據集轉換為離散集表示；

將離散集表示的數據分解成若干個不存在交集的子集。