[發(fā)明專利]一種用于改善圖像視覺效果的分?jǐn)?shù)階I-divergence方法

在審

• 申請?zhí)枺?/td>: 201410718446.8
• 申請日: 2014-12-02
• 公開（公告）號: CN104537613A
• 公開（公告）日: 2015-04-22
• 發(fā)明（設(shè)計）人: 田丹;王丹
• 申請（專利權(quán)）人: 沈陽大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 沈陽技聯(lián)專利代理有限公司 21205
• 代理人: 趙越

技術(shù)領(lǐng)域

????本發(fā)明涉及一種用于圖像乘性噪聲去除的計算機(jī)實現(xiàn)方法，特別是涉及一種改善圖像視覺效果的分?jǐn)?shù)階I-divergence方法。

背景技術(shù)

圖像去噪是一個從噪聲圖像中尋找原始清晰圖像的逆問題，它在數(shù)字圖像處理領(lǐng)域具有基礎(chǔ)性地位，對后續(xù)圖像恢復(fù)、圖像分割、圖像配準(zhǔn)等處理過程起到預(yù)處理作用。按照圖像與噪聲間的相關(guān)性劃分，圖像噪聲可分為加性噪聲和乘性噪聲。在圖像去噪問題中，目前大多數(shù)研究都是針對加性噪聲的。而在實際應(yīng)用中，乘性噪聲普遍存在于合成孔徑雷達(dá)圖像、醫(yī)學(xué)圖像、顯微圖像、和激光圖像中。因此對圖像乘性噪聲去除問題的研究具有廣泛的應(yīng)用價值。

在乘性噪聲去除方法中，變分方法憑借其嚴(yán)格的數(shù)學(xué)分析，成為目前的研究熱點之一。Rudin、Lions和Osher基于去除加性噪聲的變分方法，提出了第一個用于去除乘性噪聲的變分模型，簡稱RLO模型，但該模型僅考慮了噪聲的基本統(tǒng)計特性（均值和方差）。繼RLO模型后，Aubert和Aujol基于噪聲的最大后驗概率估計，提出了一種著名的去除乘性Gamma噪聲的變分模型，簡稱AA模型，并采用梯度下降算法求解模型。

考慮到AA模型的非凸性導(dǎo)致去噪結(jié)果依賴于初始值選取和數(shù)值化方法的問題，近年來興起了關(guān)于凸變分乘性去噪模型的研究。例如，Shi等人利用對數(shù)變換將乘性非凸問題轉(zhuǎn)換為加性凸問題，提出了一種SO模型。Steidl等人組合I-divergence保真項和變分調(diào)整，提出了一種I-divergence模型。其中，I-divergence是一種廣義Kullback-Leibler（KL）距離。從統(tǒng)計學(xué)角度看，可以用來度量兩個概率分布?和的差異性。考慮到SO模型需對優(yōu)化結(jié)果作非線性指數(shù)運算處理，I-divergence模型更適合于去噪尋優(yōu)，該模型可表示為

??????????????????（1）

式中，表示觀測圖像，表示原始圖像，表示正則化參數(shù)，則為去噪后圖像。

上述變分去噪模型均通過引入能量函數(shù)，將圖像去噪問題轉(zhuǎn)化為泛函求極值問題，在本領(lǐng)域內(nèi)均有一定的影響力，能在不同程度上有效改善圖像的視覺效果。但模型均建立在有界變差空間，而該空間的函數(shù)具有分段平滑特性，所以穩(wěn)態(tài)解中均存在明顯的“階梯效應(yīng)”，即遺失了一些細(xì)節(jié)信息，出現(xiàn)分段平滑現(xiàn)象。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于圖像乘性噪聲去除的分?jǐn)?shù)階I-divergence方法，該方法能有效改善圖像的視覺效果，保護(hù)圖像的細(xì)節(jié)特征，并且能有效快速計算機(jī)實現(xiàn)。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

一種用于改善圖像視覺效果的分?jǐn)?shù)階I-divergence方法，包括分?jǐn)?shù)階I-divergence去噪模型、正則化參數(shù)的調(diào)整方法和分?jǐn)?shù)階I-divergence原始對偶數(shù)值算法。所述一種分?jǐn)?shù)階I-divergence去噪模型，表示為：

?????????????????（2）

式中，表示觀測圖像，表示原始圖像，表示正則化參數(shù)，則為去噪后圖像，

????????????????????????（3）

所述一種正則化參數(shù)的調(diào)整策略，本發(fā)明可在無需噪聲先驗知識的情況下，基于下面方程自適應(yīng)調(diào)整正則化參數(shù)

?????????????????????????????（4）

式中，參數(shù)（且足夠接近于1），用于控制數(shù)據(jù)保真項和正則項間的相對權(quán)重。該方法的基本理念亦是平衡去噪優(yōu)化的數(shù)據(jù)保真能力和平滑調(diào)整能力。

所述一種分?jǐn)?shù)階I-divergence原始對偶數(shù)值算法，首先定義參數(shù)，算法步驟描述如下：

步驟?1.初始化：給定初始步長，且滿足，令。

步驟?2.?計算：

?　????????(5)

式中，，表示有限維向量空間。

步驟?3.終止條件：

?????(6)

式中，表示原始對偶間隔，表示對偶空間，

??????????????????????????????????????(7)

??????????????????????????????????????(8)

當(dāng)終止條件滿足時，迭代終止；否則，令，轉(zhuǎn)步驟?2。

本發(fā)明的優(yōu)點與效果是：