[發明專利]基于奇異值權重函數的非局部TV模型圖像去噪方法

有效

• 申請號: 201611219201.6
• 申請日: 2016-12-26
• 公開（公告）號: CN106875345B
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 金燕;蔣文宇;萬宇;趙羿;杜偉龍;王雪麗
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

一種基于奇異值權重函數的非局部TV模型圖像去噪方法。步驟如下：(1)首先輸入噪聲圖像。(2)設置算法的相關參數，包括非局部搜索窗口大小N₁×N₁、鄰域窗口大小N₂×N₂、像素相似度權重函數的參數h、j、高斯核的標準差σ，分裂的Bregman迭代輔助變量的初始值b⁰、保真參數λ，以及平滑參數θ。(3)通過奇異值分解方法獲得圖像塊的最大奇異值。(4)構建基于該最大奇異值的新的像素相似度權重函數。(5)應用步驟(4)構建的權重函數，建立非局部TV模型。(6)對步驟(5)建立的非局部TV模型采用分裂的Bregman算法進行求解。(7)通過分裂的Bregman算法數值迭代運算獲得去噪圖像。(8)如果迭代滿足停止條件，輸出迭代最優結果圖像并轉向步驟(9)，如果不滿足停止條件，則返回步驟(7)繼續迭代。(9)將步驟(8)的迭代最優結果圖像作為最后去噪結果圖像。

技術領域

本發明屬于圖像處理技術領域，具體涉及去除加性噪聲的圖像去噪領域和改進的非局部TV模型的圖像去噪方法。

背景技術

圖像去噪旨在通過對被噪聲污染的圖像進行某種處理，以降低噪聲對原始有用信息的影響，盡可能地還原出被噪聲污染前的圖像。

GUY GILBOA和STANLEY OSHER提出的非局部TV模型(Nonlocal Total Variation,NLTV)是將GUY GILBOA和STANLEY OSHER提出的非局部算子(見文獻：NONLOCAL OPERATORSWITH APPLICATIONS TO IMAGE PROCESSING.SIAM Multiscale Modeling andSimulation.Vol.7,No.3,pp.1005–1028)引入到Rudin-Osher-Fatemi提出的總變分(TotalVariation，TV)模型中而得到的，NLTV模型具有在去除圖像噪聲的同時能較好地保留圖像的紋理細節的特點，該模型包含保真項和正則項。保真項表示觀測圖像(即待去噪的圖像)與去噪后圖像的接近程度；正則項表達去噪后圖像光滑程度的先驗知識。在正則項中，像素相似度權重函數具有很重要的作用，其表達式與含噪圖像的圖像塊中各像素灰度值直接相關，但是由于噪聲的存在，噪聲會對像素灰度值產生干擾，進而影響像素相似度權重。

奇異值分解是一種基于特征向量的矩陣變換方法，在信號處理、模式識別、數字水印技術等方面都得到了應用。由于圖像具有矩陣結構，因此本發明將其用于提取圖像塊的主要特征，將提取的圖像主要特征用于構建新的像素相似度權重函數，以降低噪聲對像素相似度權重的影響，再將構建的新的像素相似度權重函數應用到NLTV模型，得到新的NLTV模型，用于圖像去噪。

本文中所提到的NLTV模型是指GUY GILBOA和STANLEY OSHER提出的非局部TV模型。

發明內容

本發明的目的是克服目前現有基于非局部理論的圖像去噪技術中，在圖像受到噪聲干擾后，圖像的像素值被噪聲污染而改變，像素相似度權重賦值會受到噪聲干擾的缺陷。本發明通過構建一種新型的像素相似度權重函數來減少噪聲的干擾，提高像素相似度權重賦值的準確性。本發明所述的基于奇異值權重函數的非局部TV模型圖像去噪方法包括如下步驟：

(1)首先輸入N₀×N₀大小的待去噪的圖像f；

(2)設置本發明方法的相關參數，包括非局部搜索窗口大小N₁×N₁、鄰域窗口大小N₂×N₂、像素相似度權重函數的參數h和j，高斯核的標準差σ，分裂的Bregman迭代輔助變量b^k的初始值b⁰、平滑參數θ，以及保真參數λ；

(3)通過奇異值分解方法獲得圖像f中各鄰域圖像塊(圖像塊大小為N₂×N₂)的奇異值矩陣和最大奇異值；