[發明專利]基于超像素聚類和稀疏表示的圖像去噪方法

有效

• 申請號: 201710138742.4
• 申請日: 2017-03-09
• 公開（公告）號: CN106934398B
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 王海;肖雪;趙偉;劉巖;秦紅波
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06T5/00;G06K9/46;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 韋全生;王品華

1.一種基于超像素聚類和稀疏表示的圖像去噪方法，其特征在于，包括如下步驟：

(1)輸入一幅含有標準方差為δ的高斯白噪聲的圖像I_n；

(2)首先設定圖像I_n的超像素數目R，并對圖像I_n進行超像素分割，得到超像素集合{SP_i|i＝1,2,...,R}，其次定義一個空的相似矩陣S，計算超像素集合{SP_i|i＝1,2,...,R}中每兩個超像素之間的相似度，并將計算結果存儲到相似矩陣S中，其中，i是超像素集合{SP_i|i＝1,2,...,R}中超像素的序號，SP_i是超像素集合{SP_i|i＝1,2,...,R}中第i個超像素，i₁和i₂是超像素集合{SP_i|i＝1,2,...,R}中任意兩個超像素的序號，且i₁＝1,2,...,R,i₂＝1,2,...,R，i₁≠i₂，是超像素集合{SP_i|i＝1,2,...,R}中第i₁個超像素，是超像素集合{SP_i|i＝1,2,...,R}中第i₂個超像素；

(3)設定類的個數為K，并利用相似矩陣S，對超像素集合{SP_i|i＝1,2,...,R}中的超像素進行聚類，得到相似超像素集合{Cr_k|k＝1,2,...,K}，其中k是相似超像素集合{Cr_k|k＝1,2,...,K}中相似超像素的序號，Cr_k是相似超像素集合{Cr_k|k＝1,2,...,K}中第k簇相似超像素；

(4)對相似超像素集合{Cr_k|k＝1,2,...,K}中每簇相似超像素分別進行重疊取塊，具體步驟為：設定圖像塊邊長p，在圖像I_n平面內，以圖像I_n的邊界像素點為中心，鏡像復制p′個像素點，得到圖像I′_n，其中，在圖像I′_n平面內，以相似超像素集合{Cr_k|k＝1,2,...,K}中每簇相似超像素中的像素點為中心，提取p×p大小的圖像塊，得到K個圖像塊子集合；再以該K個圖像塊子集合中的每個圖像塊子集合為元素組成圖像塊子集集合{{Bl_kt|t＝1,2,...,T_k}|k＝1,2,...,K}，并將該K個圖像塊子集合進行合并，得到圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}，其中，{Bl_kt|t＝1,2,...,T_k}是圖像塊子集集合{{Bl_kt|t＝1,2,...,T_k}|k＝1,2,...,K}中第k個圖像塊子集合，t是從相似超像素集合{Cr_k|k＝1,2,...,K}中第k簇相似超像素Cr_k中提取的圖像塊的序號，Bl_kt是從相似超像素集合{Cr_k|k＝1,2,...,K}中第k簇相似超像素Cr_k中提取的第t個圖像塊，T_k是相似超像素集合{Cr_k|k＝1,2,...,K}中第k簇相似超像素Cr_k中提取的圖像塊的數目；

(5)對圖像塊子集集合{{Bl_kt|t＝1,2,...,T_k}|k＝1,2,...,K}中的每個圖像塊子集合分別進行字典訓練，得到字典集合{D_k|k＝1,2,...,K}，其中，D_k是字典集合{D_k|k＝1,2,...,K}中第k個字典；

(6)設迭代變量為且初始化迭代變量為0，并利用字典集合{D_k|k＝1,2,...,K}，對圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中所有圖像塊進行稀疏分解，得到稀疏系數集合其中，表示第次迭代時圖像塊Bl_kt的稀疏系數；

(7)設定選取相似圖像塊的數目L，為圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中的每個圖像塊選取L個相似圖像塊，并計算圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中每個圖像塊的L個相似圖像塊的稀疏系數加權和，得到加權稀疏系數集合其中，表示第次迭代時圖像塊Bl_kt的L個相似圖像塊的稀疏系數加權和，選取相似圖像塊和計算圖像塊對應的稀疏系數加權和的實現步驟如下：

(7a)計算圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中圖像塊Bl_kt與圖像塊子集合{Bl_kt|t＝1,2,...,T_k}中除圖像塊Bl_kt以外的其它圖像塊之間的相似度，再對得到的相似度按從大到小的順序進行排序，從圖像塊子集合{Bl_kt|t＝1,2,...,T_k}中選取前L個相似度對應的圖像塊作為圖像塊Bl_kt的相似圖像塊，并對圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中除圖像塊Bl_kt以外的其它圖像塊進行相同的操作，得到相似度集合和相似圖像塊集合其中，l表示與圖像塊Bl_kt相似的L個圖像塊中任意圖像塊的序號，表示與圖像塊Bl_kt第l相似的圖像塊，表示圖像塊Bl_kt和圖像塊之間的相似度；

(7b)利用相似度集合和稀疏系數集合計算圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中每個圖像塊的相似圖像塊的稀疏系數加權和，得到加權稀疏系數集合

(8)利用加權稀疏系數集合對圖像塊集合{Bl_kt|k＝1,2,...,K；t＝1,2,...,T_k}中每個圖像塊的稀疏分解過程進行約束，得到每個圖像塊的新稀疏系數，并利用得到的新稀疏系數對稀疏系數集合進行更新，得到新稀疏系數集合其中，對圖像塊的稀疏分解過程進行約束的公式為：

其中，y_kt表示將圖像塊Bl_kt的灰度值矩陣進行列化得到的灰度值向量，γ是用以平衡圖像塊Bl_kt重構誤差和稀疏度的歸一化參數；

(9)設定迭代變量閾值Λ，并判斷迭代變量是否大于迭代變量閾值Λ，若是，停止更新稀疏系數集合，并將第Λ次迭代得到的稀疏系數集合作為最終的稀疏系數集合，否則迭代變量自增1，并執行步驟(7)，其中，表示第Λ次迭代時圖像塊Bl_kt的稀疏系數；

(10)利用字典集合{D_k|k＝1,2...,K}和稀疏系數集合對圖像I_n進行重構，得到去噪后的圖像I_c。