[發(fā)明專利]一種混合泊松、高斯和脈沖噪聲的視頻去噪方法

有效

• 申請?zhí)枺?/td>: 201710179189.9
• 申請日: 2017-03-23
• 公開（公告）號: CN107123094B
• 公開（公告）日: 2020-07-17
• 發(fā)明（設計）人: 不公告發(fā)明人
• 申請（專利權）人: 四川精目科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種混合泊松、高斯和脈沖噪聲的視頻去噪方法，其特征在于包括以下步驟：

步驟一：將噪聲視頻每一幀圖像劃分為圖像塊，在噪聲視頻幀序列中通過塊匹配方法對每一個圖像塊搜索相似圖像塊；

將噪聲視頻每一幀圖像劃分為圖像塊的具體方法是：

對于噪聲視頻幀序列{I₁,I₂,...,I_n}，其中n為噪聲視頻幀數(shù)，將每一幀圖像劃分為s×s像素大小的圖像塊，圖像塊之間重疊區(qū)域?qū)挾葹閣_o個像素；對于每一個圖像塊P，通過塊匹配方法在噪聲視頻幀序列中搜索相似圖像塊，并在每一幀中獲取m個相似圖像塊；對于每個相似圖像塊，將其所有列依次連接形成一個列向量，則所有相似塊的列向量集合為{d_i}，其中i＝1,2,...,mn；在此基礎上，用所有相似塊列向量構成觀測塊矩陣其中D的每一列都是一個相似塊列向量，表示行數(shù)為s²、列數(shù)為m的實數(shù)矩陣集合；

所述步驟一中的圖像塊匹配方法，包括但不限于基于圖像塊向量之間歐式距離進行圖像塊匹配的方法；

步驟二：構造泊松-高斯混合噪聲先驗，其具體形式是：

其中，F(xiàn)(A,E,Z)表示泊松-高斯混合噪聲先驗；A為清晰圖像塊矩陣，A的每一列為前述相似塊對應的清晰塊列向量；E表示塊匹配誤差塊矩陣，E的每一列為前述相似塊對應的匹配誤差列向量；Z表示脈沖噪聲矩陣，Z的每一列為前述相似塊對應的脈沖噪聲向量；D表示相似塊列向量構成的觀測塊矩陣；max(X)表示矩陣X的最大元素，除法運算和平方根運算為矩陣逐元素進行；σ為混合泊松、高斯和泊松噪聲中，高斯噪聲部分的標準差，其中且N的所有元素都為1；

步驟三：構造建立在混合泊松、高斯和脈沖噪聲環(huán)境下的視頻去噪模型，具體形式為：

求解使得目標函數(shù)值達到最小的A、E和Z：

其中，F(xiàn)(A,E,Z)表示泊松-高斯混合噪聲先驗，||·||_*，||·||₁和||·||_F分別為矩陣核范數(shù)、l₁范數(shù)和Frobenius范數(shù),λ，μ和η為常數(shù)系數(shù)，求解出清晰圖像塊矩陣A之后，把A的列向量重新變換為s×s圖像塊，得到相似圖像塊對應的清晰圖像塊；

步驟四：采用優(yōu)化算法求解去噪模型，獲得清晰圖像塊矩陣A；求解清晰圖像塊的優(yōu)化算法，包括但不僅限于現(xiàn)有算法Accelerated Proximal Gradient(APG)；

步驟五：將清晰圖像塊矩陣A合并生成清晰視頻圖像，具體方法是：

對于第k幀，其中k＝1,2,...,n，清晰視頻圖像，設包含像素p_k(x,y)的清晰圖像塊集合為{b₁,b₂,...,b_v}，其中，x,y分別為該像素在視頻圖像中的行數(shù)和列數(shù)，p_k(x,y)為(x,y)處的像素點，v為包含像素p_k(x,y)的圖像塊個數(shù)，{b₁,b₂,...,b_v}表示包含像素p_k(x,y)的清晰圖像塊集合，則像素p_k(x,y)的灰度值為：

其中，I(p_k(x,y))為像素p_k(x,y)的灰度值，為b_j中像素p_k(x,y)對應的灰度值，其中j＝1,2,...,v，v為包含像素p_k(x,y)的圖像塊個數(shù)。