[發(fā)明專利]一種基于不相關(guān)稀疏字典的圖像去噪方法

有效

• 申請?zhí)枺?/td>: 201711495141.5
• 申請日: 2017-12-31
• 公開（公告）號: CN108305219B
• 公開（公告）日: 2022-01-14
• 發(fā)明（設(shè)計）人: 王瑾;朱青
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/40
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

本發(fā)明公開一種基于不相關(guān)稀疏字典的圖像去噪方法，將字典元素之間的互相關(guān)性作為字典學(xué)習(xí)優(yōu)化方法中的約束條件融合進字典學(xué)習(xí)模型，得到新的不相關(guān)字典學(xué)習(xí)模型，從而更高效地學(xué)習(xí)得到不相關(guān)字典；在這個模型中，字典的表示誤差和互相關(guān)性都是優(yōu)化目標(biāo)，都需要極小化；通過求解這個優(yōu)化模型得到最優(yōu)不相關(guān)稀疏字典。本發(fā)明得到不相關(guān)稀疏字典用于圖像去噪的結(jié)果優(yōu)于使用傳統(tǒng)字典的圖像去噪結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種基于不相關(guān)稀疏字典的圖像去噪方法。

背景技術(shù)

根據(jù)稀疏表示理論，一個信號可以利用少數(shù)幾個典型基元的線性組合有效表示。這個信號可以通過尋找利用一個預(yù)定義的稀疏字典最稀疏的線性表示獲得精確表示。稀疏表示的這種優(yōu)良特性使其廣泛應(yīng)用于圖像處理與圖像恢復(fù)領(lǐng)域，例如圖像去噪、圖像超分辨率和圖像修復(fù)。作為稀疏表示理論的基礎(chǔ)，稀疏字典的選擇在稀疏表示問題中起到了至關(guān)重要的作用。

如何從信號中學(xué)習(xí)得到一個自適應(yīng)的稀疏字典，以此來獲得信號的最優(yōu)表示，許多相關(guān)研究已經(jīng)開展?！癝parse coding with an overcomplete basis set:A strategyemployed by v1”,Bruno A Olshausen and David J Field；Vision research,vol.37,no.23,pp.3311–3325,1997中最早提出了稀疏字典學(xué)習(xí)問題并且指出稀疏字典中的基元和已知的圖像濾波器作用相同?！癓earning overcomplete representations”,Michael SLewicki and Terrence J Sejnowski；Neural computation,vol.12,no.2,pp.337–365,2000.提出了第一種利用訓(xùn)練信號數(shù)據(jù)的概率模型學(xué)習(xí)過完備字典的方法?！癕ethod ofoptimal directions for frame design”,Kjersti Engan,Sven Ole Aase,and J HakonHusoy,1999IEEE International Conference on Acoustics,Speech,and SignalProcessing.IEEE,1999,vol.5,pp.2443–2446中利用框架設(shè)計技術(shù)提出了稱為最優(yōu)方向法(MOD)的稀疏字典學(xué)習(xí)方法?！癒-SVD:An algorithm for designing overcompletedictionaries for sparse representation”,Michal Aharon,Michael Elad,and AlfredBruckstein,IEEE Transactions on Signal Processing,vol.54,no.11,pp.4311–4322,2006提出了K-SVD稀疏字典學(xué)習(xí)方法，這種方法可以視為K均值聚類算法的推廣。這兩種稀疏字典學(xué)習(xí)方法的總體思路都是在稀疏編碼和字典更新兩個步驟中交替迭代求解。其他稀疏字典學(xué)習(xí)方法還包括“Learning unions of orthonormal bases with thresholdedsingular value decomposition”,Sylvain Lesage,Remi Gribonval,Frederic Bimbot,and Laurent Benaroya,IEEE International Conference on Acoustics,Speech,andSignal Processing(ICASSP’05).IEEE,2005,vol.5,pp.v–293、“Dictionaries forsparse representation modeling”,Ron Rubinstein,Alfred MBruckstein,and MichaelElad,Proceedings of the IEEE,vol.98,no.6,pp.1045–1057,2010、和“Online learningfor matrix factorization and sparse coding”,Julien Mairal,Francis Bach,JeanPonce,and Guillermo Sapiro,The Journal of Machine Learning Research,vol.11,pp.19–60,2010。