[發(fā)明專利]基于自適應(yīng)核回歸的全變分圖像噪聲消除方法

有效

• 申請?zhí)枺?/td>: 201810110225.0
• 申請日: 2018-02-05
• 公開（公告）號(hào): CN108510449B
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 賴睿;莫一過;肖鶴玲;徐昆然;官俊濤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

本發(fā)明公開了一種結(jié)合自適應(yīng)核回歸和雙邊全變分圖像噪聲消除方法，主要解決現(xiàn)有技術(shù)在較強(qiáng)噪聲環(huán)境下不能有效保持圖像細(xì)節(jié)信息的問題。其實(shí)現(xiàn)步驟是：1.獲取污染圖像，并用污染圖像初始化第1次迭代的去噪圖像；2.設(shè)置最大迭代次數(shù)N；3.計(jì)算第t次迭代圖像的核回歸權(quán)值；4.構(gòu)建第t次迭代圖像的結(jié)合自適應(yīng)核回歸和雙邊全變分的正則項(xiàng)，并組成能量泛函；5.計(jì)算正則項(xiàng)對迭代圖像的導(dǎo)數(shù)；6.采用最陡下降法求解能量泛函最小化問題，獲得第t+1次迭代的去噪圖像；7.重復(fù)步驟3至步驟6，直至迭代次數(shù)達(dá)到N次，輸出去噪后圖像。本發(fā)明能保持更好的目標(biāo)圖像紋理、更豐富的細(xì)節(jié)特性及更好的視覺效果，可用于數(shù)字圖像的預(yù)處理。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及一種全變分圖像噪聲消除方法，可用于數(shù)字圖像的預(yù)處理。

背景技術(shù)

數(shù)字圖像在獲取和傳輸過程中，因受到電路自身和外界噪聲源的干擾，不可避免地出現(xiàn)降質(zhì)，從而嚴(yán)重影響到后續(xù)的特征提取與分析等處理。圖像去噪需要兼顧噪聲的抑制和圖像原始信息的保留兩個(gè)方面。針對圖像去噪問題，該領(lǐng)域的研究者進(jìn)行了大量的探索和研究，提出了大量基于數(shù)字信號(hào)處理技術(shù)的噪聲抑制方法。

現(xiàn)存的圖像噪聲抑制方法主要有：空間域噪聲抑制方法和變換域噪聲抑制方法。空間域方法直接對像素輸出進(jìn)行處理，易于硬件實(shí)現(xiàn)，而獲得廣泛應(yīng)用。傳統(tǒng)的空域平均濾波法、中值濾波法、高斯濾波法、雙邊濾波法等，在濾除噪聲的同時(shí)也會(huì)對圖像邊緣進(jìn)行不同程度的平滑，F(xiàn)asiu等人將邊緣保持特性較好的全變分模型與雙邊濾波模型結(jié)合構(gòu)建出雙邊全變分先驗(yàn)約束，取得了很好的去噪效果，輸出圖像具有更加銳利的邊緣(SinaFarsiu,M.Dirk Robinson,Michael Elad et al.,Fast and Robust MultiframeSuper Resolution,IEEE Transactions on Image Processing,Vol.13,No.10,2004,pp.1327-1344.)。但該方法中濾波權(quán)重仍由單個(gè)像素亮度值決定，在較強(qiáng)的噪聲干擾下，權(quán)重誤差將導(dǎo)致去噪效果下降。Lou Y等人將全變分方法和基于塊的方法相結(jié)合構(gòu)建了非局部全變分方法。其思想是使用其他相似像素以恢復(fù)未知像素。這種相似性為是以像素為中心的塊之間的相似性，而不僅僅是像素本身的強(qiáng)度，因此取得了更好的效果，見Lou Y,Zhang X,Osher S,et al.Image recovery via nonlocal operators[J].Journal ofScientific Computing,2010,42(2):185-197。然而這種方法中，當(dāng)以像素為中心的塊的尺寸越大時(shí)，得到的圖像的邊緣越不明顯，導(dǎo)致去噪圖像模糊。

發(fā)明內(nèi)容

本發(fā)明的目的在針對上述現(xiàn)有技術(shù)的不足，提出一種基于自適應(yīng)核回歸的全變分圖像噪聲消除方法，以提升強(qiáng)噪聲干擾下的去噪效果，得到良好的邊緣保持特性。

本發(fā)明的技術(shù)方案是：將自適應(yīng)核回歸與全變分模型相結(jié)合，構(gòu)建基于圖像紋理結(jié)構(gòu)的先驗(yàn)約束，在此基礎(chǔ)上進(jìn)行自適應(yīng)核回歸的雙邊全變分正則化噪聲消除，其實(shí)現(xiàn)步驟包括如下：

(1)獲取污染圖像X₀；

(2)迭代計(jì)算去噪圖像：

(2a)用污染圖像X₀初始化第1次迭代的去噪圖像設(shè)置最大迭代次數(shù)N＝50；

(2b)計(jì)算第t次迭代去噪圖像的核回歸權(quán)值K_t,l,m，t≥2；

其中，l，m分別代表在去噪圖像的x方向平移l個(gè)像素和在y方向平移m個(gè)像素的像素點(diǎn)對去噪圖像原位置像素的權(quán)值；

(2c)構(gòu)建去噪圖像的基于自適應(yīng)核回歸的雙邊全變分正則項(xiàng)

其中，||·||₁表示1范數(shù)，和分別代表將去噪圖像沿x方向平移l個(gè)像素和在y方向平移m個(gè)像素的矩陣算子；