[發(fā)明專利]一種基于新范數(shù)的圖像噪聲去除方法

有效

• 申請?zhí)枺?/td>: 201810233460.7
• 申請日: 2018-03-21
• 公開（公告）號: CN108537252B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計）人: 張笑欽;鄭晶晶;嚴玉芳
• 申請（專利權(quán)）人: 溫州大學(xué)蒼南研究院
• 主分類號: G06V10/30
• 分類號: G06V10/30;G06V10/77
• 代理公司: 溫州名創(chuàng)知識產(chǎn)權(quán)代理有限公司 33258
• 代理人: 陳加利

本發(fā)明公開了一種基于新范數(shù)的圖像噪聲去除方法，包括對目標(biāo)圖像進行塊匹配，然后將匹配到的相似圖像塊疊成張量形式，并建立相應(yīng)的主成分分析模型；給出一個新范數(shù)的定義，并將該新范數(shù)的定義從矩陣推廣到張量情形，將前面步驟所建立的主成分分析模型中的秩函數(shù)替換為新范數(shù)，從而將原來的NP難問題轉(zhuǎn)化為一個可求解問題，并提出新優(yōu)化問題的解析解；將求解新問題得到的低秩張量并展開成矩陣形式，得到每一個圖像子塊的去噪結(jié)果并對重疊區(qū)域求均值，得到最終去噪結(jié)果。實施本發(fā)明，改方法有效地融合圖像局部和非局部的統(tǒng)計特性，有效地利用了空間結(jié)構(gòu)信息，提高了對噪聲和奇異點的魯棒性，實現(xiàn)了信噪比更高的去噪效果。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于新范數(shù)的圖像噪聲去除方法。

背景技術(shù)

圖像信號在獲取和傳輸過程中，常因各種外界噪聲的干擾導(dǎo)致質(zhì)量下降，從而嚴重影響到圖像的后續(xù)處理，如邊緣檢測、目標(biāo)識別、特征提取、圖像分割等，因此圖像去噪成為圖像處理過程中最基礎(chǔ)和重要的環(huán)節(jié)，并且引起了廣泛的關(guān)注。

目前的圖像去噪方法主要分為局部方法與非局部方法兩種。局部方法通常就是用某種核與圖像進行卷積運算。然而由于局部方法只是利用當(dāng)前像素所在領(lǐng)域內(nèi)的像素與該像素之間的關(guān)系進行去噪，這將使得圖像細節(jié)容易丟失，去噪結(jié)果模糊。而非局部方法則是利用圖像的全局結(jié)構(gòu)信息進行去噪，往往能夠得到較好的去噪效果。其中比較的典型非局部圖像去噪方法有：非局部均值算法、基于聚類的局部字典學(xué)習(xí)算法、三維塊匹配算法、基于聚類的稀疏表示算法、基于字典學(xué)習(xí)的非局部均值去噪算法等。其中非局部均值算法假設(shè)圖像具有自相似的特點，充分利用了圖像的全局信息實現(xiàn)對圖像去噪較好的處理。基于變換域的圖像去噪方法是首先將圖像的像素矩陣轉(zhuǎn)為一些表示基的線性表示，再對這些基的系數(shù)進行閾值處理，得到新的系數(shù)，然后通過逆變化得到去噪后的圖像。三維塊匹配算法將非局部自相似思想成功運用的到變換域中，將圖像分塊后，通過聚類方法尋找圖像中相鄰區(qū)域內(nèi)的相似圖像塊，然后把這些相似圖像塊堆疊成三維陣列，對其進行線性變換，在變換域內(nèi)可以使用較少的非零元素對圖像進行稀疏表示。與二維線性變換相比較，三維線性變換的稀疏性明顯更高，去噪效果更好；基于聚類的稀疏表示算法將非局部均值算法與三維塊匹配算法的去噪思想相結(jié)合，同時考慮了圖像的局部和非局部信息，并對模型進性行雙邊范數(shù)優(yōu)化，算法更簡單，其去噪效果比三維塊匹配算法好，但是其最大的缺點在于時間復(fù)雜度高。基于以上方法學(xué)者們提出了大量改進的方法，如Wen等人提出的一種基于稀疏分解和聚類相結(jié)合的自適應(yīng)圖像去噪方法；Liang等人提出的基于非局部正則化稀疏表示的圖像去噪算法等。

而在現(xiàn)有的非局部圖像去噪方法中，發(fā)明人發(fā)現(xiàn)具有如下缺點：一、將圖像塊展開成向量時，容易丟失圖像的空間分布信息；二、由于主成分分析模型(矩陣秩最小化問題)是非確定性多項式(NP)難問題，并且當(dāng)強非相干性條件被滿足時，核范數(shù)最小化問題就能夠以較高概率得到原始問題的解。因此很多方法往往會將矩陣秩最小化問題轉(zhuǎn)換為核范數(shù)最小化問題來求解。可是不幸的是，在實際情況中，非相干性條件很難被滿足。

發(fā)明內(nèi)容

本發(fā)明實施例的目的在于提供一種基于新范數(shù)的高斯圖像噪聲去除方法，能夠有效融合圖像局部和非局部的統(tǒng)計特性，有效利用了目標(biāo)圖像中的空間結(jié)構(gòu)信息，提高了對噪聲和奇異點的魯棒性，實現(xiàn)了信噪比更高的去噪效果。

為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種基于新范數(shù)的高斯圖像噪聲去除方法，所述方法包括：

S1、將目標(biāo)圖像分解成多個圖像塊，并找出每一個圖像塊所對應(yīng)的預(yù)定搜索領(lǐng)域內(nèi)的相似圖像塊，進一步將同一個圖像塊及其對應(yīng)相似圖像塊所找到的所有圖像子塊均疊成張量形式并建立相應(yīng)的主成分分析模型；

S2、給出一個新范數(shù)的定義，并將該新范數(shù)的定義從矩陣推廣到張量情形，將S1中所建立的主成分分析模型中的秩函數(shù)替換為新范數(shù)，從而將原來的NP難問題轉(zhuǎn)化為一個可求解問題，并給出新優(yōu)化問題的解析解；