[發明專利]基于非局部自相似性與稀疏表示的圖像處理方法及裝置

有效

• 申請號: 201810297729.8
• 申請日: 2018-03-30
• 公開（公告）號: CN108537752B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 蔡述庭;廖志高;劉坤;翁少佳;李衛軍
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/74;G06V10/762;G06V10/77;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張春水;唐京橋

本發明公開了一種基于非局部自相似性與稀疏表示的圖像處理方法及裝置，通過引入結構相似度量SSIM計算得到每個圖塊的相似圖塊集，并將SSIM與圖塊的歐氏距離相結合應用到非局部中心化稀疏編碼估計的加權系數的求解中，有效估計相似圖塊的加權系數值，進而計算獲得更準確的稀疏編碼值，同時利用迭代收縮算法對圖塊的預置字典與稀疏編碼估計值進行運算得到每個圖塊的稀疏系數，將稀疏系數代入預置重構圖像函數進行圖像重構，得到去噪圖像。解決了現有的圖像稀疏去噪算法稀疏系數估計不準確影響去噪效果的技術問題。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于非局部自相似性與稀疏表示的圖像處理方法及裝置。

背景技術

隨著圖像處理技術的發展，人們對圖像的識別要求也越來越高。通過拍照獲得的圖像，都會存在圖像噪聲，即與所需要的圖像的真實內容無關的干擾信息，而圖像處理技術其中一項就是圖像去噪。

圖塊非局部自相似性與稀疏表示模型相結合為圖像處理技術的發展注入新的內容和活力，極大推動和促進圖像去噪技術的廣泛應用。圖塊非局部相似性認為圖塊在圖像中不同的空間位置上具有重復性，即任何一個圖塊能夠在圖像其他位置上找到與它相似的圖塊，將具有結構相似的圖塊組合成一個圖塊集，然而圖塊間相似性的度量方法例如歐氏距離度量法、夾角余弦法、相關系數度量法等利用歐氏距離來度量，把圖塊看成孤立的像素點來進行處理而忽略圖塊間具有的結構相似性。

為解決因忽略了結構相似性導致的圖像處理效果差的問題，目前的一種方法是引入了結構相似性的索引測度(SSIM)度量處結構相似的圖塊。在非局部中心化稀疏編碼估計中為了獲得給定圖塊的原始稀疏系數的合理估計傳統的非局部中心化稀疏表示模型首先找出圖塊的相似圖塊集將相似圖塊集的稀疏編碼進行加權平均來獲得估計值，忽略了圖塊間具有的結構相似性，使得結構上相似的圖塊會由于歐氏距離過大而獲得更小的加權值從而導致加權平均后的圖塊與原始圖塊發生嚴重偏離，使得給定圖塊的原始稀疏系數的估計不準確，影響圖像去噪效果。

發明內容

本發明實施例提供了一種基于非局部自相似性與稀疏表示的圖像處理方法及裝置，用于解決現有的圖像稀疏去噪算法原始稀疏系數估計不準確影響去噪效果的技術問題。

本發明提供的一種基于非局部自相似性與稀疏表示的圖像處理方法，包括：

S1：獲取待去噪圖像，對所述待去噪圖像進行分割，得到若干個相互重疊的圖塊；

S2：根據SSIM公式計算每兩個所述圖塊的相似度，得到每個所述圖塊的相似圖塊集，并計算所述相似圖塊集中每兩個所述圖塊的歐氏距離；

S3：根據所述相似圖塊集中每兩個所述圖塊的相似度和所述歐氏距離通過預置加權系數計算公式計算所述相似圖塊集中每個所述圖塊的加權系數，并將所述加權系數代入預置稀疏編碼計算公式計算每個所述圖塊的稀疏編碼估計值；

S4：根據對所述圖塊訓練得到的預置字典與所述稀疏編碼估計值通過迭代收縮算法計算每個所述圖塊的稀疏系數，并將所述稀疏系數代入預置重構圖像函數重構得到第一去噪圖像。

優選地，步驟S4具體包括：

S41：根據K均值算法對所述圖塊進行聚類，并對所述聚類進行訓練，得到預置字典；

S42：根據所述預置字典與所述稀疏編碼估計值通過迭代收縮算法計算所述圖塊的稀疏系數，并將所述稀疏系數代入預置重構圖像函數重構得到去噪圖像。

優選地，步驟S4之后還包括：

S5：計算所述第一去噪圖像與所述待去噪圖像的峰值信噪比，將所述第一去噪圖像作為第一待去噪圖像，并返回步驟S1；當所述峰值信噪比的變化趨于穩定時，獲取到與所述峰值信噪比對應的去噪圖像的最優稀疏系數，并執行步驟S6；