[發明專利]基于張量模型與壓縮感知理論的圖像斑點噪聲去除方法

在審

• 申請號: 201810322284.4
• 申請日: 2018-04-11
• 公開（公告）號: CN108230280A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 王鋼;周若飛;鄭黎明;劉春剛;許堯;李真
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

基于張量模型與壓縮感知理論的圖像斑點噪聲去除方法，本發明涉及圖像斑點噪聲去除方法。本發明為了解決現有斑點噪聲去除算法去噪效果不明顯以及噪聲殘留度高的問題。本發明包括：步驟一：根據超聲探頭中超聲換能器陣元輸出的信號呈乘性噪聲的特性，建立斑點噪聲模型；步驟二：針對步驟一建立的斑點噪聲模型，引入壓縮感知理論，分別建立單幀圖像去噪模型與多幀圖像張量去噪模型；步驟三：對步驟二的建立的單幀圖像去噪模型依次進行稀疏編碼、字典更新和圖像重構，得到去噪后的單幀圖像；步驟四：對步驟二的建立的多幀圖像張量去噪模型依次進行稀疏編碼、字典更新和圖像重構，得到去噪后的多幀圖像。本發明用于圖像處理領域。

技術領域

本發明涉及圖像處理領域，具體涉及圖像斑點噪聲去除方法。

背景技術

在圖像的獲取與處理過程中，噪聲對圖像信號的影響無可避免，因此圖像去噪是圖像處理領域經久不衰的研究熱點之一。對于利用聲波/電磁波反射形成的超聲與雷達圖像，由于回波的干涉以及散波束之間的干擾，當目標反射源反射而出的兩束回波互相重疊時，便會在圖像中產生明暗不同的顆粒，也就是斑點噪聲。

目前，有關斑點噪聲去除的研究有很多，其中濾波去噪應用最為廣泛，例如Lee濾波與Kuan濾波。然而，大尺寸濾波窗雖然去噪效果良好，卻損失了過多的高頻信息；而小尺寸濾波窗可以較好地保留細節信息，但在去噪的能力上卻不如大尺寸濾波窗。

為了解決這一矛盾，一些各向異性擴散的方法被提出，例如PMAD(Perona-MalikAnisotropic Diffusion)，NCDF(Nonlinear Complex Diffusion Filter)，SRAD(SpeckleReducing Anisotropic Diffusion)。然而，這些方法在進行邊緣檢測時不能很好地區分圖像邊緣和斑點噪聲。近幾年，一些新的去除斑點噪聲的方法被提出，如NMWD(NonlinearMulti-scale Wavelet Diffusion)與SRBF(Speckle Reduction Bilateral Filter)等，這些方法在處理斑點噪聲時效果很好，但是沒有挖掘圖像本身的稀疏性。

壓縮感知理論是近年來熱門的研究前沿，在圖像處理領域也引起了矚目。將壓縮感知理論與去噪模型相結合，經過稀疏編碼過程得到的稀疏系數矩陣，每個純凈信號只需要字典中很少的幾個原子的線性組合就可以幾乎完全地表示。另外，字典中每一個原子都是經過訓練而得，代表的是原圖像中一些最基本的結構信息，因此具有很好的特征保留性。同時，純凈信號由于含有圖像中典型的結構信息而能夠在訓練字典上具有稀疏表示，而噪聲部分在字典上卻得不到稀疏表示，因此可以將圖像有用部分和噪聲部分有效地分開，實現去噪目的。

針對超聲視頻，即多幀超聲圖像信號，采用三階張量表示圖像序列塊，不僅將空間維中的更多信息得以保留，而且充分挖掘了時間維上的信息。在訓練張量稀疏字典的過程中，有效地利用了視頻信號在時間維上的冗余性。當利用訓練好的張量稀疏字典對圖像進行稀疏表示時，更多有用的信息可以在輸出結果中得以展示，而噪聲也能在此過程中更大程度地分離。

發明內容

本發明的目的是為了解決現有斑點噪聲去除算法去噪效果不明顯以及噪聲殘留度高的問題，而提出基于張量模型與壓縮感知理論的圖像斑點噪聲去除方法。

針對圖像信號空間與時間上的稀疏性，分離圖像的有用信息與噪聲，提高去噪效果。

本發明的目的是為了解決現在大多數研究學者都是假設圖像含有加性的高斯白噪聲，而實際的超聲圖像卻與之完全不同，含有的是乘性散斑噪聲。如果直接將處理加性高斯噪聲的去噪方法應用于含有特殊噪聲模型的超聲圖像，那么不僅不能發揮壓縮感知理論自身的處理優勢，又使得處理效果非常不理想。再考慮到利用視頻信號在時間維上的冗余性，從而提出基于張量模型與壓縮感知理論的超聲圖像斑點噪聲去除方法。

基于張量模型與壓縮感知理論的圖像斑點噪聲去除方法包括以下步驟：