[發明專利]基于全局和局部先驗聯合約束的圖像去噪方法和裝置

有效

• 申請號: 201810488203.8
• 申請日: 2018-05-21
• 公開（公告）號: CN108765330B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 康睿文;章勇勤;彭進業;祝軒;李展;王珺;許鵬飛;鄭霞
• 申請（專利權）人: 西北大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 張明

本發明公開了一種基于全局和局部先驗聯合約束的圖像去噪方法和裝置，通過綜合利用全局結構自相似性先驗和基于局部核函數的非線性映射，提出一種基于全局和局部先驗聯合約束的圖像去噪方法，在去除噪聲的同時有效地恢復圖像的細微結構，進一步提高圖像的信噪比和主客觀質量。

技術領域

本發明涉及圖像去噪方法和裝置，具體涉及一種基于全局和局部先驗聯合約束的圖像去噪方法和裝置。

背景技術

圖像去噪是從加噪的觀測圖像中恢復潛在的純凈圖像的一種方法，它一直是圖像處理和計算機視覺領域中的一個重要問題。現有技術中，基于偏微分方程的去噪方法是將圖像去噪問題建模為具有各向異性擴散過程的偏微分方程。非局部均值方法根據自然圖像的自相似性來計算鄰域像素的權重，采用加權平均法估計純凈圖像?；谛〔ㄗ儞Q的方法是先利用正向小波變換對輸入待處理圖像進行多尺度分解，然后在每個尺度上對小波系數進行衰減來抑制噪聲，最后通過小波逆變換獲得去除噪聲的圖像。基于稀疏表示和低秩逼近的方法是先利用固定的解析字典或數據驅動的自適應字典將輸入待處理圖像變換為字典與稀疏系數矩陣的乘積，然后對稀疏系數進行衰減來抑制噪聲，最后通過逆變換來獲取純凈圖像的估計。基于稀疏表示和低秩逼近的方法取得較好的去噪效果，其性能超過傳統的圖像去噪方法。

傳統的偏微分方程方法缺乏考慮圖像的退化過程和自然圖像的先驗知識，并且容易使去噪圖像過于平滑和出現振鈴現象。基于小波變換的方法采用固定的基函數不能自適應地表示自然圖像的復雜結構模式?；谙∈璞硎竞偷椭缺平姆椒ń⒃趫D像先驗知識的基礎上，算法性能嚴重依賴于手工刻畫的數學模型，當模型誤差或參數選擇不當時，去噪效果較差。近年，基于卷積神經網絡的方法需要大量的訓練圖像數據，成為圖像去噪研究的熱點，并取得令人鼓舞的效果，但現實中經常不存在大量的訓練圖像數據。當測試圖像與訓練數據模式差異較大時，基于卷積神經網絡的圖像去噪方法，性能明顯下降，并且會引入嚴重的圖像失真。

發明內容

本發明的目的在于提供一種基于全局和局部先驗聯合約束的圖像去噪方法和裝置，用以解決現有技術在對單幅圖像進行去噪時存在的圖像細微結構恢復不完全，圖像信噪比不高等問題。

為了實現上述任務，本發明采用以下技術方案：

一種基于全局和局部先驗聯合約束的圖像去噪方法，用于對單幅待處理圖像Y進行去噪，所述方法包括：

步驟1、采用式I對所述的單幅待處理圖像Y建立去噪模型：

其中，X為圖像Y的待估計純凈圖像，||·||_w,*為加權核范數，Z表示圖像Y的核維納濾波圖像，λ_WNN為設定的加權核范數正則項的參數，λ_KWF為設定的核維納濾波正則項的參數，λ_WNN0，λ_KWF0；

步驟2、采用交替方向乘子法，將式I通過使用縮放的對偶變量改寫為式III，獲得去噪圖像

其中，M為輔助變量，ρ0，A是拉格朗日對偶變量；其中變量M、待估計純凈圖像X以及變量A由步驟3獲得；

步驟3、重復執行k+1次步驟31-步驟33，k≥0，迭代更新變量M^k+1、待估計純凈圖像X^k+1以及變量A^k+1，獲得變量M^k+1、待估計純凈圖像X^k+1以及變量A^k+1代入式III中，包括：

步驟31、采用式IV獲得第k+1次更新后的變量M^k+1：

式IV中，U和V是酉矩陣，通過式VI獲得：