[發(fā)明專利]基于稀疏表示的圖像去噪方法

在審

• 申請?zhí)枺?/td>: 202010071798.4
• 申請日: 2020-01-21
• 公開（公告）號: CN111242873A
• 公開（公告）日: 2020-06-05
• 發(fā)明（設計）人: 沈琦;關云霞
• 申請（專利權）人: 北京工業(yè)大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京匯信合知識產(chǎn)權代理有限公司 11335
• 代理人: 郭河志

本發(fā)明公開了一種基于稀疏表示的圖像去噪方法，包括：采集二維圖像，并將二維圖像轉換為數(shù)字信號；對轉換為數(shù)字信號的二維圖像通過SOS增強算法疊加一增強信號實現(xiàn)增強；利用OMP算法確定增強后的二維圖像的稀疏表示系數(shù)矩陣；利用稀疏表示系數(shù)矩陣對K?SVD算法的K?SVD字典進行更新；將稀疏表示系數(shù)矩陣和更新后的K?SVD字典重構合成二維圖像的去噪信號；通過SOS增強算法對二維圖像的去噪信號去除增強信號，輸出去噪圖像。通過本發(fā)明的技術方案，在突出了有效圖像信號強度的同時弱化了噪聲，從而提高了算法輸出圖像的信噪比，提高了去噪性能。

技術領域

本發(fā)明涉及計算機視覺技術領域，尤其涉及一種基于稀疏表示的圖像去噪方法。

背景技術

數(shù)字圖像由于自身的特點及包含信息的多樣化儼然已經(jīng)成為人們認知事物和獲取信息的有效途徑。噪聲作為主要的不確定性因素之一，對數(shù)字圖像的信息和效果有著不可忽視的影響，例如：例如當圖像含有的噪聲時，首先，數(shù)字圖像的視覺效果可能會受到不同程度的干擾；其次，數(shù)字圖像中的信息也可能因為噪聲的干擾而完全被遮掩；再者，當圖像含有的噪聲較大時，較大的噪聲會對數(shù)字圖像中的特征提取和目標識別產(chǎn)生不同程度的影響，進而影響其它信息的提取和判斷。

由于噪聲的類型、性質(zhì)不同，噪聲形成的原因也是多種多樣，因此不同類型和性質(zhì)的噪聲需要不同的表征模型。圖像去噪的過程是從含有噪聲的圖像中獲取視覺效果質(zhì)量好的圖像過程。如果從數(shù)學的角度來分析，此問題是一類噪點逆問題，可能不存在唯一解。所以對于某類噪聲使用不同的算法可能獲得不同的去噪視覺效果，對于不同的噪聲類型可能存在去噪效果非最優(yōu)的問題。目前已有圖像去噪算法有很多優(yōu)點，但也存在著一些問題：1)如何最大程度上保留圖像的本質(zhì)特征和圖像的精細結構并得到更好的視覺效果；2)在稀疏編碼階段，有很多稀疏編碼算法仍然存在這許多超參數(shù)調(diào)節(jié)的問題，缺乏系統(tǒng)化的理論方法。

在圖像去噪研究的過程中出現(xiàn)了許多經(jīng)典的算法，主要的算法可以歸結為空間域和變換域，其中空間域的圖像去噪算法又可以分為線性去噪算法和非線性去噪算法；對于線性去噪算法最經(jīng)典的是均值去噪算法，該算法雖然提高視覺效果，但是也對噪聲細節(jié)出現(xiàn)了偽邊緣。隨后也提出了許多改進的算法，但結果不盡人意；對于非線性去噪算法的具有代表的是中值算法，中值算法可以很好的解決邊界細節(jié)模糊等問題，隨后又提出了遞歸中值濾波(Median Filter Algorithm，MFA)和均值濾波(Mean Filtering，MF)等算法，具有實現(xiàn)簡單和計算精度高效的特點，對噪聲影響較小的圖像處理效果比較明顯，因此很快成為當時比較流行的圖像去噪算法。

近年來，眾多學者對信號的稀疏冗余表示進行了詳細研究，并用于圖像處理領域。基于稀疏表示的圖像去噪方法一方面對所表示的信號具有自適應性，另一方面稀疏系數(shù)矩陣中的非零元素反映了圖像數(shù)據(jù)的主要結構和本質(zhì)屬性，并且超完備字典對噪聲與誤差有更強的抑制性。字典中的每個原子代表圖像中的一個結構原型，因此圖像的有效信息在字典上具有稀疏表示，而噪聲不具備此種特性。根據(jù)圖像信號是否能夠由字典原子進行稀疏表示，即可以區(qū)分開有效信息與噪聲成分，從而消除噪聲。

在稀疏理論中，針對于字典的形成則是另一個重要的核心要點。關于字典的形成現(xiàn)在存在兩種較為常見的方法：一種是分析字典，另一種是學習字典。分析字典中被學者們常用的方法有：小波算法形成的字典、超完備DCT條件下形成的字典以及曲波條件下形成的字典等等。分析字典在對信號進行稀疏表示時有著簡潔、快速、易實現(xiàn)的優(yōu)點，但是分析字典的不足之處是對信號的表達形式單一而且自適應性較差。然而學習字典則可以巧妙地彌補分析字典的不足支出。學習字典中最常用的方法是分塊自適應字典算法，由MichealElad等人提出的基于超完備字典稀疏分解的K-SVD算法。該算法具有自適應性、簡單快捷的表達方式、以及較佳的圖像去噪效果等優(yōu)點。