[發明專利]基于外部非局部自相似和改進稀疏表示的圖像去噪方法

有效

• 申請號: 202011354601.4
• 申請日: 2020-11-26
• 公開（公告）號: CN112801884B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 白同磊;牛小明;趙磊;冷成財
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/44;G06T7/90
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 趙以鵬

本發明公開了基于外部非局部自相似和改進稀疏表示的圖像去噪方法，包含以下步驟：(1)將外部干凈圖像數據集劃分成塊組；(2)將外部干凈圖像的塊組分為外部平滑塊組和外部紋理塊組；(3)學習外部平滑塊組先驗；(4)通過高斯混合模型學習外部紋理塊組先驗；(5)將噪聲圖像劃分成塊組；(6)利用外部非局部自相似先驗指導噪聲圖像塊組聚類，同時計算噪聲圖像的平滑塊組比；(7)利用平滑塊組比優化稀疏表示模型的正則化參數，根據改進的稀疏表示模型分別恢復每個子空間中的圖像塊。通過優化稀疏表示模型的正則化參數來增加其自適應性，解決現有圖像去噪方法中存在的去噪圖像峰值信噪比低和細節信息丟失的技術問題。

技術領域

本發明涉及圖像處理技術領域，更具體的說是涉及基于外部非局部自相似和改進稀疏表示的圖像去噪方法。

背景技術

經過幾十年的發展，數字圖像處理技術已經越來越成熟，并且在氣候監測、醫療診斷、人臉識別和缺陷檢測等領域發揮了很大的作用。數字圖像在生成、傳輸和轉換的過程中會不可避免的受到噪聲的干擾，對含有噪聲的圖像進行壓縮和特征提取等操作會引起圖像質量的退化。因此，從含有噪聲的圖像中估計出原始干凈圖像的問題已成為重要的研究內容之一。

圖像去噪算法主要分為空間域方法和變換域方法，空間域方法利用圖像像素的相關性來恢復圖像。與空間域方法不同，變換域方法需要將噪聲圖像變換到另一個便于區分噪聲信號和原始圖像信號的域中，從而用濾波的方法去除噪聲，最后把經過處理的圖像恢復到原始的域中。

非局部自相似先驗去噪方法屬于空間域方法，其核心思想是根據圖像中存在許多相似圖像塊的事實來恢復圖像。例如選定任一圖像塊，能夠在圖像其他位置找到很多與之相似的圖像塊。因此，當某一圖像塊受到噪聲的污染時，可以利用與之相似的圖像塊來恢復此圖像塊。非局部自相似先驗方法具有較高的靈活性，既可以從噪聲圖像本身提取相似圖像塊，也可以從外部圖像提取相似圖像塊，后者稱之為外部非局部自相似先驗。由非局部自相似方法的原理可知，該方法只是為恢復圖像提供充分的圖像紋理結構信息。近年來，稀疏表示模型成為研究的熱點，原因在于將非局部自相似方法和稀疏表示模型結合可以高效去除圖像中的噪聲。稀疏表示模型的核心思想是從非局部自相似先驗中提取能表征圖像關鍵紋理細節信息的正交向量，通過對正交向量進行線性組合即可恢復圖像。在稀疏表示的過程中，由于圖像信號具有稀疏性，噪聲信號不具有稀疏性，因此得以濾除噪聲。

2015年，Xu Jun等人首先提出塊組先驗去噪(Patch Group Prior Denoising，PGPD)模型，PGPD模型利用高斯混合模型學習外部干凈圖像的非局部自相似先驗信息，通過概率匹配的方法找到與噪聲圖像塊最匹配的外部非局部自相似先驗信息，最后對外部非局部自相似先驗進行稀疏表示即可恢復圖像。PGPD模型的優勢在于找到了適合恢復圖像的紋理和細節信息，比如，在噪聲水平比較高的情況下，噪聲已嚴重破壞圖像的紋理和細節信息，很難從噪聲圖像本身提取準確的紋理信息來恢復圖像，而外部非局部自相似先驗來源于外部干凈圖像，無需考慮噪聲對外部非局部自相似先驗的干擾。

然而PGPD模型沒能解決稀疏表示模型缺乏自適應性的問題，對于噪聲水平比較低的圖像，稀疏表示模型會產生去噪不徹底的問題，導致圖像中有噪聲殘留；對于噪聲水平比較高的圖像，稀疏表示模型在去除噪聲的同時會破壞圖像的紋理和細節信息，不能有效發揮外部非局部自相似先驗的效用。究其原因，稀疏表示模型的缺陷在于其不能自動調節模型的正則化參數。由此可知，優化稀疏表示模型的正則化參數可以使其在高效去除噪聲的同時盡可能多的保留圖像的紋理和細節信息。

發明內容

本發明的目的在于提供基于外部非局部自相似和改進稀疏表示的圖像去噪方法，以期解決背景技術中存在的問題。

本發明的目的在于針對上述已有技術的問題，提出一種基于外部非局部自相似和改進稀疏表示的圖像去噪方法，通過優化稀疏表示模型的正則化參數來增加其自適應性，用以解決現有圖像去噪方法中存在的去噪圖像峰值信噪比低和細節信息丟失的技術問題。為實現上述目的，本發明特征包括以下步驟：