[發(fā)明專利]一種基于廣義非凸張量魯棒主成分分析模型的針對(duì)彩色圖像和視頻的非局部去噪框架

在審

• 申請(qǐng)?zhí)枺?/td>: 202110010629.4
• 申請(qǐng)日: 2021-01-06
• 公開(kāi)（公告）號(hào): CN112767261A
• 公開(kāi)（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 趙麗;張笑欽;鄭晶晶;王文哲
• 申請(qǐng)（專利權(quán)）人: 溫州大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 北京中北知識(shí)產(chǎn)權(quán)代理有限公司 11253
• 代理人: 陳孝政

本發(fā)明公開(kāi)了一種廣義非凸的張量魯棒主成分析模型的彩色圖像視頻局部去噪框架，包括以下步驟：提出廣義非凸張量魯棒主成分分析模型；廣義非凸張量魯棒主成分分析模型能夠同時(shí)對(duì)被高斯噪聲、脈沖噪聲以及兩者混合噪聲污染的彩色圖像及視頻進(jìn)行有效恢復(fù)；提出廣義張量奇異值閾值算法，以用于求解步驟(1)中所給的廣義非凸張量魯棒主成分分析模型的一個(gè)關(guān)鍵子問(wèn)題；(3)結(jié)合非局部去噪策略和步驟(1)中所給的廣義非凸張量魯棒主成分分析模型，給出一個(gè)統(tǒng)一的彩色圖像視頻去噪框架。上述技術(shù)方案，該彩色圖像視頻局部去噪框架有效的利用了RGB通道間的相關(guān)性和視頻相鄰幀之間的相關(guān)性，較好的去噪效果，對(duì)噪聲具有較強(qiáng)的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于廣義非凸張量魯棒主成分分析模型的針對(duì)彩色圖像和視頻的非局部去噪框架。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)和數(shù)字多媒體的飛速發(fā)展，圖像和視頻已成為日常生活中的重要角色。因此，作為計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域的一項(xiàng)基本而重要的任務(wù)，圖像去噪的工作引起了很多人的研究興趣，在過(guò)去幾年中出現(xiàn)了許多相關(guān)的解決方法。

現(xiàn)有的圖像去噪方法可以大致分為兩種：局部去噪方法和非局部去噪方法。局部去噪通常使用某些濾波器(如中值濾波器、均值濾波器等)對(duì)整個(gè)圖像進(jìn)行卷積運(yùn)算，并通過(guò)像素之間的空間關(guān)系消除噪聲。目前常見(jiàn)的局部去噪方法有均值濾波法，中值濾波法和高斯濾波法。然而，這些方法忽略了圖像的整體結(jié)構(gòu)信息，并使去噪圖像丟失細(xì)節(jié)。針對(duì)這個(gè)問(wèn)題，研究者們提出了一種非局部均值算法。非局部均值算法首次利用圖像具有自相似性的特點(diǎn)，將非局部去噪策略應(yīng)用于圖像去噪問(wèn)題。該算法使用一組含噪聲的相似像素的加權(quán)平均值對(duì)潛在的干凈像素值進(jìn)行估計(jì)，從而達(dá)到去噪的目的。基于以上思想，學(xué)者們提出了大量有效的非局部圖像去噪算法，如Wen等人提出的一種基于稀疏分解和聚類相結(jié)合的自適應(yīng)圖像去噪方法；Liang等人提出的基于非局部正則化稀疏表示的圖像去噪算法等。

雖然傳統(tǒng)非局部去噪算法在去除高斯噪聲的情況下效果較好，由于塊匹配算法對(duì)脈沖噪聲較為敏感，使得傳統(tǒng)的非局部算法在圖片收到脈沖噪聲污染的時(shí)候往往無(wú)法得到理想的去噪效果。而在實(shí)際場(chǎng)景中的圖像往往同時(shí)包含了脈沖噪聲和零均值高斯噪聲。為解決這個(gè)問(wèn)題，Cai等人提出了一種改進(jìn)的兩階段方法來(lái)恢復(fù)被高斯-脈沖混合混合噪聲(同時(shí)包含脈沖噪聲和零均值高斯噪聲兩種噪聲)所污染的圖像，即利用中值濾波估計(jì)脈沖位置將去除脈沖噪聲問(wèn)題轉(zhuǎn)化為矩陣填充問(wèn)題進(jìn)行解決；Ji等人提出了一種基于魯棒主成分分析的去噪方式，將去除混合噪聲的問(wèn)題轉(zhuǎn)化為低秩矩陣恢復(fù)問(wèn)題，該方法在塊匹配過(guò)程利用l₁范數(shù)度量不同圖像塊之間的相似度，進(jìn)而解決塊匹配算法對(duì)脈沖噪聲異常敏感的問(wèn)題。

同時(shí)，現(xiàn)實(shí)生活中的大部分視覺(jué)數(shù)據(jù)都是具有張量形式的，如彩色圖像和視頻。一種常用的圖像處理策略是將具有張量形式的數(shù)據(jù)轉(zhuǎn)換成矩陣進(jìn)行處理(即對(duì)數(shù)據(jù)所對(duì)應(yīng)的張量的每個(gè)切片矩陣進(jìn)行分別處理)。而這種處理策略往往會(huì)容易丟失彩色圖像RGB三個(gè)通道(或是視頻相鄰幀)之間的相關(guān)性。為了有效的利用彩色圖像中RGB三個(gè)通道之間的相關(guān)性信息以提升彩色圖像的去噪效果，Hosono等人提出了一種基于加權(quán)張量核范數(shù)最小化的非局部彩色圖像去噪方法。該方法通過(guò)把在被噪聲污染的彩色圖像上搜索到的相似塊堆疊到張量中，并利用加權(quán)張量核范數(shù)最小化操作，進(jìn)而對(duì)圖像進(jìn)行去噪處理。然而，該方法在圖像處理前往往需要將原來(lái)的RGB空間轉(zhuǎn)換為YC_bC_r空間，再在YC_bC_r空間中進(jìn)行如上的圖像去噪處理過(guò)程。這使得該方法雖然能夠有效的利用不同通道之間的相關(guān)性信息并取得了較好的去噪效果，卻容易導(dǎo)致圖像細(xì)節(jié)信息的丟失。另外，與矩陣情形不同，這種基于張量各階展開(kāi)矩陣的核范數(shù)的加權(quán)和并不是張量經(jīng)過(guò)各階展開(kāi)得到的矩陣的秩函數(shù)的加權(quán)和的最優(yōu)凸逼近。為了解決該問(wèn)題，Lu等人給出了一種基于t-積的低秩張量恢復(fù)方法。而傳統(tǒng)的基于t-積的張量魯棒主成分分析只有在滿足張量形式的非相干性條件的前提下才能保證該模型的精確恢復(fù)性。