[發明專利]一種基于多濾波器去噪結果的專家場去噪方法及系統

在審

• 申請號: 202110019430.8
• 申請日: 2021-01-07
• 公開（公告）號: CN112861874A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 徐晶
• 申請（專利權）人: 北京惠朗時代科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06T5/00
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 代述波

本發明提出了一種基于多濾波器去噪結果的專家場去噪方法及系統，涉及文字圖像處理技術領域。一種基于多濾波器去噪結果的專家場去噪方法包括：將待去噪文字圖像以及圖像庫中的圖像分別通過HOG特征進行特征提??；將提取的特征通過預設的相似度計算方式找出優化訓練圖像。其能夠通過多種相似性度量方式找到了最佳相關訓練圖像，為獲得高質量去噪圖像提供了直接支持，利用多種濾波器分別進行圖像去噪，在對比過程中，挑選出最優的去噪結果。此外本發明還提出了一種基于多濾波器去噪結果的專家場去噪系統，包括：表征模塊、相似度計算模塊、訓練模塊、去噪模塊、峰值信噪比計算模塊以及選取結果模塊。

技術領域

本發明涉及文字圖像處理技術領域，具體而言，涉及一種基于多濾波器去噪結果的專家場去噪方法及系統。

背景技術

隨著數字媒體技術的發展，海量的文字圖像已經出現在網絡、媒體和個人圖像中，極大地便利了我們的生活。但在文字圖像的處理、存儲、傳輸的過程中，往往會出現很多噪聲，大大地降低了文字圖像的可讀性。如果能夠精準地對文字圖像進行去噪，可以顯著地增加文字圖像的可讀性，并可以提升文字識別的精度。因此，如何對文字圖像進行精準去噪已經成為了一項非常有意義的工作。

作為經典的圖像去噪方法，專家場去噪方法有著非常明顯的優勢。一方面，去噪過程中不需要深度學習等模型中巨大的計算資源消耗，另一方面該方法具備相對較好的實驗效果。然而，在實驗的過程中我們發現，該方法有非常明顯的局限性。它只針對與訓練圖像較為相似的圖像有較好的去噪結果，否則，去噪的能力顯著降低。與此同時，專家場去噪方法中單一的濾波器使用也降低了該模型的去噪能力。因此，如何找到一種非常有效的魯棒性專家場文字圖像去噪方法是非常有價值和意義的。

發明內容

本發明的目的在于提供一種基于多濾波器去噪結果的專家場去噪方法，其能夠通過多種相似性度量方式找到了最佳相關訓練圖像，為獲得高質量去噪圖像提供了直接支持，利用多種濾波器分別進行圖像去噪，在對比過程中，挑選出最優的去噪結果。

本發明的另一目的在于提供一種基于多濾波器去噪結果的專家場去噪系統，其能夠運行一種基于多濾波器去噪結果的專家場去噪方法。

本發明的實施例是這樣實現的：

第一方面，本申請實施例提供一種基于多濾波器去噪結果的專家場去噪方法，其包括將待去噪文字圖像以及圖像庫中的圖像分別通過HOG特征進行特征提??；將提取的特征通過預設的相似度計算方式找出優化訓練圖像；根據優化訓練圖像對專家場模型需要的濾波器進行計算，分別訓練出多種濾波器；基于多組濾波器通過專家場對文字圖像進行去噪得到至少一種結果；根據至少一種去噪后的結果計算不同結果的峰值信噪比；將峰值信噪比最優的去噪結果作為最后的優選去噪圖像結果。

在本發明的一些實施例中，上述將提取的特征通過預設的相似度計算方式找出優化訓練圖像包括：利用歐式余弦相似度，計算待去噪的圖像和圖像庫中圖像的相似度。

在本發明的一些實施例中，上述將提取的特征通過預設的相似度計算方式找出優化訓練圖像包括：利用歐式距離，計算待去噪的圖像和圖像庫中圖像的相似度。

在本發明的一些實施例中，上述將提取的特征通過預設的相似度計算方式找出優化訓練圖像包括：利用皮爾遜相關系數，計算待去噪的圖像和圖像庫中圖像的相似度。

在本發明的一些實施例中，上述包括將多種相似度結果都很高的圖像作為最佳相關訓練圖像。

在本發明的一些實施例中，上述基于多組濾波器通過專家場對文字圖像進行去噪得到至少一種結果包括：利用3*3的濾波器待去噪圖像進行多次迭代，從而進行去噪；利用5*5的濾波器待去噪圖像進行多次迭代，從而進行去噪；利用7*7的濾波器待去噪圖像進行多次迭代，從而進行去噪。

在本發明的一些實施例中，上述還包括對多個修復結果進行峰值信噪比計算，選取峰值信噪比最高的圖像作為最后的去噪結果。