[發明專利]基于異質噪聲特性的圖像去噪方法、設備及介質

在審

• 申請號: 202110801807.5
• 申請日: 2021-07-15
• 公開（公告）號: CN113409307A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 汪運;陳遠洋;鄒潤民
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06F17/16
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 李崇章

1.一種基于異質噪聲特性的圖像去噪方法，其特征在于，包括：

將初始圖像對應的三維數據集轉化為二維數據集，并將所述二維數據集進行歸一化操作后分解，得到初始數據集，其中，所述初始數據集包括第一矩陣和第二矩陣；

根據所述初始數據集計算概率密度分布函數，并根據所述概率密度分布函數建立服從所述目標數據集中每個像素點的分解模型；

利用變分貝葉斯方法優化所述分解模型，得到所述分解模型各參數對應的參數公式；

將全部所述參數公式進行迭代，得到所述分解模型中各參數的值；

根據所述分解模型中各參數的值計算所述第一矩陣對應的向量和所述第二矩陣對應的向量，得到目標圖像；

判斷所述目標圖像的質量是否符合標準；

若所述目標圖像的質量符合標準，則輸出所述目標圖像；

若所述目標圖像的質量不符合標準，則繼續進行迭代直到所述目標圖像的質量符合標準。

2.根據權利要求1所述的方法，其特征在于，所述概率密度分布函數為z_ij～IG(a₀，b₀)，其中，x_ij為所述初始數據集的每一個像素點，u_i和v_j分別為所述第一矩陣和所述第二矩陣的第i行和第j列向量，z_ij為高斯分布的方差，a₀和b₀為預設常數。

3.根據權利要求2所述的方法，其特征在于，所述分解模型的表達式為τ_u～G(c₀，d₀)，τ_v～G(e₀，f₀)，其中，τ_u為u_i的先驗分布，τ_v為v_j的先驗分布，c₀、d₀、e₀和f₀均為預設常數。

4.根據權利要求3所述的方法，其特征在于，所述利用變分貝葉斯方法優化所述分解模型，得到所述分解模型各參數對應的參數公式的步驟，包括：

根據所述變分貝葉斯方法計算所述分解模型各參數的后驗分布；

分別根據所述分解模型各參數的后驗分布計算所述分解模型各參數的迭代公式；

將所述迭代公式作為所述分解模型各參數對應的參數公式。

5.根據權利要求4所述的方法，其特征在于，所述分解模型參數中u_i的后驗分布和v_j的后驗分布為高斯分布的后驗分布均為高斯分布；

τ_u的后驗分布和τ_v的后驗分布為伽馬分布；

z_ij的后驗分布為逆伽馬分布。

6.根據權利要求1所述的方法，其特征在于，所述判斷所述目標圖像的質量是否符合標準的步驟，包括：

判斷所述目標圖像的均方根誤差是否小于或等于閾值；

若所述目標圖像的均方根誤差小于或等于所述閾值，則判定所述目標圖像的質量符合標準；

若所述目標圖像的均方根誤差大于所述閾值，則判定所述目標圖像的質量不符合標準。

7.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行前述權利要求1-6中任一項所述的基于異質噪聲特性的圖像去噪方法。

8.一種非暫態計算機可讀存儲介質，該非暫態計算機可讀存儲介質存儲計算機指令，該計算機指令用于使該計算機執行前述權利要求1-6中任一項所述的基于異質噪聲特性的圖像去噪方法。