[發明專利]基于全變分和低秩方向稀疏約束的圖像條帶噪聲去除算法在審
| 申請號： | 202111374830.7 | 申請日： | 2021-11-19 |
| 公開（公告）號： | CN114022393A | 公開（公告）日： | 2022-02-08 |
| 發明（設計）人： | 鄭亮亮;吳曉斌;曲宏松;高倓;張貴祥;張紫玉 | 申請（專利權）人： | 中國科學院長春光學精密機械與物理研究所 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06T5/10 |
| 代理公司： | 長春眾邦菁華知識產權代理有限公司 22214 | 代理人： | 張偉 |
| 地址： | 130033 吉*** | 國省代碼： | 吉林;22 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 全變分 方向 稀疏 約束 圖像 條帶 噪聲 去除 算法 | ||
1.一種基于全變分和低秩方向稀疏約束的圖像條帶噪聲去除算法，其特征在于，包括以下步驟：
步驟一：讀取待去噪的遙感圖像，所述遙感圖像為含有條帶噪聲的退化圖像；
步驟二：采用全變分模型和低秩方向稀疏約束分別對所述退化圖像對應的真實圖像和條帶噪聲圖像添加相應的約束，建立遙感圖像去條帶噪聲的約束模型，所述約束模型為數據保真項、真實圖像先驗的正則化項和條帶噪聲圖像先驗的正則化項之和；
步驟三：固定條帶噪聲圖像的先驗信息，求解所述約束模型中的真實圖像的先驗信息，得到圖像先驗信息；
步驟四：固定真實圖像的先驗信息，求解所述約束模型中的條帶噪聲圖像的先驗信息，得到噪聲先驗信息；
步驟五：根據所述圖像先驗信息和所述噪聲先驗信息對所述約束模型及其拉格朗日乘子進行更新，更新后返回步驟三，進行循環迭代，直至所述圖像先驗信息和所述噪聲先驗信息滿足循環截止條件后，執行步驟六；
步驟六：輸出求解得到的真實圖像以及噪聲圖像。
2.根據權利要求1所述的一種基于全變分和低秩方向稀疏約束的圖像條帶噪聲去除算法，其特征在于，采用全變分模型對所述真實圖像添加約束，其約束項可表達為：
R(I)＝λ1||DxI||1+λ2||DyI||1 (3)
其中，Dx和Dy分別表示x方向和y方向的一階導數，I為真實圖像，λ1和λ2為正參數；
在步驟三中，求解所述約束模型中的真實圖像的先驗信息，得到的圖像先驗信息可表達為：
其中：
在步驟五中，按照如下公式更新拉格朗日乘子：
其中，表示快速傅里葉變換，表示快速傅里葉逆變換，J1和J2表示拉格朗日乘子，β為正參數，soft_shrink表示軟閾值收縮求解。
3.根據權利要求2所述的一種基于全變分和低秩方向稀疏約束的圖像條帶噪聲去除算法，其特征在于，采用低秩方向稀疏約束對所述條帶噪聲圖像添加約束，其約束項可表達為：
R(S)＝γ1||S||*+γ2||DyS||0+γ3||Dx(F-S)||1 (7)
其中，S表示條帶噪聲圖像，F表示退化圖像，γ1、γ2和γ3為正參數；
在步驟四中，求解所述約束模型中的條帶噪聲圖像的先驗信息，得到的噪聲先驗信息可表達為：
其中：
Wk+1＝U(soft_shrink(∑,γ1))VT (22)
在步驟五中，按照如下公式更新拉格朗日乘子：
其中，F-I＝U∑VT是矩陣F-Ik+1的奇異值分解，∑ii是奇異值矩陣∑的對角線元素，J3、J4和J5為拉格朗日乘子，μ為正參數，hard_shrink表示硬閾值收縮求解。
4.根據權利要求3所述的一種基于全變分和低秩方向稀疏約束的圖像條帶噪聲去除算法，其特征在于，所述循環截止條件為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國科學院長春光學精密機械與物理研究所，未經中國科學院長春光學精密機械與物理研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111374830.7/1.html，轉載請聲明來源鉆瓜專利網。
