[發(fā)明專利]一種基于張量低秩先驗(yàn)與隱式正則技術(shù)彩圖椒鹽去噪方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211052899.2
• 申請(qǐng)日: 2022-08-31
• 公開(kāi)（公告）號(hào): CN115439357A
• 公開(kāi)（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 王靈芝;陳穎頻;張俊;陳嵚崟;林靜敏
• 申請(qǐng)（專利權(quán)）人: 廈門城市職業(yè)學(xué)院（廈門開(kāi)放大學(xué)）
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 廈門市首創(chuàng)君合專利事務(wù)所有限公司 35204
• 代理人: 王婷婷

本發(fā)明提供一種基于張量低秩先驗(yàn)與隱式正則技術(shù)彩圖椒鹽去噪方法，包括：通過(guò)檢測(cè)圖像的像素幅度來(lái)探測(cè)椒鹽噪聲位置信息；將椒鹽噪聲污染的彩色圖像作為缺失數(shù)據(jù)的張量和椒鹽噪聲張量的總和；利用基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法結(jié)合基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)對(duì)缺失數(shù)據(jù)的張量進(jìn)行重建；本發(fā)明提供的方法通過(guò)檢測(cè)處理圖像的像素幅度來(lái)探測(cè)噪聲位置信息，引入基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法和基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)，去噪效果更優(yōu)越。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像去噪領(lǐng)域，特別是指一種基于張量低秩先驗(yàn)與隱式正則技術(shù)彩圖椒鹽去噪方法。

背景技術(shù)

椒鹽噪聲是一種具有明顯稀疏統(tǒng)計(jì)特性的噪聲源。椒鹽噪聲中的“椒”噪聲是指振幅為零的噪聲點(diǎn)，通常由數(shù)據(jù)丟失引起?！胞}”噪聲是指具有沖擊值的噪聲點(diǎn)，通常由圖像傳輸過(guò)程中的強(qiáng)沖擊干擾引起。椒鹽噪聲去噪的目的是從退化的觀測(cè)值中估計(jì)干凈的圖像?，F(xiàn)有的椒鹽去噪方法主要分為兩類，即模型驅(qū)動(dòng)方法和數(shù)據(jù)驅(qū)動(dòng)方。雖然現(xiàn)有方法取得了良好的去噪性能，但存在以下兩個(gè)主要限制。

1)在現(xiàn)有方法中，椒鹽噪聲的幅值(零或沖擊值)通常被忽略。然而，該特征對(duì)于噪聲定位很重要，也很易于識(shí)別。

2)現(xiàn)有的方法往往將彩色圖像視為從RGB信道中提取的三個(gè)相互獨(dú)立的矩陣，從而忽略了信道間信號(hào)的相似性。

現(xiàn)有的方案沒(méi)有能夠很好地解決上述兩種限制。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)中的上述缺陷，提出一種基于張量低秩先驗(yàn)與隱式正則技術(shù)彩圖椒鹽去噪方法，首先通過(guò)檢測(cè)處理圖像的像素幅度來(lái)探測(cè)噪聲位置信息，引入基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法和基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)，去噪效果更優(yōu)越。

本發(fā)明采用如下技術(shù)方案：

一種基于張量低秩先驗(yàn)與隱式正則技術(shù)彩圖椒鹽去噪方法，包括：

通過(guò)檢測(cè)圖像的像素幅度來(lái)探測(cè)椒鹽噪聲位置信息；

將椒鹽噪聲污染的彩色圖像作為缺失數(shù)據(jù)的張量和椒鹽噪聲張量的總和；

利用基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法結(jié)合基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)對(duì)缺失數(shù)據(jù)的張量進(jìn)行重建。

具體地，利用基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法結(jié)合基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)對(duì)缺失數(shù)據(jù)的張量進(jìn)行重建，具體包括模型：

其中，μ是正則化參數(shù)，用于平衡低秩模型驅(qū)動(dòng)和FFDnet去噪網(wǎng)絡(luò)實(shí)現(xiàn)的正則化項(xiàng)；為數(shù)據(jù)驅(qū)動(dòng)項(xiàng)，是重建的低秩張量，是觀測(cè)張量，Ω是與觀察到的條目相對(duì)應(yīng)的索引集，是一個(gè)投影函數(shù)，將中的數(shù)據(jù)保持在Ω上，X_n和Y_n分別表示TMac因子矩陣，R_(n)為展開(kāi)模式。

具體地，利用基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量重建算法結(jié)合基于數(shù)據(jù)驅(qū)動(dòng)的FFDNet去噪網(wǎng)絡(luò)對(duì)缺失數(shù)據(jù)的張量進(jìn)行重建，還包括基于模型驅(qū)動(dòng)的并行矩陣分解低秩張量進(jìn)行低秩張量重建，具體包括：

其中是重建的低秩張量，是觀測(cè)張量，Ω是與觀察到的條目相對(duì)應(yīng)的索引集，是一個(gè)投影函數(shù)，它將中的數(shù)據(jù)保持在Ω上；

其中，X_n和Y_n分別表示TMac因子矩陣，R_(n)為展開(kāi)模式，展開(kāi)的張量為

具體地，模型求解為：

其中，是學(xué)習(xí)率，i表示迭代次數(shù)，n表示展開(kāi)的模式序號(hào)；