[發(fā)明專利]一種噪聲圖像平滑去噪方法

在審

• 申請?zhí)枺?/td>: 202211349979.4
• 申請日: 2022-10-31
• 公開（公告）號: CN115809965A
• 公開（公告）日: 2023-03-17
• 發(fā)明（設(shè)計）人: 韓曉宇;董文德;陶叔銀
• 申請（專利權(quán)）人: 南京航空航天大學(xué);南京理工大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13
• 代理公司: 南京業(yè)騰知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32321
• 代理人: 李靜

1.一種噪聲圖像平滑去噪方法，其特征在于：包括如下步驟：

步驟1)，在貝葉斯概率框架下，用高斯概率模型對噪聲進(jìn)行建模，用梯度l₀范數(shù)和l₁范數(shù)對清晰圖像進(jìn)行建模；

步驟2)，引入三個正則化約束系數(shù)，將步驟1)中的三個模型加權(quán)求和，構(gòu)建噪聲圖像復(fù)原問題模型；

步驟3)，采用二次懲罰函數(shù)法求解，引入兩個輔助變量分別對應(yīng)于清晰圖像的水平梯度和垂直梯度，并引入一個懲罰系數(shù)，將噪聲圖像復(fù)原問題模型進(jìn)行轉(zhuǎn)換；

步驟4)，將步驟3)中的模型分解為關(guān)于清晰圖像和輔助變量的兩個最優(yōu)估計問題；

步驟5)，用噪聲圖像對清晰圖像的估計值進(jìn)行初始化，設(shè)定懲罰系數(shù)初始值和最大值；

步驟6)，固定清晰圖像的估計值，對關(guān)于輔助變量的最優(yōu)估計問題進(jìn)行求解，得到輔助變量的估計值，更新輔助變量值；

步驟7)，固定輔助變量的估計值，采用共軛梯度迭代法對關(guān)于清晰圖像的最優(yōu)估計問題進(jìn)行求解，得到清晰圖像的估計值，更新清晰圖像值和懲罰系數(shù)；

步驟8)，循環(huán)執(zhí)行步驟6)、步驟7)直至懲罰系數(shù)達(dá)到最大值，得到清晰圖像的估計值，即復(fù)原圖像。

2.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟1)中用高斯概率模型對噪聲進(jìn)行建模的表達(dá)式為用梯度l0范數(shù)對圖像進(jìn)行建模的表達(dá)式為-ln[P(o)]∝∑_isign[|(d_xo)_i|+|(d_yo)_i|]，用梯度l1范數(shù)對圖像進(jìn)行建模的表達(dá)式為-ln[P(o)]∝∑_i[|(d_xo)_i|+|(d_yo)_i|]；

其中，g表示噪聲圖像，o表示清晰圖像，h表示點(diǎn)擴(kuò)散函數(shù)；P(g|o)為隨機(jī)噪聲概率分布，P(o)為清晰圖像的概率分布，d_x和d_y分別表示水平方向和垂直方向梯度算子，i表示清晰圖像中的像素索引；

3.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟2)中的正則化系數(shù)為λ，μ和η，噪聲圖像復(fù)原問題模型為：

4.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟3)中關(guān)于采用二次懲罰函數(shù)法求解，引入的兩個輔助變量為w和u，引入的懲罰系數(shù)為β，噪聲圖像復(fù)原問題模型轉(zhuǎn)換為：

5.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：其特征在于：所述步驟4)中關(guān)于清晰圖像和輔助變量的兩個最優(yōu)估計問題分別為：

6.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟5)中的用噪聲圖像對清晰圖像的估計值初始化為o＝g，設(shè)定懲罰系數(shù)初始值為β＝β_initial，最大值為β_max，迭代系數(shù)r。

7.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟6)中固定清晰圖像的估計值，對關(guān)于輔助變量的最優(yōu)估計問題進(jìn)行求解，得到輔助變量的估計值，更新輔助變量值的步驟為：

1)固定η∑_isign[|w_i|+|u_i|]，將子問題分解為相互獨(dú)立的問題解算可得結(jié)果為：

2)將|(d_xo)_i|，|(d_yo)_i|與進(jìn)行分類比較，解算出w_i和u_i；

3)更新w和u。

8.根據(jù)權(quán)利要求1所述的一種噪聲圖像平滑去噪方法，其特征在于：所述步驟7)中固定輔助變量的估計值，采用共軛梯度迭代法對關(guān)于清晰圖像的最優(yōu)估計問題進(jìn)行求解，得到清晰圖像的估計值，更新清晰圖像值和懲罰系數(shù)的步驟為：

1)采用共軛梯度迭代法求解公式：

2)更新o；

3)更新懲罰系數(shù)β：β＝β*r。