[發明專利]一種噪聲圖像平滑去噪方法

在審

• 申請號: 202211349979.4
• 申請日: 2022-10-31
• 公開（公告）號: CN115809965A
• 公開（公告）日: 2023-03-17
• 發明（設計）人: 韓曉宇;董文德;陶叔銀
• 申請（專利權）人: 南京航空航天大學;南京理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 李靜

本發明公開了一種噪聲圖像平滑去噪方法,涉及計算機數字圖像處理技術領域。包括包括如下步驟：在貝葉斯概率框架下，用高斯概率模型對噪聲進行建模，用梯度l₀范數和l₁范數對清晰圖像進行建模；引入三個正則化約束系數，將步驟1)中的三個模型加權求和，構建噪聲圖像復原問題模型；采用二次懲罰函數法求解，引入兩個輔助變量分別對應于清晰圖像的水平梯度和垂直梯度，并引入一個懲罰系數，將噪聲圖像復原問題模型進行轉換。在貝葉斯最大后驗估計框架下，通過引入圖像梯度的l₀范數和l₁范數對清晰圖像進行建模，形成正則化約束條件，并綜合構建了最優估計問題，設計了迭代優化算法，能夠有效抑制噪聲，并銳化和增強顯著邊緣，產生高質量復原圖像。

技術領域

本發明屬于計算機數字圖像處理技術領域，尤其涉及一種噪聲圖像平滑去噪方法。

背景技術

在日常攝影、光學遙感、醫學成像、激光通信等領域，由于背景光、儀器噪聲、大氣湍流等影響，經常會在圖像的拍攝和傳輸過程中，引入不必要的信號，從而影響圖像質量，在后續圖像處理中產生干擾，影響了使用價值。因此，圖像去噪是圖像處理中的基礎和前提，是圖像處理領域的重要研究方向。

傳統的圖像去噪算法是通過在局部區域進行加權平均運算，如均值濾波，中值濾波，雙邊濾波等。均值濾波，中值濾波方法簡單，運算速度快，但會損壞圖像細節。雙邊濾波對于噪聲不集中的圖像可以更好的保留細節信息,但運算速度較慢，并且不能有效去除圖像中的陰影。

在數學上，圖像模糊可以用清晰圖像與點擴散函數的卷積運算來描述，其逆過程即圖像復原過程稱為反卷積。通過以圖像塊為單位尋找噪聲圖像與卷積后圖像的相似區域，可以有效保護圖像中的顯著邊緣細節信息。但反卷積過程是一個典型的病態過程，即圖像中少許能量的噪聲都會被放大并反向傳播到復原圖像中，使復原結果遠遠偏離真實的清晰圖像。

因此，本發明針對上述問題，提出了一種能夠對噪聲進行約束的正則化條件，以及求解添加正則化條件后反卷積的方法。它能夠有效抑制噪聲，并銳化和增強顯著邊緣，從而產生高質量復原圖像，具有較強的實用價值。

發明內容

本發明的目的是針對現有的問題，提供了一種噪聲圖像平滑去噪方法，解決了背景技術中提出的技術問題。

本發明是通過以下技術方案實現的：一種噪聲圖像平滑去噪方法，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行建模，用梯度l₀范數和l₁范數對清晰圖像進行建模；

步驟2)，引入三個正則化約束系數，將步驟1)中的三個模型加權求和，構建噪聲圖像復原問題模型；

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

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

步驟5)，用噪聲圖像對清晰圖像的估計值進行初始化，設定懲罰系數初始值和最大值；

步驟6)，固定清晰圖像的估計值，對關于輔助變量的最優估計問題進行求解，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于清晰圖像的最優估計問題進行求解，得到清晰圖像的估計值，更新清晰圖像值和懲罰系數；

步驟8)，循環執行步驟6)、步驟7)直至懲罰系數達到最大值，得到清晰圖像的估計值，即復原圖像。