專利名稱：基于支撐值變換和多尺度冗余字典學(xué)習(xí)的自然圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地說(shuō)是一種稀疏表示去噪方法，可用于圖像處理，模式識(shí)別和生物醫(yī)學(xué)等領(lǐng)域。
背景技術(shù)：
自然圖像的噪聲具有加性背景，目前自然圖像的去噪方法可以從變換域和空域兩個(gè)方面來(lái)進(jìn)行?；诳沼?yàn)V波的經(jīng)典方法有Lee濾波，Kuan濾波。近年來(lái)，空域?yàn)V波中又提出了非局部均值濾波算法，基于冗余DCT字典，以及基于KSVD字典學(xué)習(xí)的稀疏表示去噪算法，其中Lee濾波等經(jīng)典算法采用的是在同質(zhì)區(qū)域取均值，對(duì)變化較快的點(diǎn)采取保留的局部濾波策略，雖然處理速度很快，但濾波后的圖像整體效果模糊，大部分圖像細(xì)節(jié)丟失且不能保持邊緣的連續(xù)性，同質(zhì)區(qū)域不夠平滑；近年來(lái)，在對(duì)圖像出現(xiàn)的周期性式樣的研究基礎(chǔ)上，又提出了非局部均值算法空域?yàn)V波方法。非局部均值算法通過(guò)計(jì)算圖像中兩個(gè)像素點(diǎn)鄰域的相似度來(lái)確定該點(diǎn)對(duì)所要求的點(diǎn)的信息補(bǔ)償程度，中心點(diǎn)的灰度值為鄰域內(nèi)像素點(diǎn)灰度值的加權(quán)平均。它雖然能很好的解決圖像邊緣和線性體的保留問(wèn)題，但仍存在平滑區(qū)域過(guò)平滑現(xiàn)象?；趫D像稀疏表示下的去噪算法是新近提出的一種空域圖像去噪新方法，它采用圖像在冗余字典上的稀疏近似來(lái)實(shí)現(xiàn)噪聲去除，如DCT字典去噪和KSVD字典學(xué)習(xí)去噪。其不足之處在于DCT字典原子固定，不能有效逼近原圖的邊緣與細(xì)節(jié)信息，而KSVD字典學(xué)習(xí)的誤差控制方法粗糙，易造成原圖中部分紋理細(xì)節(jié)的丟失。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述去噪方法的不足，提出一種基于支撐值變換和多尺度冗余字典學(xué)習(xí)的自然圖像去噪方法，以在多個(gè)尺度上進(jìn)行稀疏表示和字典學(xué)習(xí)，有效提取圖像在多個(gè)尺度上的顯著特征，并兼顧對(duì)自然圖像中噪聲的去除和紋理細(xì)節(jié)的保持，提高圖像去噪效果。為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟(1)利用最小二乘支撐矢量機(jī)的逼近模型構(gòu)造支撐值濾波器Vj, j = 1，2，. . .，Y， 其中，、是多尺度數(shù)目；(2)將含噪圖像P利用多個(gè)尺度上的支撐值濾波器Vj, j = 1,2,...,γ進(jìn)行分解， 得到含噪圖像P在第j個(gè)尺度上的支撐值圖像Yj，j = 1，2，...，γ
權(quán)利要求
1. 一種基于支撐值變換和多尺度冗余字典字習(xí)的自然圖像去噪方法，包括如下步驟(1)利用最小二乘支撐矢量機(jī)的逼近模型構(gòu)造支撐值濾波器\，j= 1,2, ..., γ，其中，Y是多尺度數(shù)目；(2)將含噪圖像P利用多個(gè)尺度上的支撐值濾波器Vj,j = 1,2,..., γ進(jìn)行分解，得到含噪圖像P在第j個(gè)尺度上的支撐值圖像
2.根據(jù)權(quán)利要求1所述的基于支撐值變換和多尺度冗余字典學(xué)習(xí)的自然圖像去噪方法，其中步驟(1)所述的利用最小二乘支撐矢量機(jī)的逼近模型構(gòu)造支撐值濾波器\，按如下步驟進(jìn)行l(wèi)a)設(shè)定大小為pXq的矩陣區(qū)域，并映射成矢量，選定高斯徑向基核函數(shù)K(x，Xi)= exp(-| |X-Xi| |/2ο2)，其中ο為徑向基核函數(shù)的延展參數(shù)，χ是矩陣區(qū)域中心點(diǎn)的坐標(biāo)位置，Xi是矩陣區(qū)域第i點(diǎn)的坐標(biāo)位置，P是矩陣區(qū)域的行數(shù)，q是矩陣區(qū)域的列數(shù)；lb)設(shè)定多尺度數(shù)目Y，計(jì)算大小為NXN的矩陣Ω，其中矩陣中的元素Qu = K(Xi，XjHIij/Y，i，j = 1，2，K，N，其中 N = pXq，Iij 單位矩陣的第(i，j)個(gè)元素； 2c)利用矩陣Ω計(jì)算中間變量矩陣A和Bt:
3.根據(jù)權(quán)利要求1所述的基于支撐值變換和多尺度冗余字典學(xué)習(xí)的自然圖像去噪方法，其中步驟(4)所述的采用KSVD算法更新自適應(yīng)稀疏表示字典&和稀疏表示系數(shù)Cimn， 按如下步驟進(jìn)行4a)令Xj = Yj,自適應(yīng)稀疏表示字典A為冗余DCT字典； 4b)采用OMP算法求解下式，得到稀疏表示系數(shù)α mn
全文摘要
本發(fā)明公開(kāi)了一種基于支撐值變換和多尺度冗余字典學(xué)習(xí)的自然圖像去噪方法，主要克服現(xiàn)有自然圖像去噪中紋理細(xì)節(jié)丟失的現(xiàn)象。其實(shí)現(xiàn)過(guò)程是(1)輸入含噪圖像P并對(duì)其做多尺度支撐值變換，得到不同尺度上的支撐值圖像Yj，設(shè)定Yj的去噪目標(biāo)函數(shù)；(2)令干凈支撐值圖像Xj為支撐值圖像Yj，令字典Dj為過(guò)完備DCT字典；(3)采用KSVD算法更新字典Dj和系數(shù)矩陣αmn；(4)計(jì)算Yj的去噪結(jié)果；(5)重復(fù)步驟2)-4)，計(jì)算出各支撐值圖像的去噪結(jié)果并對(duì)其做多尺度支撐值逆變換，得含噪圖像P的去噪結(jié)果X。本發(fā)明相對(duì)于現(xiàn)有的經(jīng)典去噪方法能更好地保留含噪圖像的線目標(biāo)和紋理信息，去噪效果有了明顯提升，可用于圖像處理，模式識(shí)別和生物醫(yī)學(xué)領(lǐng)域。
文檔編號(hào)G06T5/10GK102156975SQ201110102860
公開(kāi)日2011年8月17日 申請(qǐng)日期2011年4月22日 優(yōu)先權(quán)日2011年4月22日
發(fā)明者侯彪, 衛(wèi)美絨, 張?jiān)聢A, 楊淑媛, 焦李成, 王爽, 鐘樺, 韓月 申請(qǐng)人:西安電子科技大學(xué)