一種基于解析稀疏表示的圖像去噪方法
【專利摘要】一種基于解析稀疏表示的圖像去噪方法，首先利用帶噪圖像通過子集追蹤算法學(xué)習(xí)得到解析字典，然后利用Bregman距離作為目標(biāo)函數(shù)，采用加權(quán)分裂Bregman算法進(jìn)行源信號(hào)的估計(jì)，得到最終的去噪圖像，達(dá)到圖像去噪的目的。本發(fā)明提供的圖像去噪方法能提高圖像的質(zhì)量、提供更加準(zhǔn)確的目標(biāo)和背景信息，達(dá)到較理想的去噪效果，在目標(biāo)檢測(cè)、光學(xué)成像、安全監(jiān)控系統(tǒng)等軍事領(lǐng)域和非軍事領(lǐng)域均有廣泛的應(yīng)用。
【專利說明】一種基于解析稀疏表示的圖像去噪方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于解析稀疏表示的圖像去噪方法。
【背景技術(shù)】
[0002]通常，圖像在獲取和傳輸過程中會(huì)受到噪聲的污染，為了后續(xù)的處理，很有必要進(jìn)行去噪處理。去噪的目的就是盡可能地濾除噪聲，同時(shí)最大限度地保留源圖像的信息，以提高圖像的質(zhì)量。目前，圖像去噪處理方法一般可分為空間域處理和變換域處理。經(jīng)典的空間域去噪處理有均值濾波、中值濾波、維納濾波等。變換域去噪的基本思想是將含噪圖像通過某種變換，將圖像從空間域變換到變換域，對(duì)變換域的系數(shù)進(jìn)行處理，再進(jìn)行反變換得到去噪圖像。圖像的稀疏表示便是一種變換，將圖像變換到稀疏域。經(jīng)過稀疏表示后，圖像信號(hào)主要集中在少數(shù)系數(shù)較大的原子上，而噪聲散布在系數(shù)較小的原子上，因此可以利用少數(shù)系數(shù)較大的原子恢復(fù)源圖像信號(hào)。
[0003]信號(hào)的稀疏表示大多采用綜合稀疏模型(Synthesis Sparse Model),即在滿足一定的近似條件下，用少量過完備字典中的原子的線性組合來(lái)表示信號(hào)。在綜合稀疏模型中，信號(hào)由少數(shù)原子構(gòu)成的子空間來(lái)表示，使得信號(hào)稀疏表示受個(gè)別原子影響較大。解析稀疏模型(Analysis Sparse Model)克服了綜合稀疏模型稀疏表示性能較差的缺點(diǎn)。假設(shè)輸入信號(hào)X e Rn，解析字典為Ω e Rpxn,也稱之為解析算子(Analysis Operator),與綜合字典不同，其行向量《J為解析字典的原子((.)τ表示轉(zhuǎn)置運(yùn)算)。Ω 一般也是過完備字典，但與綜合字典不同，它的行數(shù)大于列數(shù)，即Ρ>η。信號(hào)X的解析稀疏模型定義為
【權(quán)利要求】
1.一種基于解析稀疏表示的圖像去噪方法，其特征是首先利用帶噪圖像通過子集追蹤算法學(xué)習(xí)得到解析字典，然后利用Bregman距離作為目標(biāo)函數(shù)，采用加權(quán)分裂Bregman算法進(jìn)行源信號(hào)的估計(jì)，得到最終的去噪圖像。
2.根據(jù)權(quán)利要求1所述的圖像去噪方法，其特征是步驟如下: ①?gòu)膸г雸D像重疊抽取出K個(gè)
3.根據(jù)權(quán)利要求1或2所述的圖像去噪方法，其特征是所述的源信號(hào)的估計(jì)的迭代步驟為:
【文檔編號(hào)】G06T5/00GK103606133SQ201310544290
【公開日】2014年2月26日 申請(qǐng)日期:2013年11月6日 優(yōu)先權(quán)日:2013年11月6日
【發(fā)明者】張燁, 余騰龍, 龔黎華, 張文全 申請(qǐng)人:南昌大學(xué)