本發(fā)明屬于圖像處理領(lǐng)域，涉及一種iccd圖像去噪方法。

背景技術(shù)：

iccd(intensifiedcharge-coupleddevice)相機(jī)是一種在微光條件下獲取增強(qiáng)圖像的設(shè)備，廣泛應(yīng)用于夜間成像，衛(wèi)星成像等領(lǐng)域。其成像原理是將光電轉(zhuǎn)換后入射的電子經(jīng)由加電壓的微通道管傳輸，在微通道管中撞擊管壁，進(jìn)而激發(fā)出更多的電子并從微通道管中射出，打到成像熒光屏上，從而實(shí)現(xiàn)在微光環(huán)境下的圖形獲取和增強(qiáng)。但是由于電子數(shù)目的隨機(jī)增加和其隨機(jī)的出射角度，極大的增加了噪聲。iccd成像的噪聲與以往所處理的噪聲不同：1)與一般的隨機(jī)噪聲不同，iccd的成像噪聲呈團(tuán)塊狀，這是由于微通道管的排列形式所造成的。這種噪聲已經(jīng)形成了一種模式，可以將其看作是一種結(jié)構(gòu)缺失，而不是普通意義上的隨機(jī)噪聲；2)形成的這種模式?jīng)]有固定的表征特征，其形狀和邊界信息是隨機(jī)的，而不像水珠或雨滴具有固定的模式。

基于噪聲的類型圖像去噪算法主要分兩大類：一是對概率分布噪聲和隨機(jī)噪聲的去噪算法(普適的去噪算法)，二是針對具有固定模式噪聲的去噪算法(模式去噪算法)。對于普適的去噪算法，主要有空域方法，變換域方法和基于學(xué)習(xí)的方法。其中，空域方法最為成熟，但效果有限，目前去噪領(lǐng)域的主要方法集中在變換域方法和基于學(xué)習(xí)的方法。這些方法對于iccd圖像噪聲的去除效果十分有限，因?yàn)閕ccd圖像噪聲模式的團(tuán)塊性和較大的強(qiáng)度，普適去噪算法會將iccd噪聲按照圖像結(jié)構(gòu)化的一部分進(jìn)行處理，有些算法甚至加強(qiáng)了噪聲。對于模式去噪算法，其主要解決的問題是去除圖像中具有固定模式的噪聲，比如雨滴，波紋等。這類算法對于特定的模式有特定的方法，目前比較有效的是基于自學(xué)習(xí)的信號分解法。將此方法應(yīng)用于iccd圖像去噪有以下問題，團(tuán)塊噪聲的延展區(qū)域較大，單個字典塊無法覆蓋，而放大字典塊會產(chǎn)生一系列問題，影響圖像質(zhì)量。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種iccd圖像去噪方法，該方法能夠消除隨機(jī)團(tuán)塊噪聲，減少團(tuán)塊噪聲對于圖像識別的影響，同時增強(qiáng)iccd圖像的結(jié)構(gòu)信息，修復(fù)噪聲對圖像造成的結(jié)構(gòu)性缺失，達(dá)到去噪并修復(fù)圖像的目的。

為達(dá)到上述目的，本發(fā)明所述的iccd圖像去噪方法包括以下步驟：

1)將iccd圖像通過方向梯度直方圖方差劃分為結(jié)構(gòu)化圖像塊及非結(jié)構(gòu)化圖像塊：

2)在iccd圖像中采用局域與非局域級聯(lián)的結(jié)構(gòu)尋找模擬區(qū)域，并在模擬區(qū)域中通過塊匹配算法尋找與非結(jié)構(gòu)化圖像塊相匹配的非局域圖像塊，再通過預(yù)設(shè)的限制條件在模擬區(qū)域中尋找與非結(jié)構(gòu)化圖像塊相匹配的局域圖像塊，再將非局域圖像塊與局域圖像塊采用聯(lián)合濾波方法求取均值，得去噪后的非結(jié)構(gòu)化圖像塊；

從iccd圖像中提取局部流形信息，再在稀疏表示的表示系數(shù)中引入所述局部流形信息，并求解稀疏表示，然后根據(jù)結(jié)構(gòu)化圖像塊與與其八鄰域塊使得擬合殘差最小，得結(jié)構(gòu)化圖像塊的八鄰域塊權(quán)重，再根據(jù)稀疏表示及結(jié)構(gòu)化圖像塊的八鄰域塊權(quán)重得保流形稀疏表示的目標(biāo)函數(shù)，并求解所述保流形稀疏表示的目標(biāo)函數(shù)，得稀疏表示的字典d及稀疏表示的稀疏系數(shù)x，然后根據(jù)稀疏表示的字典d及稀疏表示的稀疏系數(shù)x重構(gòu)結(jié)構(gòu)化圖像塊，得去噪后的結(jié)構(gòu)化圖像塊。

步驟2)中保流形稀疏表示的目標(biāo)函數(shù)的表達(dá)式為：

其中，n為結(jié)構(gòu)化圖像塊的個數(shù)，yi為第i個向量化的結(jié)構(gòu)化圖像塊，xi為第i個向量化的結(jié)構(gòu)化圖像塊的稀疏表示系數(shù)，xi,j表示第i個結(jié)構(gòu)化圖像塊的第j個鄰域塊的稀疏表示系數(shù)，β為常數(shù)，||·||0表示l0范數(shù)，t0為稀疏性參數(shù)，wi表示第i個結(jié)構(gòu)化圖像塊與其8個鄰域塊之間的結(jié)構(gòu)信息，wi,j為第i個結(jié)構(gòu)化圖像塊與其第j個鄰域塊之間的結(jié)構(gòu)信息。

wi的具體表達(dá)式為：

其中，pi,j為第i個結(jié)構(gòu)化圖像塊及其第j個鄰域塊的平均灰度值。

在固定字典d的情況下，保流形稀疏表示的目標(biāo)函數(shù)的梯度為：

其中，ci＝∑jwi，jxi，j，則有

其中，(n)表示第n次迭代，為使用k-svd獲得的系數(shù)，η表示步長，θ(·)為僅保留向量中t0個絕對值最大的元素的函數(shù)，||xi||0≤t0。

利用最大后驗(yàn)概率法求解稀疏表示的字典d，其中，

d⁽ⁿ⁺¹⁾＝dⁿ+η′ex^t+η′·tr(xe^td⁽ⁿ⁾)d⁽ⁿ⁾

其中，e＝[e1，e2，...，en]，ei＝y(tǒng)i-d⁽ⁿ⁾xi+β·d⁽ⁿ⁾(ci-xi)，η′為迭代過程的步長，d⁽ⁿ⁾的初始化值為使用k-svd獲得的字典。

重構(gòu)后第i個結(jié)構(gòu)化圖像塊的列向量形式imi為：

其中，δ為常數(shù)系數(shù)，則有

本發(fā)明具有以下有益效果：

本發(fā)明所述的iccd圖像去噪方法在具體操作時，首先將iccd圖像分為結(jié)構(gòu)化圖像塊與非結(jié)構(gòu)化圖像塊，對非結(jié)構(gòu)化圖像塊采用局域與非局域級聯(lián)的結(jié)構(gòu)尋找模擬區(qū)域，并在模擬區(qū)域內(nèi)尋找局域圖像塊及非局域圖像塊，并根據(jù)局域圖像塊與非局域圖像塊得到去噪后的非結(jié)構(gòu)化圖像，從而盡可能的消除隨機(jī)團(tuán)塊噪聲；對于結(jié)構(gòu)化圖像塊，則通過構(gòu)建保流形稀疏表示的目標(biāo)函數(shù)，通過保流形稀疏表示增強(qiáng)iccd圖像的結(jié)構(gòu)信息，降低修復(fù)噪聲對結(jié)構(gòu)化圖像塊的結(jié)構(gòu)性缺失，最后再通過重構(gòu)來得到去噪后的結(jié)構(gòu)化圖像塊，從而消除隨機(jī)團(tuán)塊噪聲，減少團(tuán)塊噪聲對圖像識別的影響，同時增強(qiáng)iccd圖像的結(jié)構(gòu)信息，修復(fù)噪聲對圖像造成的結(jié)構(gòu)性缺失，達(dá)到去噪并修復(fù)圖像的作用。

附圖說明

圖1為本發(fā)明的流程圖；

圖2為本發(fā)明中方向梯度直方圖方差(hvog)示意圖；

圖3為本發(fā)明中模擬局部時域信息示意圖；

圖4為真實(shí)iccd的感測圖像；

圖5本發(fā)明的處理結(jié)果；

圖6為bm3d的處理結(jié)果；

圖7為基于k-svd的處理結(jié)果；

圖8為bls-gsm的處理結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)描述：

參考圖1，本發(fā)明所述的iccd圖像去噪方法包括以下步驟：

1)將iccd圖像通過方向梯度直方圖方差劃分為結(jié)構(gòu)化圖像塊及非結(jié)構(gòu)化圖像塊，具體的操作為：1a)在每個圖像塊中滑動固定窗口大小的小塊，計(jì)算每個小塊中的梯度特征的幅度及取向；2a)將每個小塊中的像素根據(jù)它們的取向劃分為k類，然后將每類中的所有像素的梯度的絕對量值相加以形成具有所有k類的結(jié)果的直方圖；3a)重復(fù)上述過程以形成所有小塊的直方圖，然后將這些直方圖合并為一個直方圖；4a)計(jì)算合并的直方圖的方差；5a)設(shè)定閾值，所述方差大于閾值，則將圖像塊分類為結(jié)構(gòu)化圖像塊，否則將其分類為非結(jié)構(gòu)化圖像塊。

2)在iccd圖像中采用局域與非局域級聯(lián)的結(jié)構(gòu)尋找模擬區(qū)域，并在模擬區(qū)域中通過塊匹配算法尋找與非結(jié)構(gòu)化圖像塊相匹配的非局域圖像塊，再通過預(yù)設(shè)的限制條件在模擬區(qū)域中尋找與非結(jié)構(gòu)化圖像塊相匹配的局域圖像塊，再將非局域圖像塊與局域圖像塊采用聯(lián)合濾波方法求取均值，得去噪后的非結(jié)構(gòu)化圖像塊，其中，所述預(yù)設(shè)的限制條件為：1、局域塊是非結(jié)構(gòu)化圖像塊的；2、在參照塊和匹配塊各自相應(yīng)的圓域內(nèi)；3、與參照塊和匹配塊相比有相對較小的灰度統(tǒng)計(jì)值偏差；

從iccd圖像中提取局部流形信息，再在稀疏表示的表示系數(shù)中引入所述局部流形信息，并求解稀疏表示，然后根據(jù)結(jié)構(gòu)化圖像塊與與其八鄰域塊使得擬合殘差最小，得結(jié)構(gòu)化圖像塊的八鄰域塊權(quán)重，再根據(jù)稀疏表示及結(jié)構(gòu)化圖像塊的八鄰域塊權(quán)重得保流形稀疏表示的目標(biāo)函數(shù)，并求解所述保流形稀疏表示的目標(biāo)函數(shù)，得稀疏表示的字典d及稀疏表示的稀疏系數(shù)x，然后根據(jù)稀疏表示的字典d及稀疏表示的稀疏系數(shù)x重構(gòu)結(jié)構(gòu)化圖像塊，得去噪后的結(jié)構(gòu)化圖像塊。

步驟2)中保流形稀疏表示的目標(biāo)函數(shù)的表達(dá)式為：

其中，n為結(jié)構(gòu)化圖像塊的個數(shù)，yi為第i個向量化的結(jié)構(gòu)化圖像塊，xi為第i個向量化的結(jié)構(gòu)化圖像塊的稀疏表示系數(shù)，xi,j表示第i個結(jié)構(gòu)化圖像塊的第j個鄰域塊的稀疏表示系數(shù)，β為常數(shù)，||·||0表示l0范數(shù)，t0為稀疏性參數(shù)，wi表示第i個結(jié)構(gòu)化圖像塊與其8個鄰域塊之間的結(jié)構(gòu)信息，wi,j為第i個結(jié)構(gòu)化圖像塊與其第j個鄰域塊之間的結(jié)構(gòu)信息。

其中，pi,j為第i個結(jié)構(gòu)化圖像塊及其第j個鄰域塊的平均灰度值。

在固定字典d的情況下，保流形稀疏表示的目標(biāo)函數(shù)的梯度為：

其中，ci＝∑jwi，jxi，j，則有

其中，(n)表示第n次迭代，為使用k-svd獲得的系數(shù)，η表示步長，θ(·)為僅保留向量中t0個絕對值最大的元素的函數(shù)，||xi||0≤t0。

利用最大后驗(yàn)概率法求解稀疏表示的字典d，其中，

d⁽ⁿ⁺¹⁾＝dⁿ+η′ex^t+η′·tr(xe^td⁽ⁿ⁾)d⁽ⁿ⁾

其中，e＝[e1，e2，...，en]，ei＝y(tǒng)i-d⁽ⁿ⁾xi+β·d⁽ⁿ⁾(ci-xi)，η′為迭代過程的步長，d⁽ⁿ⁾的初始化值為使用k-svd獲得的字典。

重構(gòu)后第i個結(jié)構(gòu)化圖像塊的列向量形式imi為：

其中，δ為常數(shù)系數(shù)，則有

步驟2)中保流形稀疏表示的目標(biāo)函數(shù)的表達(dá)式為：

其中，n為結(jié)構(gòu)化圖像塊的個數(shù)，yi為第i個向量化的結(jié)構(gòu)化圖像塊，xi為第i個向量化的結(jié)構(gòu)化圖像塊的稀疏表示系數(shù)，xi,j表示第i個結(jié)構(gòu)化圖像塊的第j個鄰域塊的稀疏表示系數(shù)，β為常數(shù)，||·||0表示l0范數(shù)，t0為稀疏性參數(shù)，wi表示第i個結(jié)構(gòu)化圖像塊與其8個鄰域塊之間的結(jié)構(gòu)信息，wi,j為第i個結(jié)構(gòu)化圖像塊與其第j個鄰域塊之間的結(jié)構(gòu)信息。

wi的具體表達(dá)式為：

其中，pi,j為第i個結(jié)構(gòu)化圖像塊及其第j個鄰域塊的平均灰度值。

在固定字典d的情況下，保流形稀疏表示的目標(biāo)函數(shù)的梯度為：

其中，ci＝∑jwi，jxi，j，則有

其中，(n)表示第n次迭代，為使用k-svd獲得的系數(shù)，η表示步長，θ(·)為僅保留向量中t0個絕對值最大的元素的函數(shù)，||xi||0≤t0。

利用最大后驗(yàn)概率法求解稀疏表示的字典d，其中，

d⁽ⁿ⁺¹⁾＝dⁿ+η′ex^t+η′·tr(xe^td⁽ⁿ⁾)d⁽ⁿ⁾

其中，e＝[e1，e2，...，en]，ei＝y(tǒng)i-d⁽ⁿ⁾xi+β·d⁽ⁿ⁾(ci-xi)，η′為迭代過程的步長，d⁽ⁿ⁾的初始化值為使用k-svd獲得的字典。

重構(gòu)后第i個結(jié)構(gòu)化圖像塊的列向量形式imi為：

其中，δ為常數(shù)系數(shù)，則有

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施方式僅限于此，對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單的推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明由所提交的權(quán)利要求書確定專利保護(hù)范圍。