一种图像去噪方法及系统技术方案

本发明专利技术涉及图像去噪技术领域，公开了一种图像去噪方法及系统，该方法，包括以下步骤：S1，初始去噪：对采集图像进行初始去噪；S2，混合去噪：对初始去噪后的图像进行混合噪声去噪。本发明专利技术解决了现有技术存在的去噪准确度低、效率低等问题。效率低等问题。效率低等问题。

【技术实现步骤摘要】
一种图像去噪方法及系统


[0001]本专利技术涉及图像去噪
，具体是一种图像去噪方法及系统。

技术介绍

[0002]部队进行活动地区其环境经常非常复杂，采集过程中由于传输环境的干扰和采集设备的缺陷，采集的图像都会受到不同程度噪声的影响，破坏了图片质量。部队采集设备通常置于户外极端的环境，暴雨、暴晒、冰雹等等影响导致主要的传感器和相关电路出现异常。对于采集图像的传输信道的选择方式也是千差万别，各类方式也会产生不同的影响。最终采集到的图像是夹杂了加性高斯噪声(AWGN)、脉冲噪声(IN)等混合噪声图像。
[0003]现有对于噪声的研究大多是对于单一噪声模型进行，针对该模型进行研究得到方法，而对于复杂环境部队采集的混合噪声图，单一算法并不适用于此类条件。
[0004]现有技术存在去噪准确度低、效率低等问题。

技术实现思路

[0005]为克服现有技术的不足，本专利技术提供了一种图像去噪方法及系统，解决现有技术存在的去噪准确度低、效率低等问题。
[0006]本专利技术解决上述问题所采用的技术方案是：
[0007]一种图像去噪方法，包括以下步骤：
[0008]S1，初始去噪：对采集图像进行初始去噪；
[0009]S2，混合去噪：对初始去噪后的图像进行混合噪声去噪。
[0010]作为一种优选的技术方案，步骤S1包括以下步骤：
[0011]S11，采集图像的像素点，选取一个滤波窗口；
[0012]S12，在滤波窗口内对所有像素点进行排序，选取灰度中值g
k
；
[0013]S13，以g
k
为中心，选取一个灰度区间,将滤波窗口内灰度值位于灰度区间内的像素点进行平均，将平均后的值作为滤波值进行输出，从而获得初始去噪后的图像。
[0014]作为一种优选的技术方案，步骤S13中，选取的灰度区间为[g
k
‑
g,g
k
+g]；其中，g表示设置的一个灰度值阈值。
[0015]作为一种优选的技术方案，步骤S2中，基于加权编码稀疏表示与非局部相似经验结合的方法对初始去噪后的图像进行混合去噪。
[0016]作为一种优选的技术方案，步骤S2包括以下步骤：
[0017]S21，通过最小二乘表示图像，计算公式为：
[0018]x＝Φa；
[0019]其中，x表示一幅图像，Φ表示超完备字典，Φ＝[Φ1；Φ2；...Φ
n
]，n表示组成超完备字典构成的小元素个数，a表示稀疏表示系数；
[0020]S22，构建混合噪声去噪模型：构建混合噪声去噪模型，计算期望，计算公式为：
[0021][0022]其中，表示a的期望，argmin表示最小二乘运算，表示2范数运算，y表示受到高斯噪声所污染的图像，λ表示限定系数～，R(a)表示限定向量；
[0023]S23，计算残差向量，计算公式为：
[0024]e＝[e1；e2；...；e
i
；...；e
N
]＝y
‑
Φa；
[0025]其中，i表示残差向量中残差值的序号，N表示残差向量中残差值的总个数，e表示残差向量，e
i
表示残差向量中第i个残差值，e
i
＝(y
‑
Φa)
(i)
，f(ei)表示残差函数；
[0026]S24，对每一个残差值设计权重，则：
[0027][0028]其中，表示残差函数，w
i
表示第i个残差值对应的权重值。
[0029]作为一种优选的技术方案，S23中，f(e
i
)满足：(1)f(e
i
)≥0且f(0)＝0；(2)若f(e
i
)≥f(e
j
)，则|e
i
|>|e
j
|；(3)f(e
i
)＝f(
‑
e
i
)；其中，j表示与i不同的残差向量中残差值的序号。
[0030]作为一种优选的技术方案，步骤S2包括以下步骤：
[0031]S25，设则新的混合噪声去噪模型为：
[0032][0033]作为一种优选的技术方案，还包括以下步骤：
[0034]S3，利用脉冲噪声判别方法将混合去噪的图形中的脉冲噪声和高斯噪声进行分离。
[0035]作为一种优选的技术方案，步骤S3包括以下步骤：
[0036]S31，对于待检测像素，设置一个的窗口，计算窗口范围内的待检测像素的最小灰度值，计算公式为：
[0037]d1＝{|f
x
‑
1,y
‑1+f
x+1,y+1
‑
2f
x,y
|}，
[0038]d2＝{|f
x
‑
1,y+1
+f
x+1,y
‑1‑
2f
x,y
|}，
[0039]d＝min{|d
k
:1≤k≤2|}；
[0040]其中，d1表示待检测像素的L1方向灰度值，x表示像素点的横坐标，y表示像素点的纵坐标，f
x,y
表示位于像素点(x,y)灰度值，d2表示待检测像素的L2方向灰度值，d表示最小灰度值；
[0041]S32，根据步骤S31获取的d与设置的阈值T的关系判定待检测像素是否为脉冲噪声点：如果d≥T，则判断待检测像素为脉冲噪声；
[0042]S33，在步骤S25中的新的混合噪声去噪模型公式中，将图像的先验知识加入R(a)中，获得更准确的稀疏表示系数；
[0043]将当成正则项代入步骤S25中的新的混合噪声去噪模型公式中，则：
[0044][0045]其中，u表示根据计算获取的新的编码系数，||a
‑
u||
l
表示新的编码系数与原来编码系数的最小二乘数
[0046]S34，当w确认后，所表示的模型就变成L1范数稀疏编码模型，设计一个对角线矩阵，通过k+1次迭代时，最终获取混合去噪后的图像。
[0047]一种图像去噪系统，用于实现所述的一种图像去噪方法，包括依次连接的以下模块：
[0048]初始去噪模块：用以，对采集图像进行初始去噪；
[0049]混合去噪模块：用以，对初始去噪后的图像进行混合噪声去噪。
[0050]本专利技术相比于现有技术，具有以下有益效果：
[0051](1)本专利技术考虑复杂环境部队采集图像真实环境，分析了该环境的噪声模型，根据模型设置了一套适用性高的处理方法；
[0052](2)对于整个去噪方法，初始去噪尽量选取算法简单，但又适用整个混合噪声模型的算法，将中值与均值算法有效结合，发挥了中值去除脉冲噪声和均值去除高斯噪声的各自算法优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括以下步骤：S1，初始去噪：对采集图像进行初始去噪；S2，混合去噪：对初始去噪后的图像进行混合噪声去噪。2.根据权利要求1所述的一种图像去噪方法，其特征在于，步骤S1包括以下步骤：S11，采集图像的像素点，选取一个滤波窗口；S12，在滤波窗口内对所有像素点进行排序，选取灰度中值g
k
；S13，以g
k
为中心，选取一个灰度区间,将滤波窗口内灰度值位于灰度区间内的像素点进行平均，将平均后的值作为滤波值进行输出，从而获得初始去噪后的图像。3.根据权利要求2所述的一种图像去噪方法，其特征在于，步骤S13中，选取的灰度区间为[g
k
‑
g,g
k
+g]；其中，g表示设置的一个灰度值阈值。4.根据权利要求1至3任一项所述的一种图像去噪方法，其特征在于，步骤S2中，基于加权编码稀疏表示与非局部相似经验结合的方法对初始去噪后的图像进行混合去噪。5.根据权利要求4所述的一种图像去噪方法，其特征在于，步骤S2包括以下步骤：S21，通过最小二乘表示图像，计算公式为：x＝Φa；其中，x表示一幅图像，Φ表示超完备字典，Φ＝[Φ1；Φ2；...Φ
n
]，n表示组成超完备字典构成的小元素个数，a表示稀疏表示系数；S22，构建混合噪声去噪模型：构建混合噪声去噪模型，计算期望，计算公式为：其中，表示a的期望，argmin表示最小二乘运算，表示2范数运算，y表示受到高斯噪声所污染的图像，λ表示限定系数～，R(a)表示限定向量；S23，计算残差向量，计算公式为：e＝[e1；e2；...；e
i
；...；e
N
]＝y
‑
Φa；其中，i表示残差向量中残差值的序号，N表示残差向量中残差值的总个数，e表示残差向量，e
i
表示残差向量中第i个残差值，e
i
＝(y
‑
Φa)
(i)
，f(e
i
)表示残差函数；S24，对每一个残差值设计权重，则：其中，表示残差函数，w
i
表示第i个残差值对应的权重值。6.根据权利要求5所述的一种图像去噪方法，其特征在于，S23中，f(e
i
)满足：(1)f(e
i
)≥0且f(0)＝0；(2)若f(e
i

【专利技术属性】
技术研发人员：陈鹏旭，贺彬，邵怀宗，赵建宏，刘厚文，
申请(专利权)人：电子科技大学中国人民解放军九一四九八部队，
类型：发明
国别省市：