基于字典学习和块匹配的自然图像去噪方法技术

本发明专利技术公开了一种基于字典学习和块匹配的自然图像去噪方法，主要克服现有自然图像去噪中纹理细节易丢失和同质区域不平滑的问题。其实现过程是：(1)设定去噪目标函数，输入含噪图像z(x)；(2)令原始图像等于含噪图像，即y(x)＝z(x)，令字典D为冗余DCT字典；(3)采用KSVD算法对字典D的原子和相应系数矩阵αij进行更新；(4)用BM3D算法对含噪图像z(x)去噪，获得初步去噪结果(5)将更新后的D、αij和代入原始图像的估计公式，得到含噪图像z(x)的去噪结果本发明专利技术相对于现有的经典去噪方法能够更好地去除噪声，在平滑同质区域的同时兼顾保留图像的纹理、轮廓、边缘细节信息，可用于自然图像的去噪。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体地说是一种稀疏表示和字典学习的去噪方法，可用于图像处理，模式识别和生物医学等领域。
技术介绍
图像去噪的目的是在去除图像噪声的同时保留图像特征信息，像纹理，边缘，轮廓和点状目标等。自然图像的噪声具有加性背景，去噪可以从空域和变换域两方面来进行，目前效果较好的空域滤波方法有非局部均值滤波方法、稀疏表示下的图像去噪等，较好的变换域的滤波方法有三维块匹配方法BM3D等。非局部均值方法，通过计算图像中两个像素点邻域的相似度来确定该点对所要求的点的信息补偿程度，中心点的灰度值为邻域内像素点灰度值的加权平均。它虽然能很好的解决图像边缘和线性体的保留问题，但仍存在平滑区域过平滑现象。图像稀疏表示下的去噪方法，是新近提出的一种空域图像去噪新方法，它采用图像在冗余字典上的稀疏近似来实现噪声去除，如DCT字典去噪和KSVD字典学习去噪。然而，DCT字典不能有效逼近原图的边缘与细节信息，而KSVD字典学习的误差控制方法粗糙， 易造成原图中部分纹理细节的丢失，而且这种方法忽视了图像的全局结构。三维块匹配方法BM3D，是一种可有效滤除高斯噪声的去噪方法，该方法不仅利用图像的结构信息，而且结合了变换域的阈值方法，是一种非局部、多尺度的自适应非参数化滤波技术，它虽然能较好保留图像边缘与纹理等信息，但是对某些细小的条纹状纹理去噪时会出现失真，且在噪声较大的情况下，去噪结果中会出现划痕。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种，以在提高同质区域平滑性的同时兼顾保留图像的纹理、轮廓、边缘细节信息，提高图像去噪效果。实现本专利技术目的的技术思路是在稀疏表示和字典学习图像去噪的框架下，将空域字典学习和非局部、多尺度的BM3D方法结合，同时考虑图像的局部和全局信息，设计了基于稀疏表示误差、空域估计误差、非局部多尺度估计误差，以及稀疏系数零范数最小化的目标函数，实现对自然图像去噪，其具体步骤包括如下(1)设含噪图像Z(X) = y(x)+n(x)去噪后的原始图像的估计j>(x)为夕⑶=argDmin^ Λ |_y(x) - ζ(χ)\ζ + \\al} ||。+ Σ \\Dal} -+ ν |_y(x) - (x)g其中，y (χ)为原始图像，η(χ)为标准差为σ的高斯白噪声，x e X，X为图像像素的坐标集合，λ为Iangrage乘子，且λ =30/σ,|| β代表取二范数平方，μ为残差控制因子，Ciij为图像块I^y(X)的稀疏表示系数，I I I IciR表取零范数，D为过完备稀疏表示字典， Rij代表从图像中取出▲><▲大小的图像块的取块操作，i，j为取出的图像块在原图像中的坐标位置，ν为权重参数，它的取值范围是(78/0)2 (1049/Ο)2，λ(々为BM3D方法对含噪图像Z(X)的初步去噪结果；(2)令原始图像等于含噪图像，即y (X) = ζ (X)，令过完备稀疏表示字典D为冗余 DCT字典，且D e RnXK，RnXK代表nXK大小的实数矩阵，取η = 64，K = 256 ；(3)采用KSVD字典学习方法更新过完备稀疏表示字典D和稀疏表示系数α…此步骤迭代J次，当σ彡5时，J = 5，当σ > 5时，J = 10 ；(4)用BM3D方法对含噪图像Z(X)去噪，得到初步去噪结果λ(X)；(5)将更新后的过完备稀疏表示字典D、更新后的稀疏表示系数α u和初步去噪结果代入步骤(ι)设定的原始图像的估计公式，得到原始图像的估计本文档来自技高网...

【技术保护点】
１．一种基于字典学习和块匹配的自然图像去噪方法，包括如下步骤：（１）设含噪图像ｚ（ｘ）＝ｙ（ｘ）＋ｎ（ｘ）去噪后的原始图像的估计为：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）＝（／ｍｏ）?（ｍｉ）ａｒｇ（／ｍｉ）?（ｍｕｎｄｅｒ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）Ｄ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ａｌｐｈａ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍｕｎｄｅｒ）?（ｍｉ）＆ｌａｍｂｄａ；（／ｍｉ）?（ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）ｚ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂｓｕｐ）?（ｍｏ）＋（／ｍｏ）?（ｍｕｎｄｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｕｎｄｅｒ）?（ｍｉ）＆ｍｕ；（／ｍｉ）?（ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ａｌｐｈａ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）０（／ｍｎ）?（／ｍｓｕｂ）?（ｍｏ）＋（／ｍｏ）?（ｍｕｎｄｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｕｎｄｅｒ）?（ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｄ＆ａｌｐｈａ；（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｉ）ｉｊ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂｓｕｐ）?（ｍｏ）＋（／ｍｏ）?（ｍｉ）ｖ（／ｍｉ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂｓｕｐ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，ｙ（ｘ）为原始图像，ｎ（ｘ）为标准差为σ的高斯白噪声，ｘ∈Ｘ，Ｘ为图像像素的坐标集合，λ为ｌａｎｇｒａｇｅ乘子，且λ＝３０／σ，代表取二范数平方，μ为残差控制因子，αｉｊ为图像块Ｒｉｊｙ（ｘ）的稀疏表示系数，｜｜｜｜０代表取零范数，Ｄ为过完备稀疏表示字典，Ｒｉｊ代表从图像中取出大小的图像块的取块操作，ｉ，ｊ为取出的图像块在原图像中的坐标位置，ｖ为权重参数，它的取值范围是（７８／σ）２～（１０４９／σ）２，为ＢＭ３Ｄ方法对含噪图像ｚ（ｘ）的初步去噪结果；（２）令原始图像等于含噪图像，即ｙ（ｘ）＝ｚ（ｘ），令过完备稀疏表示字典Ｄ为冗余ＤＣＴ字典，且Ｄ∈Ｒｎ×Ｋ，Ｒｎ×Ｋ代表ｎ×Ｋ大小的实数矩阵，取ｎ＝６４，Ｋ＝２５６；（３）采用ＫＳＶＤ字典学习方法更新过完备稀疏表示字典Ｄ和稀疏表示系数αｉｊ，此步骤迭代Ｊ次，当σ≤５时，Ｊ＝５，当σ＞５时，Ｊ＝１０；（４）用ＢＭ３Ｄ方法对含噪图像ｚ（ｘ）去噪，得到初步去噪结果（５）将更新后的过完备稀疏表示字典Ｄ、更新后的稀疏表示系数αｉｊ和初步去噪结果代入步骤（１）设定的原始图像的估计公式，得到原始图像的估计（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｏｖｅｒ）?（ｍｉ）ｙ（／ｍｉ）?（ｍｏ）＾（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｒｏｗ...

【技术特征摘要】
1.一种基于字典学习和块匹配的自然图像去噪方法，包括如下步骤(1)设含噪图像Z(X)=y(x)+n(x)去噪后的原始图像的估计j>(x)为2.根据权利要求1所述的基于字典学习和块匹配的自然图像去噪方法，其中步骤(3) 所述的采用KSVD字典学习方法更新过完备稀疏表示字典D和稀疏表示系数α 按如下步骤进行3a)将原始图像y(x)分解成为^x▲大小的图像块yij(x) = RijY (χ)，用追踪...

【专利技术属性】
技术研发人员：杨淑媛，焦李成，张月圆，卫美绒，王晶，王爽，侯彪，缑水平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87