一种图像的稀疏去噪方法技术

本发明专利技术公开了一种图像的稀疏去噪方法，首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)对于每一个字典，求解出当前图像块的稀疏系数；22)确定最佳稀疏系数和最佳字典；23)根据所述最佳稀疏系数和最佳字典得到当前图像块的去噪图像块；3)将各图像块的去噪图像块合并，得到去噪后的图像。本发明专利技术的图像的稀疏去噪方法，去噪处理的时间复杂度有效降低，且对图像的全局均有较好的去噪效果。

【技术实现步骤摘要】
一种图像的稀疏去噪方法
本专利技术涉及图像处理领域，特别是涉及一种图像的稀疏去噪方法。
技术介绍
图像去噪是计算机图像处理的重要内容。采集设备在采集图像的时候，因为外界光线干扰或者设备内部光学问题，总是受到噪声的污染，不能用于高级的图像应用，所以必须先对图像进行去噪，得到没有污染的图像。图像的噪声模型种类繁多，针对不同的图像应用要进行不同的去噪。但以白噪声在自然图像中存在最多。所以很多学者都把精力投入到了对白噪声的去除中。2007年，有学者提出了KSVD等稀疏去噪方法，这种方法更好地利用了图像中真实信息与噪声信息的区别，也能达到较好的去噪性能。目前，基于KSVD的稀疏去噪方法，通常是将图像划分成块之后，根据图像块的信息进行字典训练获得字典，然后进行去噪处理，最后根据去噪处理的结果反馈更新字典，直至得到理想的去噪处理结果。这种去噪过程，一方面，不断获取字典、更新字典，使得整个处理过程时间复杂度较高。特别是批量处理多幅图像时，需要对每幅图像均进行上述过程，总体需花费较长时间。另一方面，上述处理过程去噪处理后，只能对图像中的一部分进行较好的字典表示，获得较好去噪性能，而对其它部分不本文档来自技高网...

【技术保护点】
一种图像的稀疏去噪方法，其特征在于：首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；所述图像库包括至少1000副图像，且涵盖不同场景；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)使用所述字典集合中的各个字典对当前图像块进行稀疏表示；对于每一个字典，求解出当前图像块的稀疏系数；22)从多个稀疏系数中确定一个稀疏系数，该稀疏系数对应的字典最能表达当前图像块；将该稀疏系数作为最佳稀疏系数，对应的字典作为最佳字典；23...

【技术特征摘要】
1.一种图像的稀疏去噪方法，其特征在于：首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；所述图像库包括至少1000幅图像，且涵盖不同场景；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)使用所述字典集合中的各个字典对当前图像块进行稀疏表示；对于每一个字典，求解出当前图像块的稀疏系数；22)从多个稀疏系数中确定一个稀疏系数，该稀疏系数对应的字典最能表达当前图像块；将该稀疏系数作为最佳稀疏系数，对应的字典作为最佳字典；23)根据所述最佳稀疏系数和最佳字典得到当前图像块的去噪图像块；3)将各图像块的去噪图像块合并，得到去噪后的图像。2.根据权利要求1所述的图像的稀疏去噪方法，其特征在于：所述步骤22)中，计算各个稀疏系数的稀疏度，确定稀疏度的值最大的稀疏系数作为最佳稀疏系数，对应的字典作为最佳字典。3.根据权利要求2所述的图像的稀疏去噪方法，其特征在于：根据如下公式计算稀疏系数的稀疏度M：其中，xl表示稀疏系数，表示稀疏系数中的第h位，h＝1，2，……，hmax。4.根据权利要求1所述的图像的稀疏去噪...

【专利技术属性】
技术研发人员：王好谦，杨江峰，袁新，宣慧明，戴琼海，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东;44