【技术实现步骤摘要】
本专利技术涉及图像处理
,具体是一种基于正则化主成分追踪的图像去噪方 法。
技术介绍
21世纪是数字化时代,数字光电成像设备已经广泛应用于人们日常生活中。每天 人们通过数码相机以及智能手机中的照相机所获取的图像不计其数。然而人们所获得的图 像经常会受到元器件噪声、热噪声、光照变化等噪声的干扰,图像的质量会不可避免地受到 影响。为了获得更清晰的图像和更佳的视觉体验,就需要对受到噪声污染的图像进行去噪 声处理。 当前的图像去噪方法中,为了获得最佳的信号表示和传输效果而利用图像的统计 属性来建立图像模型受到了越来越多研究者的关注。因为根据噪声的统计特征,在自然环 境下拍摄的图片其中所包含的噪声多数是稀疏的,而且图像本身其结构往往又是低秩的。 t匕如,一张受到光线污染的图片中,低秩分量对应人脸部分,而稀疏分量则往往对应图片中 阴影或者脸上的反光,即所说的噪声。根据以上所提的两点特性,图像去噪问题就被转化成 了低秩矩阵和稀疏矩阵恢复的数学问题。目前通常使用鲁棒主成分分析对这一问题进行求 解。鲁棒主成分分析用一个核范数对秩函数进行逼近,并且用L1范数对噪声项进行约束。 尽管鲁棒主成分分析可以获得收敛解而且可以有效计算,但是鲁棒主成分分析所用的核范 数和L1范数并不能很好地逼近原有的秩函数和Ltl范数,直接导致了鲁棒主成分分析获得的 解偏离了问题的真实解,进一步影响了图像去噪的效果,影响了用户的视觉体验。
技术实现思路
本专利技术的目的是提供,以解决现有技 术基于鲁棒主成分分析的图像去噪方法去噪效果差的问题。 为 ...
【技术保护点】
一种基于正则化主成分追踪的图像去噪方法,其特征在于:构建正则化主成分追踪模型,并采用迭代求解方法求解出图像包含的低秩分量和稀疏分量,其中低秩分量对应去噪后的图像,稀疏分量对应图像中的噪声;具体步骤如下:(1)、输入包含噪声的图像,以黑白图像为例,提取所述图像的灰度矩阵X∈Rm×n;(2)、建立如公式(1)所示的初始正则化主成分追踪模型的优化函数,求解X中的低秩分量L∈Rm×n和稀疏分量S∈Rm×n:minL,Sλ1Σi=1mσip(L)+λ2Σi=1mΣj=1n|Sij|q,s.t.X=L+S---(1),]]>公式(1)中,σi(L)表示矩阵L的第i个奇异值,i=1,2,L,m;0≤p,q≤1,λ1,λ2>0;(3)、将公式(1)所示的优化函数放松到如公式(2)所示的优化函数进行求解:minL,Sλ1Σi=1m(σi(L)+ϵ)p+λ2Σi=1mΣj=1n|Sij+ϵ|q+12||L+S-X||F2--- ...
【技术特征摘要】
1. 一种基于正则化主成分追踪的图像去噪方法,其特征在于:构建正则化主成分追踪 模型,并采用迭代求解方法求解出图像包含的低秩分量和稀疏分量,其中低秩分量对应去 噪后的图像,稀疏分量对应图像中的噪声;具体步骤如下: (1) 、输入包含噪声的图像,以黑白图像为例,提取所述图像的灰度矩阵X e Rmxn; (2) 、建立如公式(1)所示的初始正则化主成分追踪模型的优化函数,求解X中的低秩 分量L e Rnixn和稀疏分量S e Rnixn:公式⑴中,σ i(L)表示矩阵L的第i个奇异值,i = l,2,L,m;0彡p,q彡1,λ1; λ2>〇 ; (3) 、将公式(1)所示的优化函数放松到如公式(2)所示的优化函数进行求解:公式⑵中,参数0〈 ε彡1 ; (4) 、利用迭代方法求解式(2)中的矩阵L和S,包括以下步骤: (4. 1)、初始化迭代次数变量k = O ;利用matlab随机产生两个mXn维的随机矩阵分 别作为低秩分量L和稀疏分量S的初始矩阵L°和S° ; (4.2、)利用公式(3)更新Lk为Lk+ 1 : 公式⑶中,权值向量w* e丨;参...
【专利技术属性】
技术研发人员:汪萌,王婧,杨勋,洪日昌,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。