【技术实现步骤摘要】
本专利技术涉及到图像处理
,具体地说,是一种基于统计局部秩特征的图像去噪方法。
技术介绍
图像在获取和传输过程中,不可避免地会受各种噪声的影响,导致图像质量下降,无法满足后续处理的需求。为了提高图像质量,图像去噪技术应运而生。近年来,信号的稀疏表示成为高维信号获取、表征和压缩的一个强大工具。稀疏表示模型假设图像中的非噪声成分能够被稀疏表示,而噪声成分不能被稀疏表示,研究人员利用稀疏表示方法的这一特性开展了大量研究。梁等在K-奇异值分解算法的基础上,结合结构聚类和字典学习,设计了一种基于非局部正则化稀疏表示的图像去噪方法,相比传统的K-奇异值分解方法,该方法能更好地保持图像结构信息(参见文献“基于稀疏表示的Shearlet域SAR图像去噪”,发表于电子与信息学报,2012年第9期)。孙等采用一种基于稀疏表示模型的贝叶斯最大后验概率估计方法去除图像噪声(参见文献“A novel image denoisingalgorithm using linear Bayesian MAP estimation based on sparse representation”,发表于Signal Processing,2014年第7期)。然而,上述基于稀疏表示的图像去噪方法都是对整幅图像进行处理,未考虑到图像边缘和非边缘区域的差异,这导
致去噪结果往往会存在细节和边缘上的瑕疵,甚至会丢失一些纹理信息。由此可见,亟需一种既能够较好地去除图像噪声,且能够同时有效保留图像边缘和细节信息的图像去噪方法。
技术实现思路
针对现有技术的不足,本专利技术的目的是提供一 ...
【技术保护点】
一种基于统计局部秩特征的图像去噪方法,其特征在于按照以下步骤进行:步骤1:对于图像I,利用局部秩算子按照公式LRTk(I)={LRTk(Ii)|Ii∈I}在不同参数条件下进行局部秩变换,得到图像的正局部秩变换LRTpk(Ii)和负局部秩变换LRTnk(Ii),其中,i为图像序号,Ii为第i幅噪声图像,k=0,±0.01,±0.03,......;步骤2:将所述正局部秩变换LRTpk(Ii)和负局部秩变换LRTnk(Ii)相加,得到参数连续变化的统计局部秩特征步骤3:基于一种图像去噪方法,并采用所述统计局部秩特征得出的该图像去噪方法的约束条件对图像进行去噪处理,获得初级清晰图像步骤4:通过去噪公式对初级清晰图像进行二次去噪处理,并在去噪过程中控制初级清晰图像与清晰图像之间统计局部秩特征的差异,实现噪声的去除,获得最终的清晰图像
【技术特征摘要】
1.一种基于统计局部秩特征的图像去噪方法,其特征在于按照以下步骤进行:步骤1:...
【专利技术属性】
技术研发人员:李正浩,陈魏然,杨隽莹,陈凯,龚卫国,李伟红,杨利平,胡伦庭,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;50
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。