一种基于区域相似样例学习的稀疏去噪方法技术

本发明专利技术公开了一种基于区域相似样例学习的稀疏去噪方法，使用含噪声的图像在图片库里进行基于SIFT‑MSER特征簇的相似区域检索，在获得相似区域后利用匹配的SIFT特征点坐标计算出相应的仿射变化矩阵；将匹配到的相似区域转换至和噪声图像相同的方向和尺度；使用仿射变换后的相似区域作为字典学习的样例，提高字典与噪声图像的相关性；最后进行高频补偿提高去噪图像的纹理信息。本发明专利技术获得了很好的去噪效果，改变了过完备字典的学习样例，通过选择相似区域获得学习样例，影响过完备字典的原子结构，使得字典中的原子能够更好的表示图像的有效部分，忽略噪声部分；通过高频补偿利用了相似图像的信息，提升了去噪图像的信噪比。

【技术实现步骤摘要】

本专利技术属于图像去燥处理
，尤其涉及一种基于区域相似样例学习的稀疏去噪方法。
技术介绍
现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。去除图像噪声的方法包括：折叠均值滤波器，采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声，同时也由于平均而引起了模糊现象，模糊程度与领域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图象细节。谐波均值滤波器对\盐\噪声效果更好，但是不适用于\胡椒\噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。折叠自适应维纳滤波器，它能根据图象的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x，y)与原始图像f(x，y)的均方误差e2＝E[(f(x，y)-f^(x，y本文档来自技高网...

【技术保护点】
一种基于区域相似样例学习的稀疏去噪方法，其特征在于，所述基于区域相似样例学习的稀疏去噪方法：首先使用含噪声的图像在图像库里进行基于SIFT‑MSER特征簇的相似区域检索，在获得相似区域后利用匹配的SIFT特征点坐标计算出相应的仿射变化矩阵；将匹配到的相似区域转换至和噪声图像相同的方向和尺度空间；最后使用仿射变换后的相似区域作为字典学习的样例，提高字典与噪声图像的相关性；基于新字典学习去噪完成后再进行高频补偿，提高图像的边缘纹理特征信息。

【技术特征摘要】
1.一种基于区域相似样例学习的稀疏去噪方法，其特征在于，所述基于区域相似样例学习的稀疏去噪方法：首先使用含噪声的图像在图像库里进行基于SIFT-MSER特征簇的相似区域检索，在获得相似区域后利用匹配的SIFT特征点坐标计算出相应的仿射变化矩阵；将匹配到的相似区域转换至和噪声图像相同的方向和尺度空间；最后使用仿射变换后的相似区域作为字典学习的样例，提高字典与噪声图像的相关性；基于新字典学习去噪完成后再进行高频补偿，提高图像的边缘纹理特征信息。2.如权利要求1所述的基于区域相似样例学习的稀疏去噪方法，其特征在于...

【专利技术属性】
技术研发人员：高志升，谢春芝，胡占强，裴峥，罗晓晖，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51