【技术实现步骤摘要】
本专利技术属于图像处理
，涉及一种融合结构张量与非局域全变分的图像去噪方法。
技术介绍
图像去噪是图像处理领域的一个基础问题，旨在将图像中的噪声去除的同时尽可能的保留原始图像信息，例如边缘、纹理和细小图像结构等。图像去噪的实质是图像退化的逆过程，经典的去噪方法有频域处理的小波法，空域处理的高斯滤波、中值滤波等,这类方法通常在某几何领域内直接对像素点进行操作，取得了较好的平滑效果，但以丢失细节、纹理信息为代价。为了缓解这种矛盾，Yaroslavsky提出邻域滤波，以像素灰度相似性作为邻域间权重依据，双边滤波器进一步加入像素间的位置信息。但是仅考虑局域信息的滤波方法没有兼顾到图像的结构信息，因此容易模糊图像细节部分。Buades等提出的非局域滤波思想，将传统的空间邻域扩展到几何意义下的结构邻域，很好的利用了自然图像的自相似性，成为非局域方法在图像去噪领域的一个里程碑。Singer等认为非局域滤波实质是图像在块空间上的扩散，Milanfar等人提出了基于高阶核函数回归的图像去噪框架，建立起Bilateral滤波、非局部均值等方法的关系。Peter等用结构相似性代替L2距离作为度量因子，并以鲁棒统计权函数代替高斯函数，取得了较好的去噪效果。近年来，基于PDE(PartialDifferentialEquation)的图像处理方法引起研究者的广泛关注，这类方法通过偏微分方程建立起图像处理模型与数学方程之间的关系，已形成完整的理论体<...
【技术保护点】
一种融合结构张量与非局域全变分的图像去噪方法，其特征在于：包括以下步骤：1)对带噪图像f进行N*N的分块，N的取值可为N＝3,5,7...；2)对图像去噪建模，建立融合结构张量与非局域全变分的目标函数；3)利用分裂Bregman算法求解目标函数得到去噪图像。
【技术特征摘要】
1.一种融合结构张量与非局域全变分的图像去噪方法，其特征在于：包括以下步骤：
1)对带噪图像f进行N*N的分块，N的取值可为N＝3,5,7...；
2)对图像去噪建模，建立融合结构张量与非局域全变分的目标函数；
3)利用分裂Bregman算法求解目标函数得到去噪图像。
2.根据权利要求1所述的一种融合结构张量与非局域全变分的图像去噪方法，其特征在
于：在步骤1)中，N的取值可为3-2M+1(M为自然数)的奇数。
3.根据权利要求1所述的一种融合结构张量与非局域全变分的图像去噪方法，其特征在
于：在步骤2)中，具体包括：
21)建立基于全变分正则项的图像去噪模型
其中f是带噪图像，u是待恢复的去噪图像，图像去噪的目的在于从f中恢复出清晰的图像u；
式中第一项为数据项，第二项为平滑项，λ是平衡数据项与平滑项的权重因子，Ω为整个图像
空间，为n维实数空间，为梯度算子，也称为全变分正则项；
22)将传统的全变分正则项扩展到非局域空间，得到非局域全变分并作为正则项约束，
进而得到基于非局域信息的全变分图像去噪模型
其中非局域算子由图像空间中任意两个像素点(x，y)∈Ω×Ω定义为：
▿NLu(x,y)=(u(y)-u(x))wNL(x,y)]]>其中u(x)，u(y)分别指u在像素点x，y处的值，wNL：Ω×Ω为像素点x，y之间的边缘权重，且
满足对称性，即wNL(x，y)＝wNL(y，x)；用于衡量块Px和Py之间
的相似性,其中Gσ是标准偏差为σ的高斯卷积核，h为尺度参数；
23)融合图像的结构张量与非局域全变分：首先，定义结构张量矩阵为：
Jρ(▿Iσ)=Gρ*(▿Iσ⊗▿Iσ)=ΔJ11J12J21J22]]>其中，Iσ是经过方差为σ的高斯滤波器的图像I，是梯度算子，是张量积运算，*代表卷积
运算，Gρ是方差为ρ的高斯滤波器，J11，J12，J21，J22分别为结构张量矩阵的四个元素；
求解对称半正定的结构张量矩阵Jρ的两个正交特征向量：
v1=2J12J22-J11+(J22-J11)2+4J122,v1=v1||v1||,v2=v1⊥]]>与对应的特征值：
λ1,2=12(J11+J22±(J22-J11)2+4J122)]]>定义局部对比度为s(x)＝|λ1-λ2|，则融合结构张量与非局域的权函数wSTNL(x，y)定义
为：
wSTNL(x,y)=exp(-Gσ*|Px-Py|2h2)·exp(-Gσ*|Psx-Psy|2h2)]...
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。