一种基于自适应加权全变差的图像去噪方法技术

本发明专利技术公开了一种基于自适应加权全变差的图像去噪方法，包括以下步骤：步骤1，建立加权全变差图像去噪模型；步骤2，对图像进行归一化处理；步骤3，构建矩阵对(u,v)，并对其进行初始赋值；步骤4，开始第k次迭代，依据矩阵对(u

【技术实现步骤摘要】
一种基于自适应加权全变差的图像去噪方法
本专利技术涉及图像处理
，尤其涉及一种基于自适应加权全变差的图像去噪方法。
技术介绍
图像中包含着极其丰富的信息，是人类获取信息最直接、最有效的渠道。但图像在采集、传输、保存的过程中势必会参杂进一定程度的噪声，不仅降低了图像的质量，还对图像的后续分析处理带来了困难。因此，图像去噪在图像处理领域中是一项十分重要且必不可少的环节。在众多的图像去噪算法中，全变差算法在去除图像噪声的同时还能有效地实现对图像边缘信息的保护，对于图像去噪取得了不错的效果，因此得到了极其广泛的应用。Beck等人将梯度投影算法应用到了全变差模型的图像去噪问题中，不仅在实现图像去噪的同时完成了对边缘信息的保护，还大大提高了收敛的速度(AmirBeck,MarcTeboulle.,Fastgradient-basedalgorithmsforconstrainedtotalvariationimagedenoisinganddeblurringproblems,IEEETransactionsonImageProcessing,Vol.18,No.11,2009,pp.24本文档来自技高网...

【技术保护点】
一种基于自适应加权全变差的图像去噪方法，其特征在于，包括以下步骤：步骤1：建立加权全变差图像去噪模型；步骤2：对图像进行归一化处理；步骤3：构建矩阵对(u,v)，并对其进行初始赋值；步骤4：开始第k次迭代，依据矩阵对的值自适应生成第k次迭代的加权参数

【技术特征摘要】
1.一种基于自适应加权全变差的图像去噪方法，其特征在于，包括以下步骤：步骤1：建立加权全变差图像去噪模型；步骤2：对图像进行归一化处理；步骤3：构建矩阵对(u,v)，并对其进行初始赋值；步骤4：开始第k次迭代，依据矩阵对的值自适应生成第k次迭代的加权参数和的值；步骤5：获得第k次迭代的去噪图像xk；步骤6：判断迭代次数k是否达到设定的迭代次数N，如果没有达到N，利用梯度投影算法得到第k次迭代的矩阵对(uk,vk)，并令k＝k+1，重新进入步骤4；如果迭代次数k达到了设定的迭代次数N，获得最终的去噪图像xN。2.根据权利要求1所述的方法，其特征在于，步骤1包括如下步骤：步骤1-1，建立如下所示大小为m×n的数字噪声图像f的数学模型：f＝x+c(1)公式(1)中，f∈Rm×n为含有噪声的数字图像，Rm×n代表大小为m行n列的矩阵，x∈Rm×n为原始图像，c∈Rm×n为加入到原始图像中的加性噪声；步骤1-2，建立如下全变差图像去噪模型：公式(2)中，第一项是保真项，第二项是全变差正则项，TV(x)代表图像x的全变差，||·||2是L2范数，μ＞0是正则化参数；步骤1-3，建立如下加权全变差图像去噪模型：公式(3)中，第一项是保真项，第二项是加权全变差正则项，WTV(x,w1,w2,)代表图像x的加权全变差，w1和w2分别是图像垂直方向上的加权参数和水平方向上的加权参数；步骤1-4，建立如下加权全变差正则项数学模型：公式(4)中，i代表图像中像素所在的行，j代表图像中像素所在的列，xi,j代表图像x中第i行第j列像素，xi+1,j代表图像x中第i+1行第j列像素，xi,j+1代表图像x中第i行第j+1列像素，xi,n代表图像x中第i行第n列像素，xi+1,n代表图像x中第i+1行第n列像素，xm,j代表图像x中第m行第j列像素，xm,j+1代表图像x中第m行第j+1列像素，i＝1,…,m-1，j＝1,…,n-1，垂直方向加权参数的取值范围是0≤w1≤1，水平方向加权参数的取值范围是0≤w2≤1。3.根据权利要求2所述的方法，其特征在于，步骤2包括：对图像x中的每一个像素点进行灰度值的归一化处理，M位图像像素的灰度值范围是从0到2M-1，对图像中所有像素的灰度值除以2M-1，使得图像中所有像素的灰度值范围转换为0到1之间。4.根据权利要求3所述的方法，其特征在于，步骤3包括如下步骤：步骤3-1，建立一个函数T(·)，数学定义为：T(x)＝(u,v)(5)公式(5)中(u,v)是矩阵对，其中的u是大小为(m-1)×n的矩阵，v是大小为m×(n-1)的矩阵，数学定义如下所示：公式(6)中，u∈R(m-1)×n而v∈Rm×(n-1)，i代表矩阵u和v中元素所在的行，j代表矩阵u和v中元素所在的列，ui,j代表矩阵u中第i行第j列元素，vi,j代表矩阵v中第i行第j列元素；步骤3-2，对(u,v)进行初始赋值，公式如下所示：(u0,v0)＝(0(m-1)×n,0m×(n-1))(7)公式(7)中，u0和v0分别代表第0次迭代后u的值和v的值，也就是u和v的初始值，0(m-1)×n和0m×(n-1)分别代表大小为(m-1)×n的零矩阵和大小为m×(n-1)的零矩阵。5.根据权利要求4所述的方法，其特征在于，步骤4包括：第k...

【专利技术属性】
技术研发人员：廖帆，孙亭，满青珊，贲伟，安振宇，李方婷，张晖，吴丹清，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32