【技术实现步骤摘要】
基于张量模型与压缩感知理论的图像斑点噪声去除方法
本专利技术涉及图像处理领域,具体涉及图像斑点噪声去除方法。
技术介绍
在图像的获取与处理过程中,噪声对图像信号的影响无可避免,因此图像去噪是图像处理领域经久不衰的研究热点之一。对于利用声波/电磁波反射形成的超声与雷达图像,由于回波的干涉以及散波束之间的干扰,当目标反射源反射而出的两束回波互相重叠时,便会在图像中产生明暗不同的颗粒,也就是斑点噪声。目前,有关斑点噪声去除的研究有很多,其中滤波去噪应用最为广泛,例如Lee滤波与Kuan滤波。然而,大尺寸滤波窗虽然去噪效果良好,却损失了过多的高频信息;而小尺寸滤波窗可以较好地保留细节信息,但在去噪的能力上却不如大尺寸滤波窗。为了解决这一矛盾,一些各向异性扩散的方法被提出,例如PMAD(Perona-MalikAnisotropicDiffusion),NCDF(NonlinearComplexDiffusionFilter),SRAD(SpeckleReducingAnisotropicDiffusion)。然而,这些方法在进行边缘检测时不能很好地区分图像边缘和斑点噪声。近几年,一些新的去除斑点噪声的方法被提出,如NMWD(NonlinearMulti-scaleWaveletDiffusion)与SRBF(SpeckleReductionBilateralFilter)等,这些方法在处理斑点噪声时效果很好,但是没有挖掘图像本身的稀疏性。压缩感知理论是近年来热门的研究前沿,在图像处理领域也引起了瞩目。将压缩感知理论与去噪模型相结合,经过稀疏编码过程得到的稀疏系数矩 ...
【技术保护点】
1.基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述图像斑点噪声去除方法包括以下步骤:步骤一:根据超声探头中超声换能器阵元输出的信号呈乘性噪声的特性,建立斑点噪声模型;步骤二:针对步骤一建立的斑点噪声模型,引入压缩感知理论,分别建立单帧图像去噪模型与多帧图像张量去噪模型;步骤三:对步骤二的建立的单帧图像去噪模型依次进行稀疏编码、字典更新和图像重构,得到去噪后的单帧图像;步骤四:对步骤二的建立的多帧图像张量去噪模型依次进行稀疏编码、字典更新和图像重构,得到去噪后的多帧图像。
【技术特征摘要】
1.基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述图像斑点噪声去除方法包括以下步骤:步骤一:根据超声探头中超声换能器阵元输出的信号呈乘性噪声的特性,建立斑点噪声模型;步骤二:针对步骤一建立的斑点噪声模型,引入压缩感知理论,分别建立单帧图像去噪模型与多帧图像张量去噪模型;步骤三:对步骤二的建立的单帧图像去噪模型依次进行稀疏编码、字典更新和图像重构,得到去噪后的单帧图像;步骤四:对步骤二的建立的多帧图像张量去噪模型依次进行稀疏编码、字典更新和图像重构,得到去噪后的多帧图像。2.根据权利要求1所述的基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述步骤一中根据超声探头中超声换能器阵元输出的信号呈乘性噪声的特性,建立斑点噪声模型的具体过程为:获取图像中的斑点噪声数学模型为:y=xn+na(1)其中,y为待处理的图像,即含有噪声的图像,x为无噪声的图像,n为独立于x的均值为0的高斯噪声,na为加性的噪声,输出的图像经过模数变换和时间补偿后的图像噪声模型如以下公式所示:y=x+xγn(2)当补偿系数γ=0.5时还原图像的噪声,建立斑点噪声模型:y=x+x1/2n(3)。3.根据权利要求2所述的基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述步骤二中建立单帧图像去噪模型的具体过程为:建立单帧图像去噪模型为:其中,Y表示待处理的含有噪声的图像信号,X表示无噪声的信号,αij是稀疏系数矩阵A中的第i行第j列元素,D为过完备的字典,为无噪声信号的估计,即处理后得到的结果,分别为最优值情况下求解得到的稀疏系数矩阵和过完备字典;系数λ为平衡因子;一个大小为的图像X,一共有个重叠的大小为的图像块,R为一个大小为n×N的矩阵,Rij为R中的第i行第j列元素;μij是罚函数中的惩罚因子。4.根据权利要求3所述的基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述步骤二中多帧图像张量去噪模型的具体过程为:将图像块的运动信息应用于图像去噪过程中,得到多帧图像张量去噪模型如以下公式所示:其中,χ是一个三阶张量,表示无噪声的图像序列,χk为图像序列χ中的第k帧图像,即待处理图像对应的无噪形式,表示含有噪声的图像序列;αijt是稀疏系数矩阵A中的一个元素,t表示图像序列中的第t帧图像;f表示每个字典原子在时间上的维数;为对第k帧图像的估计,即处理后得到的结果,分别为最优值情况下求解得到的过完备字典和稀疏系数矩阵;系数λ为平衡因子,Rijt为第t帧图像中的第i行第j列元素,μijt为第t帧图像中罚函数中的惩罚因子。5.根据权利要求4所述的基于张量模型与压缩感知理论的图像斑点噪声去除方法,其特征在于:所述步骤三中对步骤二的建立的单帧图像去噪模型依次进行稀疏编码的具体过程为:假设X=DA,则公式(4)表示为以下形式:其中αj为第j列的列向量,yi为待处理图像第i行的行向量,μj为矩阵第j列罚函数中的惩罚因子;αj每次迭代开始将...
【专利技术属性】
技术研发人员:王钢,周若飞,郑黎明,刘春刚,许尧,李真,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
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。