一种基于自适应权重全变分模型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权重全变分模型的图像去噪方法，按照建立自适应权重全变分模型；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；对噪声图像进行预处理后使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应范式参数；根据自适应范式参数将边缘检测图像的像素重置后得到含噪图像的权重矩阵；将估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像的步骤。本发明专利技术能够根据图像特征自适应的将图像的边缘区域和平滑区域分开处理，在去除噪声的同时保持图像的纹理和边缘，避免了阶梯效应的产生。

【技术实现步骤摘要】
一种基于自适应权重全变分模型的图像去噪方法
本专利技术属于图像处理
，涉及一种基于自适应权重全变分模型的图像去噪方法。
技术介绍
数字图像的中的采集、存储和传输的过程，不可避免地会受到噪声污染，需要去噪以改善质量。近二十年来，偏微分方程(PDE)方法在边缘保持图像去噪中得到了广泛的应用，尤其是Rudin-Osher-Fatemi(ROF)模型，包含TV模型规范后的图像和含噪图像的保真项之间寻求能量最小化的过程，该模型寻求一个非常接近原始图像的图像，取得了不错的去噪效果。但是Rudin-Osher-Fatemi(ROF)模型有一个显著的缺点就是容易产生阶梯效应，也就是图像的平坦区域产生了虚假边界。针对全变分(ROF)这一缺点，Song提出了一种基于L1+p范数的广义全变分去噪模型，该模型能够克服虚假边缘的产生，但对于不同的图像p的客观选取很大的影响了图像去噪效果。张红英等人将图像的梯度信息引入全变分去噪模型，该模型在图像的边缘区自动选取保边较好的TV模型，在平滑区自动选取平滑较好的L2模型，但该模型对噪声非常敏感并且不具备反扩散能力，并且该模型沿着像素梯度垂直方向平滑扩散，丢失了本文档来自技高网...

【技术保护点】
1.一种基于自适应权重全变分模型的图像去噪方法，其特征在于，具体按照下述步骤进行：步骤1，建立自适应权重全变分模型；对噪声图像进行预处理，边缘信息增强图像；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；步骤2，将所述边缘信息增强图像使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应权重全变分模型中的自适应范式参数；步骤3，根据所述自适应范式参数将边缘检测图像的像素重置，得到二值图像，并根据二值图像得到含噪图像的权重矩阵；步骤4，将所述估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像。

【技术特征摘要】
1.一种基于自适应权重全变分模型的图像去噪方法，其特征在于，具体按照下述步骤进行：步骤1，建立自适应权重全变分模型；对噪声图像进行预处理，边缘信息增强图像；使用非局部均值滤波器处理噪声图像，得到估计去噪图像；步骤2，将所述边缘信息增强图像使用四个边缘算子进行检测，得到边缘检测图像，并根据四个边缘算子定义自适应权重全变分模型中的自适应范式参数；步骤3，根据所述自适应范式参数将边缘检测图像的像素重置，得到二值图像，并根据二值图像得到含噪图像的权重矩阵；步骤4，将所述估计去噪图像、自适应范式参数和权重矩阵代入至自适应权重全变分模型中得到去噪图像。2.根据权利要求1所述的一种基于自适应权重全变分模型的图像去噪方法，其特征在于，所述步骤1中建立的自适应权重全变分模型为：其中，T(u)表示去噪图像，λ为拉格朗日因子，λ>0，uNL表示估计去噪图像，u表示含噪图像，g(i,j)表示自适应范式参数，W(i,j)表示权重矩阵，Ω表示有界变分空间的一个子集。3.根据权利要求1所述的一种基于自适应权重全变分模型的图像去噪方法，其特征在于，所述步骤1中将噪声图像使用引导滤波进行平滑处理后得到平滑图像，将平滑图像使用冲击滤波进行增强图像边缘信息处理后，得到边缘信息增强图像。4.根据权利要求1所述的一种基于自适应权重全变分模型的图像去噪方法，其特征在于，所述步骤1中按照下式得到估计去噪图像：其中，uNL(i,j)表示估计去噪图像，(i,j)表示估计去噪图像中任意像素点的坐标，u0(m,n)表示原始含噪图像，(m,n)表示含噪图像中任一像素点的坐标；S(i,j)是以像素(i,j)为中心的搜索窗口，w'((i,j),(m,n))为像素(m,n)与像素(i,j)的相似权重矩阵。5.根据权利要求1所述的一种基于自适应权重全...

【专利技术属性】
技术研发人员：赵明华，陈棠，石争浩，李兵，李丹，王秦，袁飞，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61