一种基于加权斯莱特恩范数最小化的噪声图像补全方法技术

本发明专利技术涉及一种基于加权斯莱特恩范数最小化的噪声图像补全方法，具体步骤如下：对于同时具有一定方差噪声和一定比例随机像素缺失的图像修复问题，首先利用加权斯莱特恩范数约束图像的低秩先验；然后通过约束图像对分析算子响应的稀疏性来保证补全图像的局部平滑性；最后利用一种非局部统计模型约束图像的非局部自相似性。以上三个步骤不断迭代直到算法达到收敛条件，即可得到最终的补全结果。本发明专利技术方法能够较好地恢复同时具有不同噪声等级及各种比例像素缺失的图像，即使在噪声等级较高时也能够达到良好的视觉效果和量化分析效果。本发明专利技术可广泛应用于有噪声的图像补全，具有广阔的市场前景与应用价值。

【技术实现步骤摘要】
一种基于加权斯莱特恩范数最小化的噪声图像补全方法
本专利技术涉及一种基于加权斯莱特恩范数最小化的噪声图像补全方法，尤其是涉及具有局部与全局约束的加权斯莱特恩范数最小化的噪声图像补全方法，加权斯莱特恩范数最小化和图像补全技术在图像应用领域具有广泛的应用，隶属于数字图像处理领域。
技术介绍
图像补全的目的是补全图像中缺失的像素，在医学成像、高光谱图像处理、图像编码与传输等各个领域都有应用，是计算机视觉与图像处理中的一个重要课题，因此引起了广泛的研究。图像的先验信息对图像补全算法的性能效果有很大影响。一般来说，图像先验是对图像稀疏性的约束。比如对梯度算子的稀疏性响应约束(参见文献：贝克，特布尔.基于梯度的全变分约束的图像去噪与去模糊问题快速算法.美国电气电子工程师学会图像处理汇刊.卷18,2419-2434,2009.(BeckA,TeboulleM,etal.Fastgradient-basedalgorithmsforconstrainedtotalvariationimagedenoisinganddeblurringproblems[J].IEEETransactionso本文档来自技高网...

【技术保护点】
1.一种基于加权斯莱特恩范数最小化的噪声图像补全方法，由三个部分组成:(a)基于加权斯莱特恩范数最小化方法的低秩正则项；(b)由分析算子约束的局部平滑正则项；(c)由非局部统计模型保证的非局部自相似项；目标函数如下：

【技术特征摘要】
1.一种基于加权斯莱特恩范数最小化的噪声图像补全方法，由三个部分组成:(a)基于加权斯莱特恩范数最小化方法的低秩正则项；(b)由分析算子约束的局部平滑正则项；(c)由非局部统计模型保证的非局部自相似项；目标函数如下：其中Y∈RM是受损图像，H为对角阵，其对角线为0或1，分别对应缺失像素和未缺失像素，X∈RN为待补全图像，X为的向量化表示；Ωj为分析算子，选取经过马尔可夫随机场学习得到J＝25个3×3的专家场模型滤波算子；ΘX为将相似块矩阵变换成三维张量的变换系数按字典序排列而成的列向量；λ，τ和κ为调节参数；为卷积算子；运用交替乘子法，引入附加变量Z,W和S及相应的约束条件X＝Z,和X＝S，可转化为如下优化问题：其中B，C和D为相应约束的拉格朗日乘子，μ1，μ2和μ3为调节参数；其特征在于：所述方法具体步骤如下：步骤一：将待补全图像分成同样尺寸为的n个小块，每一个小块即为一个目标块，利用滑动窗口技术对每一个目标块搜索其L×L邻域内与其最相似的m个相似块，这些相似块组成目标块的一个相似组；在基于加权斯莱特恩范数方法的低秩框架下进行初步的图像补全，需求解优化问题如下：其中R＝X-B，Zi∈Rd×m即为第i个相似组矩阵，为加权斯莱特恩范数的低秩正则项；步骤二：利用分析算子约束图像的平滑性；需求...

【专利技术属性】
技术研发人员：白相志，张宇轩，樊蕊蕊，魏光美，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11