一种基于高光谱全变差的CS图像去噪重建方法技术

本发明专利技术提出了一种基于高光谱全变差的CS图像去噪重建方法，步骤如下：初始化重建图像、迭代索引值和含噪观测值；利用含噪观测值对获得的重建图像进行迭代更新获得估计值；将估计值分别输入到基于

【技术实现步骤摘要】
一种基于高光谱全变差的CS图像去噪重建方法
本专利技术涉及图像处理的
，尤其涉及一种基于高光谱全变差的CS图像去噪重建方法，用于高噪声图像的去噪重建，实现了高噪声条件下的高分辨率图像的高效去噪能力。
技术介绍
随着现代科学技术的不断进步，CMOS/CCD传感器技术也得到了飞速的发展，给我们带来的影响主要体现在两个方面：(1)图像质量越来越高；(2)图像分辨率越来越高。高分辨率图像虽然能够给我们带来极高的视觉享受，同时也给图像处理领域带来了新的挑战。在夜间进行高分辨率图像拍摄时，由于夜间环境的影响，通常获得的图像数据含有大量的噪声信息；此外，在复杂的多噪声环境下进行拍摄时，也不可避免地会出现高噪声高分辨率图像。含有高噪声信息的高分辨率图像对于提取图像中的重要特征信息，进行有效的数据分析以及视觉质量均有很重要的影响，从高噪声图像中很难最大限度地挖掘图像内部的有效信息。在某些情况下，甚至无法直接处理高分辨率高噪声图像。因此，针对高噪声条件下的高分辨率图像的去噪问题是目前国内外学者面临的重要科学问题。针对高噪声高分辨率图像的去噪，如何设计一个高效本文档来自技高网...

【技术保护点】
1.一种基于高光谱全变差的CS图像去噪重建方法，其特征在于，其步骤如下：/n步骤一：初始化重建图像的参数、迭代索引值和含噪观测值；/n步骤二：利用含噪观测值对获得的重建图像进行迭代更新，获得更新后的估计值；/n步骤三：将步骤二的估计值分别输入到基于l

【技术特征摘要】
1.一种基于高光谱全变差的CS图像去噪重建方法，其特征在于，其步骤如下：
步骤一：初始化重建图像的参数、迭代索引值和含噪观测值；
步骤二：利用含噪观测值对获得的重建图像进行迭代更新，获得更新后的估计值；
步骤三：将步骤二的估计值分别输入到基于l1-范数和HTV的CS重建模型中，获得的重建结果求平均值得到中间重建图像；
步骤四：使用Starlet变换对步骤三的中间重建图像进行稀疏表示，获得中间重建图像的Starlet系数；
步骤五：利用新阈值算子和改进BayeShrink阈值对步骤四获得的Starlet系数进行去燥滤波，获得降噪后重建图像的曲波系数；
步骤六：对降噪后重建图像的曲波系数进行Starlet逆变换，获得重建图像；
步骤七：判断是否满足迭代停止条件：如果满足迭代停止的条件，停止迭代过程，输出获得的重建的图像；反之，令迭代索引值加1，循环重复步骤二～步骤六。


2.根据权利要求1所述的基于高光谱全变差的CS图像去噪重建方法，其特征在于，所述步骤一中初始化的重建图像x0＝0和x1＝ΦTy，迭代索引s＝0，含噪观测值y＝Φx+ε＝ΦΨη+ε；其中，Φ为随机测量矩阵，x为输入的大小为N×N的原始清晰图像，ε表示高斯白噪声，Ψ为Starlet变换矩阵；η＝ΨTx为原始清晰图像通过Starlet变换获得的稀疏系数；
步骤二中进行迭代更新获得更新后的估计值的方法为：
xs+1＝xs+ΦT(y-Φxs)(1)
其中，xs和xs+1分别表示第s次迭代和第s+1次迭代的重建图像的估计值。


3.根据权利要求2所述的基于高光谱全变差的CS图像去噪重建方法，其特征在于，所述步骤三中基于l1-范数的CS重建模型为：



其中，x′1为基于l1-范数的CS重建模型获得的重建图像，λ为可调节参数，表示惩罚项，用来估算估计值与观测值之间的偏差，代表原始图像先验信息。


4.根据权利要求2或3所述的基于高光谱全变差的CS图像去噪重建方法，其特征在于，所述步骤三中基于HTV的CS重建模型为



其中，x′2为根据基于HTV的CS重建模型获得的重建图像；β为可调节参数，且λ＜β，||xs+1||HTV表示图像的HT...

【专利技术属性】
技术研发人员：张杰，刘亚楠，陈宜滨，张焕龙，张建伟，王凤仙，朱丽霞，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：河南;41