一种权值自适应混合阶全变分图像去噪算法制造技术

本发明专利技术公开了一种权值自适应混合阶全变分图像去噪算法，包括以下步骤：对图像进行预处理，彩色图像转换为灰度图像，为图像添加高斯白噪声；将全变分模型为基本框架构建图像去噪模型，求解约束模型下最小化；提出高阶全变分模型，将其融入图像去噪模型，整个算法模型通过含噪图像的结构信息划分边缘纹理区域和平坦区域，构建权值函数，将全变分模型和高阶全变分模型结合，建立混合阶全变分图像去噪模型，求解最小化；提出梯度约束项，引入去噪模型，保证图像的结构信息，建立最终的权值自适应混合阶全变分图像去噪模型，求解最小化。本发明专利技术算法与传统算法模型相比，在峰值信噪比方面提升了8至13dB，且结构相似性的数值均优于之前的算法。

【技术实现步骤摘要】
一种权值自适应混合阶全变分图像去噪算法
本专利技术涉及图像处理
，尤其是涉及一种权值自适应混合阶全变分图像去噪算法。
技术介绍
在现代化产业以及数字多媒体技术高质量发展的今天，图像和视频早已成为人民生活中不可或缺的一部分，图像处理也成为现今最为热门的研究领域之一。而图像去噪作为图像处理领域里不可或缺的一部分，在医疗卫生、文物修复、人工智能和军事工业等诸多方面都有着独特的应用价值和广阔的发展前景。国内外的许多学者对图像去噪进行深入的研究，其中效果显著的去噪模型主要是基于偏微分方程(PartialDifferentialEquations，PDE)的图像去噪方法和基于图像自相似性的非局部均值(Non-LocalMeans，NLM)去噪方法。全变分(TotalVariation，TV)去噪算法则是在偏微分方程中最具有代表性的方法，在Rudian等人提出该算法之后，国内外提出多种改进算法，这些算法主要是针对全变分模型容易产生“阶梯效应”的问题，因为其存在将图像平坦区域的噪声信息误判作图像的边缘部分，从而产生虚假边缘。Yuan等人提出一种区本文档来自技高网...

【技术保护点】
1.一种权值自适应混合阶全变分图像去噪算法，其特征在于，包括以下步骤：/nS1、对图像进行预处理，将获取到的彩色图像转换为灰度图像，然后为图像添加高斯白噪声，生成具有噪声信息的含噪图像；/nS2、将全变分模型为基本框架构建图像去噪模型，通过求解约束模型下最小化问题来达到去噪效果；/nS3、提出高阶全变分模型，将其融入图像去噪模型，整个算法模型通过含噪图像的结构信息划分边缘纹理区域和平坦区域，构建权值函数，将全变分模型和高阶全变分模型结合，建立混合阶全变分图像去噪模型，求解最小化；/nS4、提出梯度约束项，引入去噪模型，保证图像的结构信息，建立最终的权值自适应混合阶全变分图像去噪模型，求解最小化...

【技术特征摘要】
1.一种权值自适应混合阶全变分图像去噪算法，其特征在于，包括以下步骤：
S1、对图像进行预处理，将获取到的彩色图像转换为灰度图像，然后为图像添加高斯白噪声，生成具有噪声信息的含噪图像；
S2、将全变分模型为基本框架构建图像去噪模型，通过求解约束模型下最小化问题来达到去噪效果；
S3、提出高阶全变分模型，将其融入图像去噪模型，整个算法模型通过含噪图像的结构信息划分边缘纹理区域和平坦区域，构建权值函数，将全变分模型和高阶全变分模型结合，建立混合阶全变分图像去噪模型，求解最小化；
S4、提出梯度约束项，引入去噪模型，保证图像的结构信息，建立最终的权值自适应混合阶全变分图像去噪模型，求解最小化。


2.根据权利要求1所述的权值自适应混合阶全变分图像去噪算法，其特征在于，S2中：去噪模型求解能量泛函的最小化模型E(I)：



其中，Ω代表图像域，表示图像梯度，I和I0则分别表示去噪后图像和含噪图像，λ表示拉格朗日算子，其在去噪过程中控制图像的平滑程度。


3.根据权利要求2所述的权值自适应混合阶全变分图像去噪算法，其特征在于，S3中：提出高阶全变分模型，表达为：



其中，Ix和I...

【专利技术属性】
技术研发人员：周先春，陈璟，昝明远，俞燊，陆滇，殷豪，唐慧，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32