本申请公开了一种图像去噪方法、装置、计算机存储介质及电子装置。该方法包括：获取用于对目标图像进行图像去噪的复合凸最小化模型，其中，复合凸最小化模型包含以目标图像的噪声最小为目标的目标函数、目标函数中的变量的等式约束条件；确定求解复合凸最小化模型所需要的变量的更新规则，并确定目标图像中像素点的像素值的闭式解，其中，闭式解中包含目标函数的二阶导信息；根据闭式解迭代求解目标图像中的各个像素点的像素值，得到在目标图像的噪声最小的情况下各个像素点的目标像素值，构成去噪后的图像。通过本申请，解决了相关技术中在图像去噪为复合凸最小化问题时，准确求解去噪后的图像的像素值的计算量大的问题。去噪后的图像的像素值的计算量大的问题。去噪后的图像的像素值的计算量大的问题。
【技术实现步骤摘要】
图像去噪方法、装置、计算机存储介质及电子装置
[0001]本申请涉及图像去噪领域，具体而言，涉及一种图像去噪方法、装置、计算机存储介质及电子装置。
技术介绍
[0002]在工程
中，如图像处理领域，若图像去噪问题抽象为如下复合凸最小化问题：其中，f(x)是损失函数，Ax+By＝c是该最小化问题的等式约束条件，其中A，B是给定的矩阵，且A是行满秩矩阵，c是一个常量向量，g(y)是一个正则项函数，x是指图像，n是x中的像素点的个数，f
i
(x)是在像素点i上的损失函数，均为凸函数、连续可微且具有L
i
‑
Lipschitz连续梯度，需要求解满足约束时f(x)+g(y)最小时x、y的值，确定噪后的图像的像素值。
[0003]为了求解上述问题，相关技术出现了方差减小的随机ADMM方法，该方法有易于实施、方便并行化等优点，但作为一种一阶梯度的方法，存在明显缺点，即性能表现对目标问题的条件非常敏感，受限于病态条件，其鲁棒性(即抗扰动能力)也不佳。具体地，图像去噪问题的条件数(L和λ分别为损失函数f的Lipschitz连续梯度系数(也称光滑系数)和强凸系数)很大时，在特定条件下该方案的实际性能表现会显著变差，可能要迭代上千次也才达到四位数的精确度，才能准确求解去噪后的图像的像素值。
[0004]针对相关技术中在图像去噪为复合凸最小化问题时，准确求解去噪后的图像的像素值的计算量大的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请提供一种图像去噪方法、装置、计算机存储介质及电子装置，以解决相关技术中在图像去噪为复合凸最小化问题时，准确求解去噪后的图像的像素值的计算量大的问题。
[0006]根据本申请的一个方面，提供了一种图像去噪方法。该方法包括：获取用于对目标图像进行图像去噪的复合凸最小化模型，其中，复合凸最小化模型包含以目标图像的噪声最小为目标的目标函数、目标函数中的变量的等式约束条件；确定求解复合凸最小化模型所需要的变量的更新规则，并基于所需要的变量的更新规则确定目标图像中像素点的像素值的闭式解，其中，闭式解中包含目标函数的二阶导信息；根据闭式解迭代求解目标图像中的各个像素点的像素值，得到在目标图像的噪声最小的情况下各个像素点的目标像素值，并由得到的各个像素点的目标像素值构成去噪后的图像。
[0007]可选地，目标函数中包含损失函数和正则项函数，损失函数的变量为目标图像中像素点的像素值，正则项函数的变量为正则项变量，确定求解复合凸最小化模型所需要的
变量的更新规则包括：根据复合凸最小化模型确定增广拉格朗日函数，其中，增广拉格朗日函数的变量包括：目标图像中像素点的像素值、正则项变量以及对偶变量；根据增广拉格朗日函数对像素点的像素值求最小，得到目标图像中像素点的像素值的更新规则；根据增广拉格朗日函数对正则项变量求最小，得到正则项变量的更新规则；根据增广拉格朗日函数对对偶变量求最小，得到对偶变量的更新规则。
[0008]可选地，目标图像中像素点的像素值的闭式解用于表征当前像素点的像素值与上一次迭代得到的像素值之间的关系，根据闭式解迭代求解目标图像中的各个像素点的像素值，得到在目标图像的噪声最小的情况下各个像素点的目标像素值包括：根据目标图像中像素点的像素值的闭式解、正则项变量的更新规则以及对偶变量的更新规则交替迭代求解像素值、正则项变量、对偶变量，直至达到迭代预设次数，得到每个像素点的目标像素值。
[0009]可选地，目标函数中包含损失函数和正则项函数，正则项函数由目标图像的像素点的像素值与正定矩阵之积的范数确定，损失函数由目标图像的像素点的噪声的范数确定，目标图像的像素点的噪声由像素点的像素值和原始图像的像素点的像素值之差确定。
[0010]可选地，闭式解中包含预处理器，预处理器包含目标函数的二阶导信息。
[0011]可选地，预处理器通过以下方式得到：对目标函数求二阶导，得到二阶导结果；将二阶导结果与预设系数相乘，得到预处理器。
[0012]可选地，闭式解用于表征当前像素点的像素值等于上一次迭代得到的像素值减去像素值的梯度，像素值的梯度表征梯度函数与预处理器的逆矩阵之积。
[0013]根据本申请的另一方面，提供了一种图像去噪装置。该装置包括：获取单元，用于获取用于对目标图像进行图像去噪的复合凸最小化模型，其中，复合凸最小化模型包含以目标图像的噪声最小为目标的目标函数、目标函数中的变量的等式约束条件；确定单元，用于确定求解复合凸最小化模型所需要的变量的更新规则，并基于所需要的变量的更新规则确定目标图像中像素点的像素值的闭式解，其中，闭式解中包含目标函数的二阶导信息；求解单元，用于根据闭式解迭代求解目标图像中的各个像素点的像素值，得到在目标图像的噪声最小的情况下各个像素点的目标像素值，并由得到的各个像素点的目标像素值构成去噪后的图像。
[0014]根据本专利技术实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质包括存储的程序，其中，程序运行时控制计算机存储介质所在的设备执行一种图像去噪方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种图像去噪方法。
[0016]通过本申请，采用以下步骤：获取用于对目标图像进行图像去噪的复合凸最小化模型，其中，复合凸最小化模型包含以目标图像的噪声最小为目标的目标函数、目标函数中的变量的等式约束条件；确定求解复合凸最小化模型所需要的变量的更新规则，并基于所需要的变量的更新规则确定目标图像中像素点的像素值的闭式解，其中，闭式解中包含目标函数的二阶导信息；根据闭式解迭代求解目标图像中的各个像素点的像素值，得到在目标图像的噪声最小的情况下各个像素点的目标像素值，并由得到的各个像素点的目标像素值构成去噪后的图像，解决了相关技术中在图像去噪为复合凸最小化问题时，准确求解去
噪后的图像的像素值的计算量大的问题。通过确定包含目标函数的二阶导信息的闭式解，并利用该闭式解求解像素点的目标像素值，进而达到了降低求解去噪后的图像的像素值计算量的效果。
附图说明
[0017]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0018]图1是根据本申请实施例提供的图像去噪方法的流程图；
[0019]图2是根据本申请实施例提供的图像去噪装置的示意图；
[0020]图3是根据本申请实施例提供的电子装置的示意图。
具体实施方式
[0021]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0022]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括：获取用于对目标图像进行图像去噪的复合凸最小化模型，其中，所述复合凸最小化模型包含以所述目标图像的噪声最小为目标的目标函数、所述目标函数中的变量的等式约束条件；确定求解所述复合凸最小化模型所需要的变量的更新规则，并基于所述所需要的变量的更新规则确定所述目标图像中像素点的像素值的闭式解，其中，所述闭式解中包含所述目标函数的二阶导信息；根据所述闭式解迭代求解所述目标图像中的各个像素点的像素值，得到在所述目标图像的噪声最小的情况下各个像素点的目标像素值，并由得到的各个像素点的目标像素值构成去噪后的图像。2.根据权利要求1所述的方法，其特征在于，所述目标函数中包含损失函数和正则项函数，所述损失函数的变量为所述目标图像中像素点的像素值，所述正则项函数的变量为正则项变量，确定求解所述复合凸最小化模型所需要的变量的更新规则包括：根据所述复合凸最小化模型确定增广拉格朗日函数，其中，所述增广拉格朗日函数的变量包括：所述目标图像中像素点的像素值、所述正则项变量以及对偶变量；根据所述增广拉格朗日函数对像素点的像素值求最小，得到所述目标图像中像素点的像素值的更新规则；根据所述增广拉格朗日函数对所述正则项变量求最小，得到所述正则项变量的更新规则；根据所述增广拉格朗日函数对所述对偶变量求最小，得到所述对偶变量的更新规则。3.根据权利要求2所述的方法，其特征在于，所述目标图像中像素点的像素值的闭式解用于表征当前像素点的像素值与上一次迭代得到的像素值之间的关系，根据所述闭式解迭代求解所述目标图像中的各个像素点的像素值，得到在所述目标图像的噪声最小的情况下各个像素点的目标像素值包括：根据所述目标图像中像素点的所述闭式解、所述正则项变量的更新规则以及所述对偶变量的更新规则交替迭代求解所述像素值、所述正则项变量、所述对偶变量，直至达到迭代预设次数，得到每个像素点的目标像素值。4.根据权利要求1所述的方法，其特征在于，所述目标函数...
【专利技术属性】
技术研发人员：耿嘉诚，王康，刘德龙，陈波扬，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。