一种基于无超参数全变差均衡约束的图像去噪方法技术

本发明专利技术公开了一种基于无超参数全变差均衡约束的图像去噪方法，首先建立基于列化处理的全变差图像去噪模型，接着构建全变差图像去噪代价函数，然后根据协方差拟合准则，导出全变差稀疏约束的最优均衡加权矩阵，并得出一种无超参数平衡全变差图像去噪代价函数，最后通过凸优化工具实现最优迭代求解

【技术实现步骤摘要】
一种基于无超参数全变差均衡约束的图像去噪方法


[0001]本专利技术属于图像处理
，具体涉及一种基于无超参数全变差均衡约束的图像去噪方法
。

技术介绍

[0002]在图像处理和计算机视觉领域，图像去噪是一项基础且重要的研究问题，在图像特征提取
、
图像识别
、
目标检测等应用领域都有着极为重要的作用
。
[0003]文献“Rudin L I
，
Osher S
，
Fatemi E.Nonlinear total variation based noise removal algorithms.Physica D
：
nonlinear phenomena
，
1992
，
60(1
‑
4)
：
259
‑
268”提出了一种基于全变差范数的图像去噪方法，该方法通过不断迭代使原始图像逐渐逼近去噪后的理想图像，能够很好地保护图像的边缘信息，但该方法重建结果存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于无超参数全变差均衡约束的图像去噪方法，具体步骤如下：步骤一
、
建立噪声图像模型，对模型列化处理；图像处理中的噪声图像信号模型表示为：
Y
＝
AX+E
ꢀꢀꢀꢀ
(1)
其中，表示噪声图像矩阵，表示原始图像矩阵，表示字典矩阵，表示加性噪声矩阵；表示向量空间维度，
M、N
分别表示矩阵行和列的维度大小；对模型进行列化处理，设定存在三个矩阵
F1,F2,F3，根据矩阵列化理论可得：其中，
vec(
·
)
表示矩阵列化操作，表示
Kronecker
积，
(
·
)
T
表示矩阵转置操作；则式
(1)
列化得到一个线性模型：
y
＝
Hx+e
ꢀꢀꢀꢀ
(3)
其中，
y
＝
vec(Y)
，
x
＝
vec(X)
，
e
＝
vec(E)
，表示单位矩阵，且
x,y,
步骤二
、
构建全变差图像去噪代价函数；对式
(3)
线性模型的行和列同时添加稀疏约束和全变差约束得到全变差图像去噪代价函数，具体表示为：其中，
x
′
＝
vec(X
T
)
，
λ
表示正则化参数，
D
表示差分矩阵：步骤三
、
全变差稀疏约束的最优均衡加权矩阵选取；根据协方差拟合准则，构造全变差稀疏约束的最优加权矩阵来去除正则化参数，获得最优解；首先，将式
(4)
重新表示为：接着，令
B
＝
HD
‑1，
B
＝
[b1,b2,...,b
MN
]

【专利技术属性】
技术研发人员：张永超，刘帅迪，任丽华，张玉皇，张寅，黄钰林，
申请(专利权)人：电子科技大学长三角研究院衢州，
类型：发明
国别省市：