一种基于结构相似度与全变差混合模型的图像去噪方法技术

本发明专利技术公开了一种基于结构相似度与全变差混合模型的图像去噪方法，所述方法包括：（1）设计泛函E(u)；（2）在E(u)中引入新的辅助变量，利用交替迭代方法化原模型为两个简单的子模型；（3）对两个子模型分别用梯度下降法和chambolle投影方法进行数值求解，得到离散数学模型；（4）输入噪声图像f；（5）利用离散数学模型对f进行迭代去噪；（6）直到迭代达到设置的终止条件时停止，输出去噪后的图像。本发明专利技术在有效去除噪声的同时，能够较好地保持图像的结构信息，提高图像的视觉效果，可用于自然图像的去噪。

【技术实现步骤摘要】
一种基于结构相似度与全变差混合模型的图像去噪方法
本专利技术涉及图像技术处理领域，具体涉及一种基于结构相似度与全变差混合模型的图像去噪方法，适用于自然图像的噪声去除。
技术介绍
在图像形成和传输过程中，由于噪声的干扰导致质量下降，这严重影响了人们对图像所传达信息的正确理解，所以对图像进行后续处理前，必须先对图像进行去噪。有关图像去噪的方法有很多，大致可以分为两大类：空域去噪方法和变换域去噪方法。空域去噪方法是直接对像素进行处理，代表性的算法有均值滤波算法和中指滤波算法。变换域去噪方法主要利用有用信号和噪声信号在变换域中表现出的不同特征来有效地去除噪声。代表性的算法有基于傅里叶变换的去噪算法和基于小波变换的去噪算法。目前，空域滤波方法有了很大的发展，出现了许多新的方法，如基于模糊数学的方法、基于偏微分方程的方法等等。特别是基于偏微分方程的方法，已经在图像去噪、图像分割等各个图像处理领域取得了巨大的成功，成为图像处理与分析中的重要工具和研究热点。而其中最典型的代表是由ROF，Osher和Fatemi提出基于TV的ROF模型。该模型掀起了基于TV的图像去噪、分割等图像处理模型研究的热潮，并本文档来自技高网...

【技术保护点】
一种基于结构相似度与全变差混合模型的图像去噪方法，具有目标图像，其特征在于，所述方法包括以下步骤：(1)设计泛函E(u)；(2)在所述泛函E(u)中引入辅助变量，得到其等价形式E*(u)；(3)利用交替迭代方法化所述泛函E*(u)为两个子模型，模型1与模型2；(4)对所述模型1使用梯度下降法、模型2使用chambolle投影方法进行数值求解，并得到离散数学模型；(5)输入噪声图像f；(6)利用所述离散数学模型对图像f进行迭代去噪；(7)达到迭代停止条件时，输出去噪后的图像。

【技术特征摘要】
1.一种基于结构相似度与全变差混合模型的图像去噪方法，具有目标图像，其特征在于，所述方法包括以下步骤：(1)设计泛函E(u)；(2)在所述泛函E(u)中引入辅助变量，得到其等价形式E*(u)；(3)利用交替迭代方法化所述泛函E*(u)为两个子模型，模型1与模型2；(4)对所述模型1使用梯度下降法、模型2使用chambolle投影方法进行数值求解，并得到离散数学模型；(5)输入噪声图像f；(6)利用所述离散数学模型对图像f进行迭代去噪；(7)达到迭代停止条件时，输出去噪后的图像；所述泛函E(u)为其中，所述为正则项，用以表示输出图像平滑项的约束项，所述∫Ω(1-SSIM(f,u))dxdy为忠诚项，用以表示输出图像u对初始观测图像f的对比度增强，λ为正则项参数，用以平衡正则项和忠诚项，u(x,y)为图像支撑域Ω内，坐标位置为(x,y)处的像素灰度值。2.根据权利要求1所述的图像去噪方法，其特征在于，所述新的泛函E*(u)为其中，v为引入的辅助变量，μ为惩罚函数的参数，用来保证u和v的充分接近。3.根据权利要求1所述的图像去噪方法，其特征在于，所述模型1与模型2分别为：4.根据权利要求1所述的图像去噪方法，其特征在于，所述使用梯度下降法求解模型1，所对应的欧拉方程为：

【专利技术属性】
技术研发人员：尚晓清，张振山，白键，翟利波，孙潇阳，王林，余婷，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：