[发明专利]基于稀疏表示和低秩双重约束的非局部去噪方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及图像去噪处理技术领域中的一种基于稀疏表示和低秩双重约束的非局部去噪方法。本发明可用于对自然图像，医学图像以及视频媒体进行去噪处理。

背景技术

图像去噪一直是图像处理领域研究的热点，它是图像分割，识别，检测等工作的前提。图像去噪的主要目的就是抑制图像中的噪声，提高图像的质量，更好地恢复图像的信息。图像处理过程中遇到的许多噪声，很多都可以近似为高斯白噪声，因此去除图像中的高斯白噪声在很多领域中占据着重要的位置。

现有抑制噪声即滤波的方法主要分为空域滤波和频域滤波。图像的空域滤波方法是直接对图像的灰度值做运算，包括中值滤波、均值滤波、双边滤波等。图像频域滤波方法则是在某种变换域内对图像的变换系数进行运算，然后反变换回图像空域的，包括小波处理方法，PCA滤波以及多尺度几何分析等。Elad等人提出了一种基于稀疏表示的去噪方法，该方法以当前像素点为中心取一个大小一定的像素块，然后把这个像素块在训练好的字典下进行稀疏表示，得到稀疏表示后的系数后，对系数进行重构，获得当前像素块的估计。由于该方法在去噪领域具有良好的性能，自提出以来迅速引起众多学者的广泛关注。但该方依然存在一定的缺陷，如随着图像噪声的增大，噪声对字典的原子干扰越来越大，导致该方法对高噪声图像的去噪效果不理想。

苏州八米特信息科技有限公司申请的专利“基于小波变换的阈值化图像去噪方法”（申请号为201110000771.7，公开号为CN102592262）中公开了一种基于小波变换的阈值化图像去噪方法。该方法利用多尺度小波变换，从时域变换到小波域，然后设定一个合理的阈值，将绝对值小于阈值的小波系数置零，将绝对值大于阈值的小波系数进行收缩处理，最后将处理后获得的小波系数利用小波逆变换进行信号重构，恢复出有效的信号。该方法存在的不足是，由于仅仅使用了小波变换，图像能量不够集中，同时没有考虑图像的结构信息，因此该方法对图像结构信息保留不足，对平滑区域比较多的图像有明显的去噪效果，对纹理丰富的图像效果一般。

西安电子科技大学申请的专利“基于非局部稀疏模型的图像去噪方法”（申请号为201110001952.1，公开号为CN102063708A）中公开了基于非局部稀疏模型的图像去噪方法。该方法通过求解含噪图像中每像素邻域的相似集合，根据相似集合的大小设计稀疏表示的字典，利用得到的字典，使用SOMP方法对相似集合进行稀疏分解和重构，然后将每一个像素点的所有灰度估计进行平均，进而得到整幅图像的去噪结果。该方法存在的不足是，此方法的字典训练过程过于复杂，并且无法保证字典中每一个原子的准确性，图像信号的能量不够集中，不能在较好保持匀质区域平滑性的同时保持图像的边缘和纹理细节。该方法只对低噪声的图像有明显的去噪效果，对高噪声的图像效果一般。

发明内容

本发明的目的在于克服上述现有技术的不足，提出了一种基于稀疏表示和低秩双重约束的非局部去噪方法，意在平滑噪声的同时兼顾保留图像的纹理、边缘细节信息，提高图像去噪效果。

本发明的具体步骤包括如下：

1.一种基于稀疏表示和低秩双重约束的非局部去噪方法，包括如下步骤：

(1)输入一幅噪声图像；

(2)按照下式，估计噪声图像的噪声标准差：

σ=c×M{a×|vec(Y*T)-M{a×vec(Y*T)}|}

其中，σ表示噪声图像的噪声标准差，c表示中值滤波的调节因子，c取值为1.4186，M{·}表示取出中间值，a表示低通滤波调节因子，a的取值为|·|表示取绝对值操作，vec表示按照从左到右的顺序，将噪声图像矩阵Y进行低通滤波后的矩阵的列首尾连接起来的列向量化操作，Y表示噪声图像矩阵，*表示卷积操作，T表示一个2×2大小矩阵的低通滤波器；

(3)设置参数

设定噪声图像像素块的半径为3个像素，最大迭代次数为11；

(4)获取噪声图像的像素块样本集：

4a)依次以噪声图像矩阵的边为对称轴，对噪声图像进行镜像，得到镜像图像；

4b)在镜像图像中，以噪声图像矩阵左上角第一个像素点为待估计像素点，以待估计像素点为像素块的中心点，选取一个边长等于噪声图像像素块半径的两倍的正方形的待估计像素块；

4c)按照从左到右、从上到下的顺序，依次以噪声图像矩阵中的像素点为待估计像素点，取出每一个待估计像素点的像素块，将所有待估计像素点的像素块，组成噪声图像的像素块样本集；

(5)构建相似块矩阵：