[发明专利]一种图像的稀疏去噪方法

说明书

【技术领域】

本发明涉及图像处理领域，特别是涉及一种图像的稀疏去噪方法。

【背景技术】

图像去噪是计算机图像处理的重要内容。采集设备在采集图像的时候，因为外界光线干扰或者设备内部光学问题，总是受到噪声的污染，不能用于高级的图像应用，所以必须先对图像进行去噪，得到没有污染的图像。图像的噪声模型种类繁多，针对不同的图像应用要进行不同的去噪。但以白噪声在自然图像中存在最多。所以很多学者都把精力投入到了对白噪声的去除中。2007年，有学者提出了KSVD等稀疏去噪方法，这种方法更好地利用了图像中真实信息与噪声信息的区别，也能达到较好的去噪性能。目前，基于KSVD的稀疏去噪方法，通常是将图像划分成块之后，根据图像块的信息进行字典训练获得字典，然后进行去噪处理，最后根据去噪处理的结果反馈更新字典，直至得到理想的去噪处理结果。这种去噪过程，一方面，不断获取字典、更新字典，使得整个处理过程时间复杂度较高。特别是批量处理多幅图像时，需要对每幅图像均进行上述过程，总体需花费较长时间。另一方面，上述处理过程去噪处理后，只能对图像中的一部分进行较好的字典表示，获得较好去噪性能，而对其它部分不能获得较好的去噪性能。

【发明内容】

本发明所要解决的技术问题是：弥补上述现有技术的不足，提出一种图像的稀疏去噪方法，去噪处理的时间复杂度有效降低，且对图像的全局均有较好的去噪效果。

本发明的技术问题通过以下的技术方案予以解决：

一种图像的稀疏去噪方法，首先确定一个字典集合，所述字典集合中的多个字典是通过字典训练方法对一个图像库中的各幅图像进行字典训练得到；所述图像库包括至少1000副图像，且涵盖不同场景；然后对待处理的图像进行如下稀疏去噪处理：1)将待处理的图像划分为多个图像块，各图像块的大小与字典的基块的大小相同；2)对各图像块进行如下处理得到各图像块的去噪图像块：21)使用所述字典集合中的各个字典对当前图像块进行稀疏表示；对于每一个字典，求解出当前图像块的稀疏系数；22)从多个稀疏系数中确定一个稀疏系数，该稀疏系数对应的字典最能表达当前图像块；将该稀疏系数作为最佳稀疏系数，对应的字典作为最佳字典；23)根据所述最佳稀疏系数和最佳字典得到当前图像块的去噪图像块；3)将各图像块的去噪图像块合并，得到去噪后的图像。

本发明与现有技术对比的有益效果是：

本发明的图像的稀疏去噪方法，分成离线阶段和在线阶段，离线阶段根据涵盖不同场景、特征较丰富的多幅图像训练出字典集合，在线阶段即采用该多个字典集合对待处理的图像进行去噪处理，针对各图像块，均从多个字典中选取最能表达的一个字典，最终去噪处理。整个处理过程仅涉及求解稀疏系数，确定最佳字典的过程，无需不断调整更新字典，时间复杂度有效降低。特别对于批量处理多幅图像时，均依据字典集合进行处理，能有效降低批量图像处理时的时间复杂度。而由于每个图像块的处理，均是从字典集合中选择最能表达的字典，彼此之间没有干扰，因此各图像块均能获得尽可能好的去噪效果，从而图像整体全局有较好的去噪效果。

【附图说明】

图1是本发明具体实施方式的图像的稀疏去噪方法的流程图。

【具体实施方式】

下面结合具体实施方式并对照附图对本发明做进一步详细说明。

稀疏去噪主要是利用图像之间的局部相关性，通过训练的字典对图像进行表达，获得去噪处理后的图像。自然界中的图像非常丰富，且大量图像具有相关性，只要能够存储足够多的字典，就可以对图像中的每个小块都进行最佳的表示，从而提高去噪的效果。基于该构思，本发明提出了用丰富的离线字典对待处理的图像进行去噪，不仅能够大大降低去噪的时间复杂度，同时各图像块均确定得到各自最佳的字典，整体去噪效果也较好。

如图1所示，为本具体实施方式的去噪方法的流程图。

离线阶段：确定字典集合D_set。

具体地，寻找确定一个图像库。该图像库至少有1000副图像，且涵盖不同场景。之所以强调图像库中的图像数量及其特征，是需要尽可能地保证图像的多样性。图像库中图像数量越多，内容信息越丰富，后续处理去噪的效果越好。优选地，图像库可直接使用目前已有的已开源供使用的自然图像库，例如美国麻省理工学院的电脑科学和人工智慧实验室提供的大型图像库LabelMe，就包含了许多不同的场景，涵盖人物，风景，夜景，卡通等等不同场景类型的图像。该举例图像库仅为一种示意，不构成对本具体实施方式的限制，其余具有丰富图像信息的图像库均可适用于此。