[发明专利]一种基于改进的正交匹配追踪的图像去噪方法

说明书

本发明公开了一种基于改进的正交匹配追踪的图像去噪方法。该方法步骤如下：首先对图像进行数字化处理，将图像当中的每个像素视为一个原子；然后通过残差r与测量矩阵Φ中各个原子之间内积的绝对值，来计算相关系数，以此选出L个值，并将这L个值的索引值存入索引矩阵A_m中，更新测量矩阵Φ，直到满足条件残差足够小，且最后求得的残差小于上一次的残差，根据得到的残差重建图像，实现去噪。本发明在进行信号采样的同时进行信号的稀疏编码，利用信号自身的稀疏性实现信号的稀疏分解和重建，保留了图像的细节特征，提高了去噪精度。

技术领域

本发明属于图像处理技术领域，特别是一种基于改进的正交匹配追踪的图像去噪方法。

背景技术

图像噪声是图像中无用的信息，会降低图像质量，在图像的采集和传输的过程中，噪声往往成为主要的障碍因素，破坏了图像的完整性，对图像的使用价值造成了很大的影响。因此，提取有用信号抑制噪声，提高图像质量，为后续更高层次的处理做好准备，对图像进行去噪处理是不可缺少的重要环节。图像去噪就是保留图像中的有用信息，消除或减少图像中的干扰和噪声。

目前，比较成熟的图像去噪方法可以分为以下几类：

(1)空间域和变换域处理方法

空间域处理就是直接在原始图像上进行数据运算，比如直接对图像灰度值进行数据运算，中值滤波和维纳滤波等均属于这类处理方法。变换域图像去噪，也称作频域率图像去噪，是一种基于图像变换域处理的非常有效的图像去噪方法。该类方法的核心思想是通过某种变换后，实现处理图像的域的范围从空间域到变换域的转变，并且进一步对变换域中的变换系数施加相关公式的运算，将其从现在所处的变换域重新还原到原来的空间域，以此来达到去噪的目的。

例如，2013年，林东升的《三种空间域图像去噪方法的比较与研究》对空间域图像去噪方法进行了研究；2013年，张稳稳的《基于变换域的图像去噪算法研究》对变换域图像去噪方法进行的研究。它们的共同之处在于，都是基于奈奎斯特采样定理均匀的采样信号的每个点，对于图像中的每一个像素处理，导致相邻样点的冗余，存在巨大的资源浪费。且用的都是同一种思维和方法，直接在原始图像上进行数据运算，忽略了图像像素本身特性。这也就不难理解为什么该类方法在去噪的同时往往伴随着较为严重的模糊现象。

(2)基于正交匹配追踪的图像去噪方法

图像的稀疏表示，即认为一幅图像或可以经过变换处理后变成仅有有限个非零元素，大多数元素都接近零，且这部分有限的非零元素表示了图像的绝大部分信息，因此图像可以通过这有限个非零元素重建出与原始图像差别很小的重构图像。正交匹配追踪算法即利用稀疏表示理论，将测量矩阵用正交化方法进行正交化处理，再将信号在这些正交原子构成的空间上投影进行稀疏逼近，得到信号在各个已选原子上的分量和残余分量，然后用相同方法分解残余分量，通过最终得到的元素再重新描述信号。

例如，2012年，郭德全、杨红雨的《基于稀疏性的图像去噪综述》研究了基于稀疏表示的正交匹配追踪算法及其早期算法；2014年，吴迪、王奎民等的《分段正则化正交匹配追踪算法》研究了正交匹配追踪算法快速实现。它们都对正交匹配追踪算法进行了实现，但是都没有对匹配追踪过程进行严格的判定，在残差r在迭代更新过程当中会产生过度现象，导致图像中边缘不清晰。

发明内容

本发明的目的在于提供一种基于改进的正交匹配追踪的图像去噪方法，从而将图像中的噪声有效的去除。

实现本发明目的的技术解决方案为：一种基于改进的正交匹配追踪的图像去噪方法，包括以下步骤：

步骤1，利用红外探测器或者可见光摄像头采集图像，该图像含有噪声；

步骤2，如果步骤1采集到的是RGB图像，对其进行灰度化；否则，进行步骤3；