[发明专利]基于Primal-dual的图像去噪方法及系统

说明书

本发明公开了一种基于Primal‑dual的图像去噪方法及系统。所述去噪方法包括：获取样本图像的训练样本集、原向量空间以及所述原向量空间的对偶向量空间；获取原向量空间内原变量所对应的第一正则化项以及对偶向量空间内对偶变量所对应的第二正则化项；根据训练样本集构造训练矩阵；根据训练矩阵确定训练样本集常数以及迭代步长；根据第一正则化项、第二正则化项以及训练样本集常数建立非光滑的目标函数；采用个体输出形式，根据非光滑的目标函数以及迭代步长更新原变量以及对偶变量，确定个体输出的原变量以及个体输出的对偶变量；根据个体输出的原变量以及个体输出的对偶变量对样本图像进行去噪处理。采用本发明提供的去噪方法及系统能够提高图像去噪效率。

技术领域

本发明涉及图像去噪领域，特别是涉及一种基于Primal-dual的图像去噪方法及系统。

背景技术

传统图像去噪方法仅基于原变量或者对偶变量取得稀疏性，因此，只能在特征选取或者样本数目上达到稀疏，在处理大规模图像数据集去噪效果上不够优异，同时传统的图像去噪方法在非光滑函数类型情况下仅取得的收敛速率；而Primal-dual方法能够更进一步提升收敛速率，但是目前大多数针对图像应用的Primal-dual方法的解大多以平均形式输出，个体输出的相对较少，且未添加正则化项，泛化能力差，无法取得良好的稀疏性，因此，不能适用于高精度去噪效果的需求，从而导致传统基于Primal-dual的图像去噪方法图像去噪效率低。

发明内容

本发明的目的是提供一种基于Primal-dual的图像去噪方法及系统，以解决传统基于Primal-dual的图像去噪方法图像去噪效率低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于Primal-dual的图像去噪方法，包括：

获取样本图像的训练样本集、原向量空间以及所述原向量空间的对偶向量空间；所述训练样本集包括样本图像的特征向量以及所述特征向量所对应的分类类型；

初始化所述原向量空间内原变量所对应的第一正则化项以及所述对偶向量空间内对偶变量所对应的第二正则化项；

根据所述训练样本集构造训练矩阵；

根据所述训练矩阵确定训练样本集常数以及迭代步长；

根据所述第一正则化项、所述第二正则化项以及所述训练样本集常数建立非光滑的目标函数；

采用个体输出形式，根据所述非光滑的目标函数以及所述迭代步长更新所述原变量以及所述对偶变量，确定个体输出的原变量以及个体输出的对偶变量；

根据所述个体输出的原变量以及所述个体输出的对偶变量对所述样本图像进行去噪处理。

可选的，所述根据所述训练矩阵确定训练样本集常数以及迭代步长，具体包括：

根据所述训练矩阵的二范数确定所述训练样本集常数以及所述迭代步长。

可选的，所述根据所述第一正则化项、所述第二正则化项以及所述训练样本集常数建立非光滑的目标函数，具体包括：

根据公式建立非光滑的目标函数；其中，为非光滑的损失函数；X为所述原向量空间；Y为所述对偶向量空间；w∈X，α∈Y，α为基于w的对偶变量，w为针对训练样本集x_i的优化权重向量；λ₁R(w)为第一正则化项；λ₂R(α)为第二正则化项；w^T为w的转置矩阵；α^T为α的转置矩阵；H(S，y)、a(S，y)、b(S，y)、d为基于训练样本集S的常数。

可选的，所述采用个体输出形式，根据所述非光滑的目标函数以及所述迭代步长更新所述原变量以及所述对偶变量，确定个体输出的原变量以及个体输出的对偶变量，具体包括：