[发明专利]基于稀疏误差约束表示的野生动物图像去噪方法

权利要求书

1.一种基于稀疏误差约束表示的野生动物图像去噪方法，其特征是步骤包括：

1)对野生动物图像的原图像进行二维离散余弦2D-DCT变换；再对变换后的DCT系数进行量化；最后通过Zigzag排序得到低频图像；用原图像减去低频图像得到高频图像；

2)对高频图像进行降噪处理；

3)低频图像与降噪后的高频图像融合后得到降噪后的野生动物图像；

所述步骤2)中，对高频图像进行降噪处理的步骤为：

2.1)对高频图像：构建高频图像的初始结构化字典；然后固定初始字典，求得高频图像的稀疏系数；

2.2)对高频图像：进行多尺度变化，得到高频多尺度图；接着构建高频多尺度图初始化结构字典；然后固定初始字典，求得高频多尺度图的结构化稀疏系数；

2.3)通过高频图像的稀疏系数以及高频多尺度图的结构化稀疏系数，构建稀疏误差约束表示模型；

2.4)运用PALM算法(近似交替线性化极小化算法)对字典以及稀疏系数进行更新，得到降噪后的高频图像。

2.根据权利要求1所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤1)的步骤包括：

1.1)将原图像分块成8×8或者16×16的小块；然后对分割后的每个小图像块进行DCT变换，并对DCT变换后的系数量化；量化过程是把频率领域上DCT变换系数除以量化的步长，然后取整；

1.2)用Zig-zag方法对量化系数进行排序；

1.3)选取DCT的前N1×N2/64为低频系数构建低频图像，通过原图像减去低频图像得到高频图像；N1×N2为原始图像像素的尺寸。

3.根据权利要求1所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤2.1)中：

对野生动物的高频图像稀疏表示问题用l₁、l₀正则化约束表示，如式(1)：

其中，MH_y为高频图像结构稀疏模型选择的最优稀疏系数，Y_i代表野生动物高频图片的样本集，||·||_F为F的范数，||·||₁为1范数，为高频图像的结构稀疏模型的初始字典，MH_i为高频图像的稀疏系数，为高频图像结构化稀疏模型选择的字典，λ为大于0的正则化参数。

4.根据权利要求3所述的基于稀疏误差约束表示的野生动物图像去噪方法，其特征是所述步骤2.2)中：

野生动物的高频多尺度图像稀疏表示问题用l₁、l₀正则化约束表示，写成式(2)：

其中NH_y是高频图像的多尺度结构稀疏模型图像最优稀疏系数，NH_i表示高频多尺度图像稀疏系数，||·||_F为F的范数，||·||₁为1范数，为高频多尺度图像的结构稀疏模型的初始字典，X_i野生动物高频多尺度图像样本集，为高频多尺度图像结构化稀疏模型选择的字典，λ为大于0的正则化参数。