[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

说明书

一种基于稀疏误差约束表示的野生动物图像去噪方法，首先采用2D‑DCT变换对野生动物图像进行高低频分解，并对高频图像进行高斯多尺度变换；然后，分别构建基于正则化稀疏误差约束的高频图像和高频多尺度图的结构化字典，运用黎曼共轭梯度式极小化方法对包含有非凸但光滑的p范数的目标函数进行求解；在此基础上，引入PALM算法解决高频图像降噪模型中的非凸非光滑函数的极小化问题，并用PALM算法进行字典和稀疏系数的更新；最后，融合高频图像与低频图像生成降噪后的图像。本方法适于野外拍摄的动物图像的去噪，具有重要的研究意义和应用价值。

技术领域

本发明属于图像处理技术领域，具体是一种基于稀疏误差约束表示的野生动物图像去噪方法。

背景技术

近年来，许多种野生动物濒临灭绝，人们对如何保护野生动物也越来越重视，利用摄像机监控野生动物的行为活动已成为野生动物保护研究的重要辅助手段。通过对野生动物图像进行研究，如图像分割、特征提取、目标识别等，有助于发现新物种、识别动物的种类和行为等。但是，野外拍摄的动物图像在拍摄和传输过程中不可避免地会受外界干扰，导致图像含有噪声，而现有的大多数降噪方法是对干净图片人为加噪，然后再对加噪后的图片进行降噪。野外拍摄的动物图像噪声是随机混合噪声，而且会受到恶劣天气如大风大雾的影响，已有的降噪算法并不适合用于野生动物图像的去噪，因此，深入研究野生动物图像的降噪方法具有重要的研究意义和应用价值。

发明内容

由于图像的噪声主要存在于高频图像中，且为了使降噪后的野生动物图像更清晰并保留更多的细节信息，因此，直接对图像的高频图像进行降噪，提出一种基于稀疏误差约束表示的野生动物图像去噪方法。相对于现有技术中的降噪算法，本方法适于野外拍摄的动物图像的去噪，具有重要的研究意义和应用价值。

本方法的设计思想为：

首先，采用2D-DCT变换(二维离散余弦变换)对野生动物图像进行高低频分解，并对高频图像进行高斯多尺度变换；

然后，分别构建基于正则化稀疏误差约束的高频图像和高频多尺度图的结构化字典，运用黎曼共轭梯度式极小化方法对包含有非凸但光滑的p范数的目标函数进行求解；

接着，引入PALM算法(近似交替线性化极小化算法)解决高频图像降噪模型中的非凸非光滑函数的极小化问题，并用PALM算法进行字典和稀疏系数的更新；

最后，融合高频图像与低频图像生成降噪后的图像。

具体如下：

一种基于稀疏误差约束表示的野生动物图像去噪方法，步骤包括：

1)对野生动物图像的原图像进行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算法对字典以及稀疏系数进行更新，得到降噪后的高频图像。

去除噪声的PALM算法步骤如下：

输入：高频图像结构化初始字典高频图像多尺度初始字典平滑参数同时0＜p＜1,τ＞0。