[发明专利]基于改进噪声估计的LRA-SVD自适应细节保留降噪算法

权利要求书

1.基于改进噪声估计的LRA-SVD自适应细节保留降噪算法，其特征在于，包括：

S1：获取原始亚表面缺陷图像，通过基于图像块聚类的噪声估计算法对原始亚表面缺陷图像进行噪声估计；

S2：通过噪声估计值以及LRA-SVD算法对原始亚表面缺陷图像进行降噪，获得初始去噪图像；

S3：将原始亚表面缺陷图像与初始去噪图像作差获取初始方法噪声图像；

S4：计算初始去噪图像与初始方法噪声图像之间的相关系数，判断相关系数是否大于预设阈值，若大于则进行S5迭代正则化降噪过程，若不大于则获得降噪后的亚表面缺陷图像；

S5：将初始方法噪声图像乘以比例系数加入至初始去噪图像中获取新含噪图像；利用噪声估计模型对新含噪图像进行噪声估计，利用噪声估计值和LRA-SVD算法对新含噪图像进行降噪，获得新去噪图像；将新含噪图像与新去噪图像作差获取新方法噪声图像；计算新去噪图像与新方法噪声图像之间的相关系数，判断相关系数是否大于预设阈值，若大于则进行新一轮S5迭代正则化降噪过程，若不大于则获得降噪后的亚表面缺陷图像；

噪声估计模型为

其中，为第k+1次迭代的噪声估计值，为使用基于图像块聚类的噪声估计方法获得的第k+1次迭代的噪声估计值，为使用基于图像块聚类的噪声估计方法获得的原始含噪图像的噪声估计值，c为常数。

2.根据权利要求1所述的基于改进噪声估计的LRA-SVD自适应细节保留降噪算法，其特征在于，相关系数corrcoef计算公式为：

式中，Y表示原始亚表面缺陷图像，表示初始去噪图像。

3.根据权利要求1所述的基于改进噪声估计的LRA-SVD自适应细节保留降噪算法，其特征在于，新含噪图像获取方法为：

式中，δ为比例系数，设置为0-1之间的值，Y表示原始亚表面缺陷图像，k表示迭代次数，表示初始去噪图像。