[发明专利]一种高斯-脉冲混合图像噪声去除方法

摘要

本发明公开了一种高斯‑脉冲混合图像噪声去除方法，包括在目标图像上检测随机脉冲噪声的位置并滤波，得到滤波处理后的图像，且用概率矩阵记录随机脉冲噪声的位置；将滤波处理后的图像分解成多个图像块，并在目标图像上找到相应的图像子块叠成张量形式并建立相应的张量低秩‑稀疏分解模型；求解每一个张量低秩‑稀疏分解模型中的优化问题，并采用交替方向法实现分解迭代优化直到收敛；获取每一个张量低秩‑稀疏分解模型的低秩张量并展开成矩阵形式，得到每一个图像子块的去噪结果并对重叠区域求均值，得到最终去噪结果。实施本发明，有效融合图像局部和非局部的统计特性，克服自适应中值滤波器检测精确度不够的问题，能够同时滤除高斯‑脉冲混合噪声，实现信噪比更高的去噪效果。

主权项

1.一种高斯‑脉冲混合图像噪声去除方法，其特征在于，所述方法包括：S1、在目标图像上采用自适应中心加权中值滤波器检测随机脉冲噪声的位置并滤波，得到滤波处理后的图像，且进一步用一概率矩阵记录随机脉冲噪声的位置；S2、将所述得到的滤波处理后的图像分解成多个图像块，并确定每一个图像块的位置及其各自对应预定搜索领域内的相似图像块的位置，且根据每一个图像块的位置及其对应相似图像块的位置在所述目标图像上找到相应的图像子块，进一步将同一个图像块及其对应相似图像块所找到的所有图像子块均叠成张量形式并建立相应的张量低秩‑稀疏分解模型；S3、利用基于增广拉格朗日函数方法求解每一个张量低秩‑稀疏分解模型中的优化问题，并采用交替方向法来实现对增广拉格朗日函数的分解迭代优化，直到收敛；S4、获取每一个张量低秩‑稀疏分解模型迭代优化求解后的低秩张量，并将所述获取到的每一个低秩张量展开成矩阵形式，得到每一个图像子块的去噪结果，且进一步对所述得到的每一个图像子块的去噪结果重叠区域求均值，得到所述目标图像的最终去噪结果；所述步骤S1具体包括：对于所述目标图像I中的任意一个像素点I_ij，定义一个(2h+1)×(2h+1)的窗口W，使得该像素点I_ij位于窗口W的中心，并对窗口W中心的像素点I_ij施加适当的权重，且进一步对窗口W中的像素进行中心加权中值滤波可得：其中，W＝{(s,t)|‑h≤s≤h,‑h≤t≤h}；w◇I_ij表示复制w个中心像素I_ij；w＝2k+1表示添加中心像素值的个数；k为非负整数，且k＝0,1,...,S‑1；对于所述中心像素点I_ij，定义如下滤波差值：并引进一组阈值T_k，k＝0,1,...,S‑1且满足T_k‑1>T_k；其中，d_k≤d_k‑1，k≥1；如果差值d_k满足不等式d_k>T_k，k＝0,1,...,S‑1，则中心像素点I_ij就认为是被脉冲噪声污染；反之，则认为当前像素点是没有被噪声污染；设置自适应中心加权中值滤波器的输出为：通过所述设置的自适应中心加权中值滤波器对所述目标图像过滤，得到滤波处理后的图像；其中，为中心像素点I_ij的最终估计值；采用一个描述矩阵来记录随机脉冲噪声的位置，元素为1表示有脉冲噪声，0表示没有；所述步骤S2中“张量低秩‑稀疏分解模型”均通过方程组来实现；其中，P为当前图像块张量，L为当前图像块张量分解后的低秩张量，E为当前图像块张量分解后的稀疏张量。