[发明专利]高斯与脉冲混合噪声去除方法及其装置

说明书

技术领域

本发明涉及影像处理技术领域，尤其涉及一种高斯与脉冲混合噪声去除方法及其装置。

背景技术

去噪问题一直是图像处理领域的研究热点。矩阵填充理论，可通过先探测出孤立的噪声点，并将剩余的可靠像元信息作为采样元，来重构出原始低秩影像信息；它对于脉冲噪声尤其是椒盐噪声的去除具有较好的优势，但是对于高斯噪声却无能为力。而在实际的影像中，往往存在各种噪声混存的情况，其突出的表现又是脉冲噪声和高斯随机噪声的混合。而现有技术中比较常用的混合噪声去除法存在着去噪不彻底，且对原始影像中规则纹理与相似结构内容等低秩信息的保留效果不完好的缺陷。

发明内容

本发明的目的之一是：解决现有技术中对混合噪声的去除效果不理想的技术问题，提供一种高斯与脉冲混合噪声去除方法。本发明的高斯与脉冲混合噪声去除方法，包括如下步骤：

步骤s101，从受破坏的低秩观测矩阵中筛选出脉冲噪声点；

步骤s102，将剩余的像元信息作为可利用元素，并将包含在所述可利用元素中的高斯噪声作为大破坏幅值较为稀疏的误差矩阵；

步骤s103，利用基于拓展的分部拉格朗日乘数法的低秩矩阵恢复法进行去噪恢复。

本发明的方法对于低秩影像中的混合噪声能够很好地去除并精确地重构出原始影像，且对纹理及边缘细节信息能够较好地保留。

作为一种举例，在所述步骤s103中，利用基于拓展的分部拉格朗日乘数法的低秩矩阵恢复法进行去噪恢复包括：首先预测主奇异空间的维数，然后计算那些比规定阈值大的奇异值及其相应的奇异向量，同时将误差矩阵拆分成稀疏误差矩阵和误差补偿矩阵，并进行分部求解最优。

本发明又一目的是：解决现有技术中对混合噪声的去除效果不理想的技术问题，提供一种高斯与脉冲混合噪声去除装置。本发明的高斯与脉冲混合噪声去除装置，包括：脉冲噪声筛选单元，用于从受破坏的低秩观测矩阵中筛选出脉冲噪声点；误差矩阵生成单元，用于将剩余的像元信息作为可利用元素，并将包含在所述可利用元素中的高斯噪声作为大破坏幅值较为稀疏的误差矩阵；去噪恢复单元，用于利用基于拓展的分部拉格朗日乘数法的低秩矩阵恢复法进行去噪恢复。

本发明的装置对于低秩影像中的混合噪声能够很好地去除并精确地重构出原始影像，且对纹理及边缘细节信息能够较好地保留。

作为一种举例，在所述去噪恢复单元中，利用基于拓展的分部拉格朗日乘数法的低秩矩阵恢复法进行去噪恢复包括：首先预测主奇异空间的维数，然后计算那些比规定阈值大的奇异值及其相应的奇异向量，同时将误差矩阵拆分成稀疏误差矩阵和误差补偿矩阵，并进行分部求解最优。。

附图说明

图1是本发明高斯与脉冲混合噪声去除方法的方法流程图；

图2是关于MCCS问题的ASLM算法的相变曲线示意图；

图3是利用本发明的高斯与脉冲混合噪声去除方法及利用现有技术其他方法去除经典的Mondrian格子图中的混和噪声的对比效果示意图；

图4是利用本发明的高斯与脉冲混合噪声去除方法及利用现有技术其他方法去除纹理特征较为规则且丰富的Barbara图中的混和噪声的对比效果示意图；

图5是本发明高斯与脉冲混合噪声去除装置的原理框图。

具体实施方式

下面结合附图对本发明的优选实施例进行详细说明。

参照图1，步骤s101，从受破坏的低秩观测矩阵中筛选出脉冲噪声点；

低秩矩阵在大规模数据分析与降维处理中扮演着重要的作用，这主要因为属于低秩矩阵的结构数据通常被用来逼近一个常规矩阵，或被用于恢复受污染的或缺损的数据，而从数学角度来讲，这些实际问题可以归结为低秩矩阵恢复理论。

对于高维数据处理、分析、压缩和可视化，主成分分析方法是一种很受欢迎的手段，并在科学工程领域有着广泛的应用。经典主成分分析（Principal Component Analysis，PCA）的目标就是准确有效地估计给定高维数据矩阵的低维子空间即最佳的低秩表达（从l²意义上）。估计这个低维子空间的数学模型就是要寻找一个低秩矩阵A^m×n，以使得其与观测数据矩阵D^m×n之间的差异最小化，这就带来了以下的受约束的最优化问题：