[发明专利]一种置换混叠图像的盲分离方法

说明书

技术领域

本发明涉及一种置换混叠图像的盲分离方法。属于盲源分离法处理数字图像的领域。

背景技术

盲分离是对观测信号和混合模型均无法获知的情况下，从众多混合信号中将不同的源信号分离的方法，是近年来信号处理领域研究的热点之一。盲分离也经常用于图像处理方面，主要是用于分离被置换混叠的图像，从而还原图像的真实性。关于对置换混叠图像的盲分离方法主要是通过致力于提取置换图像的具体特征，如果置换图像是多个图像，且经过多种不同方式处理过时，通过这种方式就无法准确的将图像分离。

现有技术中关于对图形盲分离的方法，如中国专利文献中申请号201210041421.X，公布日为2013.09.11，发明名称为《基于反馈机制的抗混合噪声的盲图像源分离方法》中，利用小波变换对混合图像信号稀疏化，通过线性聚类的方法估计出系统的混合矩阵，经过反馈多次对图像进行盲分离，直到最终分离出混合噪声的图像。上述发明在求解估计混合矩阵过程中会损失部分图像特征信息。而且，该发明利用反馈机制对图像进行多次盲分离，不仅求解过程繁琐，而且会使图像盲分离法的鲁棒性下降。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种针对置换混叠图像的盲分离方法，通过利用差值运算优化选取最优阈值的算法，解决了对于含不同噪声标准差的置换混叠图像分离准确性低和鲁棒性差的问题。

本发明是通过如下方案予以实现的：

一种置换混叠图像的盲分离方法，原图像L(i,j)的部分图像被含有噪声的置换图像S(i,j)置换，得到混叠图像Z(i,j)，步骤如下：

步骤1，对混叠图像Z(i,j)进行去噪处理，得到去噪图像

步骤2，将混叠图像Z(i,j)与去噪图像作差得到图像差序列Z_sub(i,j)，图像差序列Z_sub(i,j)包含由置换图像S(i,j)产生的噪声误差S_error；

步骤3，对图像差序列Z_sub(i,j)作归一化处理得到图像Z'_sub(i,j)，将图像Z'_sub(i,j)分成m×n个子块，其中，m≥1，n≥1；

步骤4，图像Z'_sub(i,j)的部分区域作为参照区域，参照区域依据设定区域进行选取，所述参照区域和图像Z'_sub(i,j)的每个子块通过作差来设定目标函数，依据目标函数求得阈值向量V＝{V₁,V₂…,V_i,V_m×n}；

步骤5，噪声误差S_error与每个子块的阈值向量V作比较，根据比较结果对混叠图像Z(i,j)中的原图像L(i,j)与置换图像S(i,j)进行分离。

进一步的，步骤1所述的去噪处理中，利用对混叠图像Z(i,j)稀疏表示的方式进行去噪。

进一步的，稀疏表示采用KSVD字典学习法。

进一步的，步骤3所述的归一化的方法采用对数函数法，表达式如下：

Z"_sub(i,j)＝log₁₀{1+{Z_sub(i,j)-[Z_sub(i,j)]_min}}(1)

式(1)中[Z_sub(i,j)]_min表示图像差序列Z_sub(i,j)的最小值，式(2)中[Z"_sub(i,j)]_max表示序列Z"_sub(i,j)的最大值。

进一步的，步骤4所述设定区域中，设定区域处的差序列值是图像Z'_sub(i,j)中差序列值明显大的部分。

进一步的，步骤4所述的目标函数F_cost(V)表达式为：

式(3)中D_mn表示图像Z'_sub(i,j)差序列的参照区域；B(V_mn)_mn表示图像Z'_sub(i,j)分成的每个子块。

进一步的，步骤4所述的阈值向量V中，对目标函数通过差分进化算法的初始化、变异、交叉和选择，获取的目标函数最小值即为阈值向量V。