[发明专利]一种基于图像低秩性的迭代降噪方法

说明书

技术领域

该方法涉及计算机信息技术领域，具体地涉及图像处理，计算机视觉领域。

背景技术

受成像条件和外界干扰因素的影响，图像在获取、压缩、传输过程中会产生不同程度的噪声，它降低了图像的视觉质量并且影响图像的后续处理，所以图像的降噪已经在图像处理和计算机视觉等领域得到了较大的关注。

在研究方面，有学者采用估算方法和小波系数提出基于小波变换的去噪方法，也有学者采用广义高斯分布对小波系数进行建模，然后利用贝叶斯估计导出图像收缩系数进行降噪，也有学者利用小波系数尺度间的依赖性建立双变量去噪模型，还有研究员根据剪切波系数间的方向相关性对系数进行建模，提出了基于剪切波变换的三变量去噪方法,该方法能够在有效抑制噪声的同时较好地保持图像的边缘和纹理.然而，上述基于多尺度几何变换的去噪方法尽管能够较好地处理图像中的线奇异，但对图像的自适应表示能力仍有待提高且字典的学习过程比较复杂。

目前，图像的自相似性已逐渐被纳入视线，其主要表现为图像中存在大量的相似像素,这些像素的位置不一定是相邻的,但其灰度和结构特征通常是非常相似的。利用像素间的这种相似性通过对含噪图像中的相似像素进行加权平均来抑制噪声,实验结果表明,自相似性的利用可以改善去噪后图像的视觉质量。为了更加有效地利用图像自相似性，可将图像分解为许多小的图像分块，并根据图像块间的相似性将其分组,每组相似块可通过块向量化处理生成相似块矩阵；采用最小均方差估计和正则化方法对相似块矩阵进行估计，以达到抑制噪声的目的。由于相似块矩阵的列向量间具有较强的相关性，使得对该矩阵进行小波变换时其表示系数具有很好的稀疏性。如何充分利用图像自身所包含的先验信息是构造去噪方法的关键，图像的自相似性意味着由相似图像块所构成的相似块矩阵的列向量间具有较高的相关性，因此相似块矩阵的秩通常是比较低的。利用图像的这种低秩性可以非常方便地抽取出图像数据的核心信息，从而有助于实现图像与噪声的分离。鉴于此，本方法利用图像自相似性所隐含的低秩性，通过最小方差估计理论导出一种图像去噪方法。

发明内容

针对上述不足之处，本发明提出了一种基于图像低秩性的迭代降噪方法，该方法利用图像自相似构造具有低秩性的相似块矩阵，从而将图像去噪问题转化为低秩矩阵估计问题，基于最小方差估计理论导出了一种有效的图像去噪方法，同时,针对少量噪声残留问题，采用迭代方法进一步提高方法的去噪性能。充分利用图像所含的冗余信息以达到去噪的目的，采用的奇异值分解对相似图像块具有一定的自适应表示能力。

本发明的目的是：提高图像的降噪能力，使得图像的视觉质量更好。

本发明为实现上述目的所采用的的技术方案是：一种基于图像低秩性的迭代降噪方法。该方法的实施步骤如下：

步骤一：输入含噪图像Y；

步骤二：利用绝对离差中值法估计图像的Y(或者)的噪声水平τ；

步骤三：对图像Y(或者)进行分块处理，并对每个图像块依据算法找出相似图像块，从而形成C个相似块块矩阵

步骤四：对每一个相似块矩阵P_j，计算其含噪相似块矩阵P_j的估计值

步骤五：计算所含图像块的权值w_j；

步骤六：利用图像块的估计值重构图像

步骤七：利用式12生成新的含噪图像

步骤八：重复步骤二到步骤七，直到图像达到理想水平；

步骤九：输出去噪后的图像

本发明的有益效果是：1、具有较高的PSNR值；2具有较高的FSIM(结构相似度)；3、提高视觉效果；4保持图像细节。

具体实施方式

一、问题描述

在图像表示中，令Y表示含有噪声的图像，X表示理想图像，N表示标准差为τ的高斯白噪声，则图像可以描述为：Y＝X+N。

由此可以看出，去噪就是要降低N的值，难度在于如何在降噪过程中保留图像的边缘和纹理等细节特征。