[发明专利]一种混合噪声模型下的多分辨率快速去噪方法及装置

权利要求书

1.一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，包括：

S1.获取含噪图像后，建立与含噪图像对应的多层高斯金字塔和多层拉普拉斯金字塔；

S2.利用梯度下降法，依次进行多次迭代计算分别求解全变分正则化去噪目标函数，从而在最后一次迭代计算得到去噪图像；每一次迭代计算的输入图像分别为从高斯金字塔中选取的一层图像；第一次迭代计算的初值为从高斯金字塔中选取的一层图像，其余每一次迭代计算的初值根据上一次迭代计算的迭代结果和拉普拉斯金字塔计算得到。

2.根据权利要求1所述的一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，所述迭代计算的次数为三次，所述步骤S2具体包括：

S21.从高斯金字塔中选取一层分别作为第一次迭代计算的初值和输入图像，利用梯度下降法，进行第一次迭代计算求解全变分正则化去噪目标函数，从而得到第一中间结果；

S22.根据第一中间结果和拉普拉斯金字塔，计算得到第二次迭代计算的初值，从高斯金字塔中选取一层作为第二次迭代计算的输入图像，利用梯度下降法，进行第二次迭代计算求解全变分正则化去噪目标函数，从而得到第二中间结果；

S23.根据第二中间结果和拉普拉斯金字塔，计算得到第三次迭代计算的初值，从高斯金字塔中选取一层作为第三次迭代计算的输入图像，利用梯度下降法，进行第三次迭代计算求解全变分正则化去噪目标函数，从而得到去噪图像。

3.根据权利要求2所述的一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，所述高斯金字塔的建立方法为：

利用下式，根据含噪图像计算得到高斯金字塔每一层图像中像素点的灰度值，从而建立高斯金字塔：

式中，f(x,y)为含噪图像，I_i(x,y)为高斯金字塔第i层图像I_i中像素点(x,y)处的灰度值，Reduce(·)表示降采样操作，g为一大小为k×k的高斯模板，k为自定义参数，i为高斯金字塔各层的序号，m和n为求和参数。

4.根据权利要求3所述的一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，所述拉普拉斯金字塔的层数为三层，所述拉普拉斯金字塔的建立方法为：

利用下式，对高斯金字塔的多层图像分别进行插值，根据插值结果，得到拉普拉斯金字塔的每一层图像，从而建立拉普拉斯金字塔：

式中，T_i(x,y)为对高斯金字塔第i+1层的插值结果，L_i为拉普拉斯金字塔第i层图像，Expand(·)表示图像插值操作，i为高斯金字塔和拉普拉斯金字塔各层的序号，m和n为求和参数。

5.根据权利要求2所述的一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，所述步骤S21中，具体通过下式设置第一次迭代计算的初值：

式中，为第一次迭代计算的初值，I₂为高斯金字塔的第2层图像；

第一次迭代计算所用的迭代公式如下：

式中，J(·)为全变分正则化去噪目标函数，t为当前迭代轮次，d为下降步长，为引入小常数α后的全变分项，o'为用于防止分母过零的附加项，A为单位矩阵，迭代所得的u₂为第一中间结果。

6.根据权利要求2所述的一种混合噪声模型下的多分辨率快速去噪方法，其特征在于，所述步骤S22中，具体通过下式设置第二次迭代计算的初值：

式中，为第二次迭代计算的初值，为u₂经过双线性插值的结果，u₂为第一中间结果，β₁为权值系数，L₁为拉普拉斯金字塔第1层边缘图像；

第二次迭代计算所用的迭代公式如下：

式中，J(·)为全变分正则化去噪目标函数，t为当前迭代轮次，d为下降步长，为引入小常数α后的全变分项，o'为用于防止分母过零的附加项，A为单位矩阵，I₁为高斯金字塔的第1层图像，迭代所得的u₁为第一中间结果。