[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

说明书

本发明公开了一种混合噪声模型下的多分辨率快速去噪方法及装置，所述方法包括获取含噪图像后，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，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等步骤；所述装置包括用于存储至少一个程序的存储器，以及用于加载所述至少一个程序以执行本发明方法的处理器。本发明结合高斯金字塔和拉普拉斯金字塔的多次迭代计算，每次迭代计算可分别对应不同的图像分辨率来求解目标函数，而且每次迭代计算的初值来源于上一次迭代计算的结果以及拉普拉斯金字塔，既能够保证去噪效果，又减少求解的计算量，提高求解速度，优化计算效率。

技术领域

本发明涉及图像处理技术领域，尤其是一种混合噪声模型下的多分辨率快速去噪方法及装置。

背景技术

工业领域中，X射线图像检测作为一种无损、无接触和高分辨率的缺陷检测方法，是集成电路缺陷检测的一个重要手段，可以检测集成电路中的封装元器件焊点虚焊、导线和导线之间的压焊、线路的裂缝、孔洞和气泡等缺陷，有效解决集成电路封装过程中封装元器件内部缺陷难以检测的问题，保证集成电路封装的生产质量，在集成电路缺陷检测中具有极大的应用价值和经济效益。在医学领域，也经常使用X射线对病灶进行检测。X射线检测，是利用X射线穿透物体并由影像接收装置接收，记录X射线穿透物体各个不同部位发生能量衰减后的强度信息从而得到X射线图像。X射线穿透物体时的发生能量衰减的程度与经过物体部位的材料、密度、厚度等密切相关。

然而，X射线在成像过程中，会受到各种来源复杂的噪声污染。影响最大的噪声有X射线光子本身的分布噪声，以及图像采集设备等电子线路中自由电子随机热运动引起的热噪声。X射线光子在统计学上符合泊松分布，因此其本身带来的噪声可用泊松噪声模型描述，而热噪声可用高斯噪声模型描述。因此，X射线图像的噪声不能简单用单一的噪声模型来表示，它表现为高斯-泊松混合噪声。常见的X射线图像，如集成电路的微聚焦X射线图像中强烈的高斯-泊松混合噪声的存在，会导致图像中一些关键的细节信息特别是缺陷信息难以分辨，不能对缺陷和其它非缺陷部分进行快速分离，给集成电路的缺陷检测带来了困难，因此对聚焦X射线图像进行去噪处理并获得清晰、高质量的X射线图像十分重要。

常见的传统空间域或变换域去噪方法如中值滤波、均值滤波等通常针对单一特定的噪声，在平滑图像噪声的同时容易使边缘变得模糊，对含有强烈混合噪声的X射线图像无法取得令人满意的去噪效果。针对此问题，有人基于微焦点X射线成像过程，从高斯、泊松噪声相互独立的角度，在最大后验概率框架下建立了泊松高斯混合噪声模型，并引入了全变分正则化项来保持图像边缘，最终建立高斯-泊松混合噪声模型下的全变分正则化去噪目标函数。通过求解全变分正则化去噪目标函数，可以达到很好的去噪效果。

全变分正则化去噪目标函数为

全变分正则化去噪目标函数的前两项为数据保真项，最后一项为全变分正则化项。目标函数中的f为含噪原图，λ为正则化参数，k为图像的像素点序号，N为图像的像素点总数。求解使J(u)取最小值的u，也就是便得到去噪图像。通常使用迭代的方法对此目标函数进行多轮迭代，其中第t轮迭代的结果为u^t，从而求解出u，即去噪图像。

目标函数的现有迭代求解方法如下：对于目标函数中的F(u)的海森矩阵在u^t处近似为η^tE(η^t>0，E为单位矩阵)。对F(u)在u^t处进行二阶泰勒展开可以得到F(u)在u^t处的二阶近似F^k(u)：

将上式代入目标函数中，可以得到第t+1轮迭代的结果：

其中，η^t可用Barzilar-Borwein方法确定。