[发明专利]一种基于非参数化交替方向乘子法的图像去噪算法

说明书

本发明为一种基于非参数化交替方向乘子法的图像去噪算法，属于图像处理领域。该方法在交替方向乘子法的基础上，通过建立相应的损失函数并结合反向传播技术，可以自动地学习相关的参数，进一步求解得到高质量的去噪图像。本方法程序简单，易于实现；可以自动的学习相关的参数，避免了人工选择参数；只需训练少量样本就可以用于图像去噪，并且所需的算法迭代次数相对较少，一般20次以内就能够收敛到模型的最优解。

技术领域

本发明属于图像处理领域，涉及采用交替方向乘子法对带噪声的图像建模，并推导出基于交替方向乘子法可以自动更新参数的算法来对图像进行去噪。尤其涉及一种基于非参数化交替方向乘子法的图像去噪算法。

背景技术

在计算机视觉、信号处理以及其它的领域，图像去噪是一个基本的图像恢复问题。受复杂的电磁环境、电子设备及人为因素的影响，通常得到的是一些带有噪声的低质量图像，这往往给人们带来较差的视觉效果。图像去噪是一个数据处理过程，一个好的图像去噪算法可以得到较高质量的图像，我们可以利用得到的这些高质量图像来进行目标识别和图像分割等任务。现存的图像去噪方法大致可分为三类：局部滤波方法、全局优化算法以及基于学习的算法。局部滤波算法例如均值滤波、中值滤波以及变换域滤波等方法。这一类方法具有简单、易操作等优点，但往往得到的图像视觉效果较差。全局优化算法在过去几十年是一种主流算法，Bredies等提出了一个广义总变差模型(K.Bredies,K.Kunisch,andT.Pock,“Total generalized variation,”SIAMJ.Imag.Sci.,vol.3,no.3,pp.492–526,2010)，Perona等人从偏微分方程的角度提出了一个非线性扩散模型(P.Perona andJ.Malik,“Scale-space and edge detection using anisotropic diffusion,”Proc.IEEE Trans.Pattern Anal.Mach.Intell.,vol.12,no.7,pp.629–639,1990)。这一类图像优化算法通常能够得到较高质量的图像，但这些方法需要人工地选择合适的参数来得到满意的结果，而人工调参的过程往往是耗时耗力的。而基于学习的算法则克服了这一缺点，通过利用合适的优化算法并结合反向传播方法来自动地更新模型的参数。例如，Schmidt等在半二次规划方法的基础上利用高斯径向基函数得到了相应的收缩函数，通过串联这些收缩函数的收缩域并且学习模型的参数，可以达到较好的图像去噪效果(U.Schmidt and S.Roth,“Shrinkage fields for effective image restoration,”inProc.IEEE Conference on Computer Vision and PatternRecognition(CVPR),2015,pp.3791–3799)。不同于Schmidt等基于半二次规划方法来求解模型，我们的方法基于交替方向乘子法来建模(S.Boyd,N.Parikh,E.Chu,B.Peleato,and J.Eckstein,“Distributedoptimization and statistical learning via the alternatingdirection methodof multipliers,”Foundation and Trends in Machine Learning,vol.3,no.1,pp.1–122,2011)，这是因为交替方向乘子法往往使得模型求解变得更加简单，并且可以有更好的收敛性保证。

发明内容

本发明旨在解决克服现有技术的不足，提供一种基于非参数化交替方向乘子法的图像去噪算法。本方法在交替方向乘子法的基础上，通过建立相应的损失函数并结合反向传播技术，可以自动地学习相关的参数，进一步求解得到高质量的去噪图像。

本发明采取的技术方案是，一种基于非参数化交替方向乘子法的图像去噪算法，所述方法包括下列步骤：

第一步，准备初始数据；

初始数据包括带有不同噪声水平的低质量灰度图，以及相应的真实灰度图。