[发明专利]一种应用于图像去噪的多参数取值调优方法

说明书

本发明公开了一种应用于图像去噪的多参数取值调优方法，给定目标复杂度C_budget，在保持其他参数取值不变的情况下，分别计算多个参数当前取值与其下一个候选值的能效比，确定能效比最大的参数，将其候选值调整为当前值，即完成一次参数调优；每完成一次参数调优，需计算当前参数组合复杂度，判断此时的参数组合复杂度是否符合目标复杂度约束，若不满足，执行前述步骤继续进行参数调优，直到满足给定复杂度约束，停止调整。

技术领域

本发明属于图像处理领域，具体是一种应用于图像去噪的多参数取值调优方法。

背景技术

在图像处理领域，图像去噪一直是研究的重点和难点。它是进行图像分割、特征提取等后续处理的前提。目前大多数图像去噪算法不断追求去噪性能，忽略了算法计算复杂度的考虑。在实际应用中，算法复杂度也是重要的影响因素。不同应用场景对算法性能和复杂度的需求不同。例如，当我们希望图像去噪做到实时，高复杂度算法就无法满足我们的需求。因此我们需要对复杂度较高的去噪算法进行优化。

基于NLM(non-local means)和迭代的算法框架普遍应用于图像去噪算法中，其性能较优但复杂度较高。非局部均值(NLM)算法利用了自然图像的信息冗余。在图像去噪时，除了利用像素点的周围邻域位置的像素，同时也考虑非邻域的其他位置，能更好地去除图像中的噪声。而迭代则能解决图像去噪引起的过平滑现象，防止图像丢失边缘和纹理信息。将去噪图像与噪声图像进行加权求和，得到新的含噪声图像，开始下一次NLM去噪迭代。多次迭代后，得到最终的去噪图像。这种迭代方法可以在消除图像噪声同时很好地保留图像细节。

上述框架去噪算法最终的复杂度和去噪性能表现，由一系列算法关键参数共同影响确定。实现参数的不同取值组合，算法表现出不同的计算复杂度和去噪性能。在实际应用中，去噪算法的计算复杂度通常是受限的。假设给定需求应用场景的计算复杂度，如何快速准确地确定算法众多参数的取值是一个共性问题。可采取穷尽搜索的方法，尝试多参数的所有可能候选值，找到性能较优且复杂度较低的参数组合，但该搜索过程费时费力，且结果不具有通用性。目前，文献里基本根据经验对这些参数进行配置。

发明内容

本发明针对这个问题，提出一种应用于图像去噪的多参数取值调优方法，可快速有效地对参数进行优化，找到性能较优且复杂度较低的参数组合。典型的多参数图像去噪算法有NCSR、SSC-GSM和BM3D算法等。

本发明提供了一种应用于图像去噪的多参数取值调优方法，给定目标复杂度C_budget，在保持其他参数取值不变的情况下，分别计算多个参数当前取值与其下一个候选值的能效比，确定能效比最大的参数，将其候选值调整为当前值，即完成一次参数调优；

每完成一次参数调优，需计算当前参数组合复杂度，判断此时的参数组合复杂度是否符合目标复杂度约束，若不满足，执行前述步骤继续进行参数调优，直到满足给定复杂度约束，停止调整。

进一步的，具体包括如下步骤：

a)初始化参数：假设有M个待优化参数P₁,P₂,…,P_m,…,P_M，第m个参数有n_m个可能的离散候选取值；k_m为第m个参数的取值索引值，k_m＝1～n_m中某个值；每个参数的取值记录为V_km；将各参数设置为算法的默认取值，做为参数调优的初始值；计算默认取值组合的性能q和复杂度C。给定目标复杂度C_budget；