[发明专利]一种基于正则图拉普拉斯变换的视觉降噪处理方法

说明书

本发明公开了一种基于正则图拉普拉斯变换的视觉降噪处理方法，本发明引入图正则化稀疏编码方法，还利用能够表示图像整体结构信息的拉普拉斯图的特征向量，通过将其参与到对图像块稀疏编码的过程，构建了一种新的基于拉普拉斯图特征向量的稀疏编码模型，从而实现了图像的降噪。

技术领域

本发明涉及图像处理领域，具体涉及一种基于正则图拉普拉斯变换的视觉降噪处理方法。

背景技术

视觉图像中，图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。噪声的存在严重影响了遥感图像的质量，因此在图像增强处理和分类处理之前，必须予以纠正。图像中各种妨碍人们对其信息接受的因素即可称为图像噪声。噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。目前大多数数字图像系统中，输入图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工变换。最后往往还要再组成多维图像信号，而图像噪声也将同样受到这样的分解和合成。在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面图像只是传输视觉信息的媒介，对图像信息的认识理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉程度是不同的，这就是所谓人的噪声视觉特性课题。图像噪声在数字图像处理技术中的重要性越来越明显，如高放大倍数航片的判读，X射线图像系统中的噪声去除等已经成为不可缺少的技术步骤。

图像的稀疏表示具有坚实的生物背景，它最早源于“有效编码假说”。若信号在某个基越稀疏，那么所需要的采样量则越少。因此，压缩感知理论中的一个重要的问题就是稀疏基的选取。稀疏表示的好处就在于，非零系数揭示了信号与图像的内在结构与本质属性，同时非零系数具有显式的物理意义。

本发明公开了一种基于正则图拉普拉斯变换的视觉降噪处理方法，本发明引入图正则化稀疏编码方法，还利用能够表示图像整体结构信息的拉普拉斯图的特征向量，通过将其参与到对图像块稀疏编码的过程，构建了一种新的基于拉普拉斯图特征向量的稀疏编码模型，从而实现了图像的降噪。

发明内容

针对上述现有技术的不足，本发明提供了一种基于正则图拉普拉斯变换的视觉降噪处理方法，本发明引入图正则化稀疏编码方法，还利用能够表示图像整体结构信息的拉普拉斯图的特征向量，通过将其参与到对图像块稀疏编码的过程，构建了一种新的基于拉普拉斯图特征向量的稀疏编码模型，从而实现了图像的降噪。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于正则图拉普拉斯变换的视觉降噪处理方法，包括如下步骤：

S1、获取待处理图像；

S2、对待处理图像进行采样获取多个待处理图像块，构建待处理图像块矩阵；

S3、构建待处理图像块矩阵对应的拉普拉斯矩阵；

S4、基于拉普拉斯矩阵构建正则图稀疏编码降噪模型；

S5、更新正则图稀疏编码降噪模型中的字典及稀疏系数；

S6、基于更新后的正则图稀疏编码降噪模型对待处理图像块矩阵进行处理，得到去噪图像块矩阵；

S7、以去噪图像块覆盖待处理图像中对应的待处理图像块，计算取代过程中每个像素点覆盖的去噪图像块的个数；

S8、基于权值、对应去噪图像块的像素值及每个像素点覆盖的去噪图像块的个数，对每个像素点进行加权计算得到每个像素点的像素值，生成去噪图像。

优选地，步骤S2中：