[发明专利]一种混合噪声去除方法、装置、电子设备和存储介质在审

专利信息
申请号: 202010213383.6 申请日: 2020-03-24
公开(公告)号: CN111402173A 公开(公告)日: 2020-07-10
发明(设计)人: 董惠雯;禹晶;郭乐宁;肖创柏 申请(专利权)人: 北京工业大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 陈新生
地址: 100022 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 混合 噪声 去除 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种混合噪声去除方法,其特征在于,包括:

将相似图像块组矩阵输入混合噪声去除模型,输出去噪图像块组矩阵;

其中,所述混合噪声去除模型是基于双加权lp范数与全变分进行构建。

2.根据权利要求1所述的混合噪声去除方法,其特征在于,所述将相似图像块组矩阵输入前,还包括:

对观测图像采用中值滤波进行预处理,生成预处理图像;

在所述观测图像与所述预处理图像中以重叠划分的方式抽取图像块;

在所述预处理图像中计算图像块间的欧氏距离,并在观测图像中取出欧氏距离最小的K个图像块形成一个相似图像块集合;

将所述相似图像块集合中的图像块进行向量化表示,生成相似图像块组矩阵表示第i个图像块的第j个相似图像块,c为图像块尺寸的开方。

3.根据权利要求1所述的混合噪声去除方法,其特征在于,述混合噪声去除模型是基于双加权lp范数与全变分进行构建,具体包括:

根据分解公式将所述相似图像块组矩阵分解为低秩矩阵与稀疏噪声矩阵;

所述分解公式为:

L为低秩矩阵,S为稀疏噪声矩阵,X为相似图像块组矩阵,λt、λl和λs为平衡全变分正则项、低秩正则项与稀疏正则项之间的权重,TV(L)为全变分正则项,低秩正则项σi(L)为矩阵L的第i个奇异值,0<p≤1,权值对角矩阵Ω=diag(ω1,ω2,…,ωr),r为矩阵奇异值数量,Sp为k:表示矩阵Sp范数(Schatten p-norm,0p1),为σi(L)的权值,∈为趋近于0的常数,稀疏正则项si,j为矩阵S中的元素,0<q≤1,权值矩阵为si,j的权值;

引入辅助变量V,转换为非精确增广拉格朗日形式;

所述非精确增广拉格朗日形式为:

V为辅助变量,Y1和Y2为拉格朗日乘子,μ为惩罚系数,k:kF表示矩阵的F范数。

4.根据权利要求1所述的混合噪声去除方法,其特征在于,所述混合噪声去除模型

利用非精确增广拉格朗日乘子法交替迭代求解。

5.根据权利要求3所述的混合噪声去除方法,其特征在于,所述低秩矩阵,具体包括:

k为迭代次数。

6.根据权利要求3所述的混合噪声去除方法,其特征在于,所述稀疏噪声矩阵,具体包括:

k为迭代次数。

7.根据权利要求1所述的混合噪声去除方法,其特征在于,所述输出去噪图像块组矩阵之后,还包括:

将所述去噪图像块组矩阵之间的重叠区域通过取平均抑制图像块效应进行重建,将重建的去噪图像块按照其在观测图像中的位置放回,形成一幅去噪重建图像。

8.一种混合噪声去除装置,其特征在于,包括:

输出模块,用于将相似图像块组矩阵输入混合噪声去除模型,输出去噪图像块组矩阵;

其中,所述混合噪声去除模型是基于双加权lp范数与全变分进行构建。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的混合噪声去除方法的步骤。

10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的混合噪声去除方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010213383.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top