[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

说明书

本发明实施例提供一种混合噪声去除方法、装置、电子设备和存储介质。所述方法包括：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l_p范数与全变分进行构建。本发明实施例通过基于双加权l_p范数与全变分进行构建混合噪声去除模型，为图像成分的估计提供了更准确的约束条件，在椒盐与高斯噪声混合的情况下，具有更好的复原性能。

技术领域

本发明涉图像处理领域，尤其涉及一种混合噪声去除方法、装置、电子设备和存储介质。

背景技术

图像噪声是指感光器件接收光信号并输出的过程中产生的异常像素。图像噪声会造成图像的降质，影响到人眼视觉对图像信息的感知，为图像融合、分割以及图像特征提取等后续处理带来困难。图像去噪的任务是抑制噪声对图像的影响，同时保持图像的真实性。高斯噪声与椒盐噪声是两种比较常见的图像噪声，具有不同的特性。数字图像中高斯噪声主要来源于采集过程中由低照度、高温引起的传感器噪声，以及传输过程中产生的电子电路噪声。高斯噪声的幅值服从高斯分布，高斯分布的方差越大，表明噪声强度越大。椒盐噪声主要源于电荷耦合器件的坏点或远距离传输的脉冲干扰。脉冲干扰通常比图像信号的强度大，在图像中脉冲噪声总是数字化为最大值(纯黑或纯白)。受盐噪声干扰的像素值为整幅图像中最大的灰度值，受椒噪声干扰的像素值为整幅图像中最小的灰度值。椒盐噪声表现为图像中随机出现的黑色或者白色的像素点，黑色为椒噪声，白色为盐噪声。噪声干扰的像素数占总像素数的比例即椒盐噪声概率，椒盐噪声概率越大，噪声强度越大。

根据图像中是否包含多种类别的噪声，图像去噪问题可分为单一噪声去除与混合噪声去除，去除图像中的混合噪声难度更大，且去噪难度与噪声强度成正比。主成分分析模型(Principle component analysis，PCA)是一种广泛使用的数据分析工具，可以有效抑制图像中的高斯噪声，但是对图像中严重损毁的像素值非常敏感，不适用于去除椒盐噪声。

因此，如何提出一种方法，能够实现对图像成分的估计更准确的约束条件，在椒盐噪声与高斯噪声混合的情况下，具有更好的图像复原性能，成为亟待解决的问题。

发明内容

针对现有技术中的缺陷，本发明实施例提供了一种混合噪声去除方法、装置、电子设备和存储介质。

第一方面，本发明实施例提供了一种混合噪声去除方法，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l_p范数与全变分进行构建。

第二方面，本发明实施例提供一种混合噪声去除装置，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l_p范数与全变分进行构建。

第三方面，本发明实施例提供了一种电子设备，包括：

至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的混合噪声去除方法。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的混合噪声去除方法。

本发明实施例提供的混合噪声去除方法、装置、电子设备和存储介质，通过基于双加权l_p范数与全变分进行构建混合噪声去除模型，为图像成分的估计提供了更准确的约束条件，在椒盐与高斯噪声混合的情况下，具有更好的复原性能。