[发明专利]基于异质噪声特性的图像去噪方法、设备及介质

权利要求书

1.一种基于异质噪声特性的图像去噪方法，其特征在于，包括：

将初始图像对应的三维数据集转化为二维数据集，并将所述二维数据集进行归一化操作后分解，得到初始数据集，其中，所述初始数据集包括第一矩阵和第二矩阵；

根据所述初始数据集计算概率密度分布函数，并根据所述概率密度分布函数建立服从所述目标数据集中每个像素点的分解模型；

利用变分贝叶斯方法优化所述分解模型，得到所述分解模型各参数对应的参数公式；

将全部所述参数公式进行迭代，得到所述分解模型中各参数的值；

根据所述分解模型中各参数的值计算所述第一矩阵对应的向量和所述第二矩阵对应的向量，得到目标图像；

判断所述目标图像的质量是否符合标准；

若所述目标图像的质量符合标准，则输出所述目标图像；

若所述目标图像的质量不符合标准，则继续进行迭代直到所述目标图像的质量符合标准。

2.根据权利要求1所述的方法，其特征在于，所述概率密度分布函数为z_ij～IG(a₀，b₀)，其中，x_ij为所述初始数据集的每一个像素点，u_i和v_j分别为所述第一矩阵和所述第二矩阵的第i行和第j列向量，z_ij为高斯分布的方差，a₀和b₀为预设常数。

3.根据权利要求2所述的方法，其特征在于，所述分解模型的表达式为τ_u～G(c₀，d₀)，τ_v～G(e₀，f₀)，其中，τ_u为u_i的先验分布，τ_v为v_j的先验分布，c₀、d₀、e₀和f₀均为预设常数。

4.根据权利要求3所述的方法，其特征在于，所述利用变分贝叶斯方法优化所述分解模型，得到所述分解模型各参数对应的参数公式的步骤，包括：

根据所述变分贝叶斯方法计算所述分解模型各参数的后验分布；

分别根据所述分解模型各参数的后验分布计算所述分解模型各参数的迭代公式；

将所述迭代公式作为所述分解模型各参数对应的参数公式。

5.根据权利要求4所述的方法，其特征在于，所述分解模型参数中u_i的后验分布和v_j的后验分布为高斯分布的后验分布均为高斯分布；

τ_u的后验分布和τ_v的后验分布为伽马分布；

z_ij的后验分布为逆伽马分布。

6.根据权利要求1所述的方法，其特征在于，所述判断所述目标图像的质量是否符合标准的步骤，包括：

判断所述目标图像的均方根误差是否小于或等于阈值；

若所述目标图像的均方根误差小于或等于所述阈值，则判定所述目标图像的质量符合标准；

若所述目标图像的均方根误差大于所述阈值，则判定所述目标图像的质量不符合标准。

7.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的基于异质噪声特性的图像去噪方法。

8.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-6中任一项所述的基于异质噪声特性的图像去噪方法。