[发明专利]基于异质噪声特性的图像去噪方法、设备及介质

说明书

本公开实施例中提供了一种基于异质噪声特性的图像去噪方法、设备及介质，属于图像处理技术领域，具体包括：将初始图像对应的三维数据集转化为二维数据集，并将二维数据集进行归一化操作后分解，得到初始数据集；根据初始数据集计算概率密度分布函数，并建立分解模型；优化分解模型，得到对应的参数公式；将全部参数公式进行迭代，得到分解模型中各参数的值；得到目标图像；判断目标图像的质量是否符合标准；若是，则输出目标图像；若否，则继续进行迭代直到符合标准。通过本公开的方案，对图像数据进行预处理并建立服从目标数据集中每个像素点的分解模型，再经过迭代分解模型中各参数的值，输出去噪后的目标图像，提高了计算效率和去噪效果。

技术领域

本公开实施例涉及图像处理技术领域，尤其涉及一种基于异质噪声特性的图像去噪方法、设备及介质。

背景技术

目前，图像预处理在数字图像处理中占有很重要的地位，图像质量的好坏直接影响了图像的分类、识别和分割。其中，图像去噪是图像预处理的基本流程，图像去噪效果的好坏直接影响了图像后续的处理过程。随着科技的发展以及大数据时代的来临，图像去噪不单单是处理某一张图像，而是需要处理一整套图像数据集。现有图像去噪方法，是根据数据集中图像的相似性，提取出数据集的低秩子空间，去噪效果较差，或者使用混合高斯分布和混合指数幂分布刻画数据集中的噪声，导致计算量巨大。

可见，现有的图像去噪方法存在计算效率和去噪效果较差的问题。

发明内容

有鉴于此，本公开实施例提供一种基于异质噪声特性的图像去噪方法、设备及介质，至少部分解决现有技术中存在的计算效率和去噪效果较差的问题。

第一方面，本公开实施例提供了一种基于异质噪声特性的图像去噪方法，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。

根据本公开实施例的一种具体实现方式，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。

根据本公开实施例的一种具体实现方式，所述分解模型的表达式为τ_i～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。