[发明专利]基于平滑结构张量自适应的非局部全变分图像复原方法

权利要求书

1.基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，包括以下步骤：

基于平滑结构张量特征值导出的局部对比度，结合结构相似度，构建图像中两个像素之间的权值，该权值为两个像素之间的非局部相似性的度量；

基于两个像素之间的权值，构建正则项和数据保真项，并以最小化正则项和数据保真项之和为目标构建目标函数；

使用分裂布雷格曼数值迭代方法求解目标函数，获取复原后的图像。

2.根据权利要求1所述的基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，以最小化正则项和数据保真项之和为目标构建目标函数包括：

其中，Ω表示复原图像u或者含噪图像u₀的整个图像区域，变量x表示图像中的一个像素，是正则项，是数据保真项，λ(μ₁)是根据含噪声的图像u₀各点平滑结构张量主特征值计算得到的自适应的正则化参数。

3.根据权利要求2所述的基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，使用分裂布雷格曼数值迭代方法求解目标函数，即使用分裂布雷格曼数值迭代方法求解目标函数时将目标函数分解为子问题u和子问题d进行迭代求解，根据欧拉-拉格朗日方程求解子问题u，依据软阈值方法求解子问题d，子问题u表示为：

子问题d表示为：

其中，为非局部梯度算子，u₀为原始图像，u为复原后图像，b,d为辅助变量，β为辅助常量，k为迭代次数，λ(μ₁)为基于平滑结构张量主特征值μ₁的自适应正则化参数。

4.根据权利要求3所述的基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，子问题d的离散表达式为：

其中，为待复原像素点，为待复原像素点的邻域像素点，ω_ij为像素点i与像素点j之间的权值，像素点i为搜索窗口的中心，像素点j为一个邻域窗口的中心，像素点i为搜索窗口中除了i以外其他的像素点为中心构成邻域窗口；辅助变量b的初始值为0。

5.根据权利要求2所述的基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，正则项表示为：

其中，u(j),u(i)分别为恢复后的图像u在像素点j,i处对应的像素值，ω_ij为图像中像素i与像素点j之间的权值。

6.根据权利要求1或5所述的基于平滑结构张量自适应的非局部全变分图像复原方法，其特征在于，图像中两个像素之间的权值表示为：

其中，ω_ij为图像中像素i与像素j之间的权值，即含噪图像u₀中以像素i为中心、大小为s×s的搜索窗口，与以像素j为中心、大小为n×n的邻域窗口之间灰度和局部对比度的高斯加权距离，像素j为搜索窗口中除i外的任意一个像素点；表明求和范围是以i为中心或以j为中心邻域窗口内的所有像素，共n×n项；S＝1-ssim，其中ssim表示结构相似度；G_σ(c)表示标准差为σ的高斯核，u₀(i+c)表示以x为中心的邻域窗口中的某一像素的像素值，u₀(j+c)表示以j为中心的邻域窗口中的某一像素的像素值，lc(i+c)表示以i为中心的邻域窗口中的某一像素的局部对比度，lc(j+c)表示以j为中心的邻域窗口中的某一像素的局部对比度，h₁、h₂为调节权值函数大小的平滑参数，||.||为二范数；x+c表示以x为中心的窗口中的任意一个像素，x＝i时表示搜索窗口、x＝j时表示邻域窗口。