[发明专利]基于全变分和低秩方向稀疏约束的图像条带噪声去除算法

权利要求书

1.一种基于全变分和低秩方向稀疏约束的图像条带噪声去除算法，其特征在于，包括以下步骤：

步骤一：读取待去噪的遥感图像，所述遥感图像为含有条带噪声的退化图像；

步骤二：采用全变分模型和低秩方向稀疏约束分别对所述退化图像对应的真实图像和条带噪声图像添加相应的约束，建立遥感图像去条带噪声的约束模型，所述约束模型为数据保真项、真实图像先验的正则化项和条带噪声图像先验的正则化项之和；

步骤三：固定条带噪声图像的先验信息，求解所述约束模型中的真实图像的先验信息，得到图像先验信息；

步骤四：固定真实图像的先验信息，求解所述约束模型中的条带噪声图像的先验信息，得到噪声先验信息；

步骤五：根据所述图像先验信息和所述噪声先验信息对所述约束模型及其拉格朗日乘子进行更新，更新后返回步骤三，进行循环迭代，直至所述图像先验信息和所述噪声先验信息满足循环截止条件后，执行步骤六；

步骤六：输出求解得到的真实图像以及噪声图像。

2.根据权利要求1所述的一种基于全变分和低秩方向稀疏约束的图像条带噪声去除算法，其特征在于，采用全变分模型对所述真实图像添加约束，其约束项可表达为：

R(I)＝λ₁||D_xI||₁+λ₂||D_yI||₁ (3)

其中，D_x和D_y分别表示x方向和y方向的一阶导数，I为真实图像，λ₁和λ₂为正参数；

在步骤三中，求解所述约束模型中的真实图像的先验信息，得到的图像先验信息可表达为：

其中：

在步骤五中，按照如下公式更新拉格朗日乘子：

其中，表示快速傅里叶变换，表示快速傅里叶逆变换，J₁和J₂表示拉格朗日乘子，β为正参数，soft_shrink表示软阈值收缩求解。

3.根据权利要求2所述的一种基于全变分和低秩方向稀疏约束的图像条带噪声去除算法，其特征在于，采用低秩方向稀疏约束对所述条带噪声图像添加约束，其约束项可表达为：

R(S)＝γ₁||S||_*+γ₂||D_yS||₀+γ₃||D_x(F-S)||₁ (7)

其中，S表示条带噪声图像，F表示退化图像，γ₁、γ₂和γ₃为正参数；

在步骤四中，求解所述约束模型中的条带噪声图像的先验信息，得到的噪声先验信息可表达为：

其中：

W^k+1＝U(soft_shrink(∑,γ₁))V^T (22)

在步骤五中，按照如下公式更新拉格朗日乘子：

其中，F-I＝U∑V^T是矩阵F-I^k+1的奇异值分解，∑_ii是奇异值矩阵∑的对角线元素，J₃、J₄和J₅为拉格朗日乘子，μ为正参数，hard_shrink表示硬阈值收缩求解。

4.根据权利要求3所述的一种基于全变分和低秩方向稀疏约束的图像条带噪声去除算法，其特征在于，所述循环截止条件为：