[发明专利]一种图像去噪方法及装置

权利要求书

1.一种图像去噪方法，其特征在于，包括以下步骤：

步骤S1，构造基于自适应边缘检测算法的混合偏微分图像去噪模型，该模型利用分数阶边缘检测函数加权的方式结合ROF和LLT两种去噪模型；

步骤S2，根据图像的特征信息通过花授粉算法确定图像分数阶边缘函数的最优阶次v；

步骤S3，对所述去噪模型进行求解，输出去噪后图像u。

2.根据权利要求1所述的图像去噪方法，其特征在于，

所述混合偏微分图像去噪模型的能量函数如下：

其中，g是分数阶边缘检测函数：

式中，Ω为去噪后图像u(x,y)的定义域；

u₀为含噪图像；

u为去噪后图像；

λ为Lagrange权重参数；

▽u为图像的梯度；

u_xx，u_xy，u_yx，u_yy均为去噪后图像u(x,y)的二阶导数；

γ＞0是为了保证g＜1而加的一个正数；

k＞0是对比度系数；

v是一个X×Y维阶次矩阵；

|D^vu₀|是图像u₀的分数阶梯度向量模。

3.根据权利要求2所述的图像去噪方法，其特征在于，

4.根据权利要求1所述的图像去噪方法，其特征在于，所述根据图像的特征信息通过花授粉算法确定分数阶阶次v，包括以下步骤：

步骤S21，设置花粉配子的个数n，随机初始化花粉配子的位置x_i∈[0,2]、迭代次数d以及转换概率p；

步骤S22：根据公式15计算每个配子的局部最优值，计算每个花粉配子的适应度值，根据适应度值确定某个局部最优值作为全局最优值，其对应的位置为配子的全局最优值的位置，

v＝argmax[P(v)+S(v)-M(v)] (15)

其中，P，S和M分别表示图像的峰值信噪比、结构相似度和平均绝对误差；

步骤S23，判断是否达到了迭代次数，若达到迭代次数转到步骤S24，若没有达到迭代次数，则迭代次数加1，更新花粉配子的位置，并返回步骤S22；

步骤S24，输出全局最优解，即找到用于图像分数阶边缘函数的最优阶次v。

5.根据权利要求4所述的图像去噪方法，其特征在于，所述根据适应度值确定某个局部最优值作为全局最优值，是指最大的局部最优值作为全局最优值。

6.根据权利要求4所述的图像去噪方法，其特征在于，

峰值信噪比PSNR为：

结构相似度SSIM为：

平均绝对误差MAE为：

式中，(x,y)表示图像的大小，x和y分别表示图像的长和宽，图像的特征信息是μ_x和σ_x分别表示x的均值和方差，μ_y和σ_y分别表示y的均值和方差，σ_xy表示x和y的协方差，c₁和c₂表示稳定方程的常数。