[发明专利]一种基于非局部相似性低秩矩阵的图像去除泊松噪声的方法

摘要

本发明公开了一种基于非局部相似性低秩矩阵的图像去除泊松噪声，包括以下步骤：(1)噪声分析根据泊松分布的联合概率密度函数和最大似然原理，得出去除泊松噪声相当于最小化KL‑散度函数，然后利用图像非局部相似块的先验知识作为正则项，进行稳定数值解；(2)建立模型：根据噪声分析，并结合后验概率公式，得出泊松低秩去噪模型如下：(3)去噪处理：根据泊松低秩去噪模型，通过优化知识，分别得出求解Fj和f的迭代式，然后经过交替迭代法得出最终解；(4)输出除噪图像。本发明根据图像非局部相似性，建立低秩矩阵去噪模型，利用秩最小化方法，不仅高效去除图像噪声，同时又尽可能保留图像的结构，纹理以及边缘等细节信息，获得较好的视觉效果。

主权项

1.一种基于非局部相似性低秩矩阵的图像去除泊松噪声的方法，包括以下步骤：(1)噪声分析：假设图像噪声服从独立泊松分布，根据泊松分布的联合概率密度函数和最大似然原理，得出去除泊松噪声相当于最小化KL‑散度函数，然后利用图像非局部相似块的先验知识作为正则项，进行稳定数值解；(2)建立模型：根据步骤1)中噪声分析，并结合后验概率公式，得出泊松低秩去噪模型如下：其中：DKL(f+b,g)是KL‑散度函数，Gjf表示图像相似块组成的包含噪声的矩阵，Fj表示对应相似块组成的低秩矩阵，f表示原始图像，b表示观测背景；g表示观测图像；η表示正则化参数；λj表示平衡后两项的参数；(3)去噪处理：根据步骤(2)建立的泊松低秩去噪模型，通过优化知识，分别得出求解Fj和f的迭代式，然后经过交替迭代法得出最终解；(4)输出除噪图像：在装有MATLAB软件的计算机上，对步骤(3)进行编程实现，将得到的结果通过图片的方式输出，即为去噪后的图像。