一种基于多方向全变分的图像去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112508807A(43)申请公布日2021.03.16(21)申请号202011350640.7(22)申请日2020.11.26(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人朱树元尹诗颖王忠荣王正宁刘光辉(74)专利代理机构电子科技大学专利中心51203代理人甘茂(51)Int.Cl.G06T5/00(2006.01)G06T7/13(2017.01)G06N3/04(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于多方向全变分的图像去噪方法(57)摘要本发明属于数字图像处理技术领域，涉及图像去噪方法，具体提供一种基于多方向全变分的图像去噪方法，用以克服现有全变分正则化模型存在的去噪过程中丢失了很多边缘信息、去噪效果不够理想的问题。本发明经拉普拉斯算子启发，构建八个方向的差分矩阵，与传统全变分仅有的两个方向差分矩阵相比，考虑了更多方向的梯度信息，因此在边缘处的平滑效果会减弱，从而保留图像更多的边缘信息；经过验证，经过基于多方向全变分的图像去噪方法得到的去噪图像与传统全变分去噪方法得到的去噪图像相比，考虑了更多方向的梯度信息，在相同的均方误差MSE下，能够保留图像更多的边缘和纹理信息，具有更好的去噪效果。CN112508807ACN112508807A权利要求书1/2页1.一种基于多方向全变分的图像去噪方法，其特征在于，包括以下步骤：步骤1.建立基于多方向全变分的图像去噪模型：其中，g表示待去噪图像向量，f表示图像去噪模型的输出图像向量，N为图像宽度，Di表示第i个方向的差分矩阵、i＝1,2,...,8；步骤2.通过分裂Bregman方法迭代求解模型，得到去噪图像；根据分裂Bregman迭代求解设置目标函数为：其中，μ为保真项和正则项的平衡系数，β为惩罚系数，zi为分裂变量，为zi的对偶向量；上述目标函数的具体求解步骤为：步骤2.1.设置迭代截止判断参数tol，初始化参数k＝0，k表示迭代次数；步骤2.2.更新f：(k+1)其中，f表示f的第k+1次迭代(当前迭代)结果，表示zi的第k次迭代(上一次迭代)结果，表示的第k次迭代结果；步骤2.3.更新其中，Sλ(x)表示软阈值操作：Sλ(x)＝sgn(x)max{|x|‑λ,0}；步骤2.4.更新(k+1)(k)(k)步骤2.5.迭代截止判断：若||f‑f||2/||f||2＞tol、则迭代截止并输出去噪图像f(k+1)，否则、令k＝k+1并返回步骤2.2。2.按权利要求1所述基于多方向全变分的图像去噪方法，其特征在于，所述步骤2.2的具体求解过程为：将更新公式转换为线性方程组：2CN112508807A权利要求书2/2页通过共轭梯度二乘法求解上述线性方程组，得到f(k+1)。3CN112508807A说明书1/5页一种基于多方向全变分的图像去噪方法技术领域[0001]本发明属于数字图像处理技术领域，涉及一种图像去噪方法，具体为一种基于多方向全变分的图像去噪方法。背景技术[0002]图像在获取、传输、存储等过程中不可避免的会受到噪声的干扰，因此图像去噪一直是图像处理领域的研究重点。基于正则化的图像去噪模型是非常有效的方法，其中，全变分正则化模型是应用最广泛的，它由保真项和正则项构成，在去除噪声的同时又尽可能做到与原图近似；全变分作为正则项，可以看作是一种图像能量函数，该函数仅考虑图像水平和垂直方向的梯度信息，没有考虑其他方向的梯度信息，因此在去噪过程中丢失了很多边缘信息，去噪效果也不够理想。[0003]基于此，本发明提出一种基于多方向全变分的图像去噪方法，充分考虑图像各方向的梯度信息，使得去噪图像保留更多的边缘信息。发明内容[0004]本发明的目的在于针对上述全变分正则化模型存在的缺点，提出一种基于多方向全变分的图像去噪方法，使得去噪图像保留更多的边缘信息，从而提高去噪图像的视觉效果。为实现上述目的，本发明采用的技术方案为：[0005]一种基于多方向全变分的图像去噪方法，其特征在于，包括以下步骤：[0006]步骤1.建立基于多方向全变分的图像去噪模型：[0007][0008]其中，g表示待去噪图像向量，f表示图像去噪模型的输出图像向量，N为图像宽度，||·||2表示向量的L2范数，||·||1表示向量的L1范数；Di表示第i个方向的差分矩阵、i＝1,2,...,8；[0009]步骤2.通过分裂Bregman方法迭代求解模型，得到去噪图像；[0010]根据分裂Bregman迭代求解设置目标函数为：[0011][0012]其中，μ为保真项和正则项的平衡系数，β为惩罚系数，zi为分裂变量，为zi的对偶向量；[0013]上述目标函