一种基于噪声预测的图像去噪方法.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CN106780398A(43)申请公布日2017.05.31(21)申请号201710016951.1(22)申请日2017.01.10(71)申请人南京邮电大学地址210023江苏省南京市栖霞区仙林大学城文苑路9号(72)发明人喻春雨孙京阳(74)专利代理机构南京经纬专利商标代理有限公司32200代理人熊玉玮(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书5页附图1页(54)发明名称一种基于噪声预测的图像去噪方法(57)摘要本发明公开了一种基于噪声预测的图像去噪方法，属于图像处理的技术领域。本发明首先通过KSVD算法去除原始图像中不必要的冗余信息，接着通过邻域窗口对KSVD算法处理后剩余的图像冗余信息进行非均值处理，避免了大范围预测噪声带来的不准确，使得除去预测噪声后的图像能够更大限度地保留细节信息，再以原始图像和非均值处理后图像的差为独立成分分析算法的观测图像，通过独立成分分析确保分离出的有用信息分量和噪声分量相互独立，在去噪的同时尽量保留图像的有用信息，保证降噪后的图像最优。CN106780398ACN106780398A权利要求书1/1页1.一种基于噪声预测的图像去噪方法，其特征在于，对单张原始图像进行压缩得到冗余信息，对冗余信息进行非均质处理得到多张含不同强度噪声信息的图像，由原始噪声图像和各张含不同强度噪声信息的图像的差构成观测图像序列，对观测图像序列进行盲源分离得到最后的去噪图像。2.根据权利要求1所述的一种基于噪声预测的图像去噪方法，其特征在于，通过KSVD算法对原始噪声图像进行字典压缩得到稀疏后的冗余信息，所述冗余信息含有噪声信息和图像细节信息。3.根据权利要求1所述一种基于噪声预测的图像去噪方法，其特征在于，采用不动点独立成分分析FastICA算法对观测图像序列进行盲源分离得到最后的去噪图像。4.一种基于噪声预测的图像去噪方法，其特征在于，对原始噪声图像序列进行压缩得到冗余信息图像序列，对冗余信息图像序列进行邻域内相似性变换得到新的含噪图像序列，利用盲源分离中高阶统计独立分量标准方差或方差的方法从新的含噪图像序列中分离出图像信息。5.根据权利要求4所述一种基于噪声预测的图像去噪方法，其特征在于，利用盲源分离中高阶统计独立分量标准方差或方差的方法从新的含噪图像序列中分离出图像信息，具体方法为：以冗余信息图像中的噪声信息和图像有用信息为独立分量进行盲源分离，统计被分离出的每个独立分量的标准方差或方差，依据独立分量标准方差或方差的特性筛选出图像有用信息独立分量。6.根据权利要求4所述一种基于噪声预测的图像去噪方法，其特征在于，对原始噪声图像序列进行压缩得到冗余信息图像序列的方法为：首先，对原始噪声图像序列进行灰度处理，然后，通过KSVD算法对灰度处理后的原始噪声图像序列进行字典压缩得到稀疏后的冗余图像序列。2CN106780398A说明书1/5页一种基于噪声预测的图像去噪方法技术领域[0001]本发明公开了一种基于噪声预测的图像去噪方法，属于图像处理的技术领域。背景技术[0002]随着以计算机网络为基础的信息化技术的发展，人们对数字图像质量的要求越来越高，影像输出设备及一些光电器件产生的热噪声、散粒噪声和量子噪声等噪声会严重降低最终输出的图像的质量。数字图片噪声按照产生的原因可以分为内部噪声和外部噪声，按照噪声幅度随时间分布的形状来定义又可分为高斯噪声和雷利噪声，高斯噪声和椒盐噪声是数字图像中常见的两种噪声。[0003]传统的去噪方式将噪声和有用信息同等对待，认为噪声和图像细节信息在某个变换域中分布于不同区间，然而，噪声和某些有用信息图像在某个区域中一般为相互叠加，在去除噪声的同时也会去除有用的细节信息，不同的去噪手段只能在特定的噪声信号范围之内有效，超出范围的含噪图像经过处理会大面积失真。[0004]盲源分离是一种基于统计等热信号的处理技术，最初的经典应用为“鸡尾酒会”。盲源分离因可以分析多维数据逐渐被应用于图像融合、图像增强、特征提取、伪影消除、混合图像、消除散乱线等图像处理方面，而利用盲源分离进行图像降噪需要借助噪声的先验知识或者通过训练含噪声图像的方式进行稀疏编码压缩。发明内容[0005]本发明的发明目的是针对上述背景技术的不足，提供了一种基于噪声预测的图像去噪方法，通过对原始图像的逐步降噪处理，最大限度地保留了图像细节信息解决了盲源分离算法必须要有多张图像信号源的技术问题。[0006]本发明为实现上述发明目的采用了如下技术方案：[0007]本发明专利是一种基于盲源分离的从含噪图像中进行一定的噪声预测的图像去噪方法，当所得图像只有一张时，需要对这张图像进行一部分去噪处理，首先要进行的是压缩，通过压缩得到