一种基于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CN106251315A(43)申请公布日2016.12.21(21)申请号201610711547.1(22)申请日2016.08.23(71)申请人南京邮电大学地址210023江苏省南京市亚东新城区文苑路9号(72)发明人杨真真杨震李雷杨永鹏金正猛(74)专利代理机构南京经纬专利商标代理有限公司32200代理人朱小兵(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书9页附图2页(54)发明名称一种基于全变分的图像去噪方法(57)摘要本发明公开了一种基于全变分的图像去噪方法，包括步骤：获取由原始图像和α稳态噪声组成的含噪声图像；确定所述含噪声图像中的每一个像素点，且所述原始图像服从Gibbs先验；根据所述含噪声图像及其中的每一个像素点，求得原始图像等价于最小化的表达式；根据所得原始图像等价于最小化的表达式，获取α稳态噪声下的全变分去噪模型；将所获取的全变分去噪模型结合凸性惩罚项，获取凸全变分去噪模型；利用原始-对偶算法对所获取的凸全变分去噪模型求解，根据所求得解复原得到原始图像。本发明可以很好地去除α稳态噪声，恢复的图像清晰，且较好地保留了图像的细节信息，恢复出的图像也和原始图像最接近。CN106251315ACN106251315A权利要求书1/2页1.一种基于全变分的图像去噪方法，其特征在于，包括步骤：获取由原始图像和α稳态噪声组成的含噪声图像；确定所述含噪声图像中的每一个像素点，且所述原始图像u服从Gibbs先验；根据所述含噪声图像及其中的每一个像素点，求得原始图像等价于最小化的表达式；根据所得原始图像等价于最小化的表达式，获取α稳态噪声下的全变分去噪模型；将所获取的全变分去噪模型结合凸性惩罚项，获取凸全变分去噪模型；利用原始-对偶算法对所获取的凸全变分去噪模型求解，根据所求得解复原得到原始图像。2.根据权利要求1所述基于全变分的图像去噪方法，其特征在于：所述含噪声图像中的原始图像表示为：其中，u为原始图像，f为含噪声图像，且f＝u+η，其中η为α稳态噪声；P(·)表示概率函数，log(P(f))对于原始图像u是常数。3.根据权利要求2所述基于全变分的图像去噪方法，其特征在于：所述确定所述含噪声图像中的每一个像素点x∈Ω，以及满足：其中Ω为图像区域；γ＞0为尺度参数；并且，u服从Gibbs先验，即：其中Z是归一化因子，参数β＞0。4.根据权利要求3所述基于全变分的图像去噪方法，其特征在于：所述求得原始图像等价于最小化如下的表达式：其中，log2、logZ、logγ均为关于原始图像u的常数。5.根据权利要求4所述基于全变分的图像去噪方法，其特征在于：所述获取α稳态噪声下的全变分去噪模型为：其中，f∈L∞(Ω)为含有加性α稳态噪声的图像，γ＞0为尺度参数，为正则化参数。6.根据权利要求5所述基于全变分的图像去噪方法，其特征在于：所述获取凸全变分去噪模型为：其中，g是含噪声图像f经过中值滤波后的图像，λ＞0，μ＞0为正则化参数。2CN106251315A权利要求书2/2页7.根据权利要求1所述基于全变分的图像去噪方法，其特征在于：所述原始-对偶算法对所获取的凸全变分去噪模型求解，具体包括以下步骤：步骤1、初始化：设置初始参数σ＞0和τ＞0，初始化对偶变量p0＝0和原始变量u0＝f，初始迭代次数k＝0；步骤2、更新对偶变量pk+1：步骤3、更新辅助变量ak：步骤4、更新原始变量uk+1：步骤5、更新辅助变量步骤6、若满足终止条件则算法终止，否则，令k＝k+1转步骤2。3CN106251315A说明书1/9页一种基于全变分的图像去噪方法技术领域[0001]本发明涉及一种图像去噪方法，尤其涉及一种基于全变分的图像去噪方法，属于图像处理的技术领域。背景技术[0002]在图像的采集、传输和存储的过程中，图像不可避免的会受到噪声的污染，噪声的种类和成因很多，很多情况下都需要对图像进行去噪处理，使经处理后的图像更适合分析和信息提取。图像去噪一直以来都是图像处理领域研究的重点，并且近年来受到越来越多的研究者的青睐。图像去噪的方法有很多，例如小波去噪、高斯滤波为代表的线性滤波、中值滤波为代表的非线性滤波以及基于偏微分方程的非线性去噪方法等等。其中基于偏微分方程的图像去噪是具有代表性的一类图像去噪方法，这类方法从全新角度(如能量扩散、曲面演化等)来诠释图像去噪过程，已形成完整的理论体系和数值方法，在该类方法中最具有代表性是基于全变分(TotalVariation,TV)的图像去噪算法。[0003]针对去除图像中的加性高斯噪声的TV算法已经被广泛的应用到图像去噪中，该算法可以追溯到Rudin等人于1992年提出的如下的ROF模型[0004][000