一种基于核回归全变分的去除图像噪声的方法.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CN105678715A(43)申请公布日2016.06.15(21)申请号201610085339.5(22)申请日2016.02.15(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人李林魏新华(51)Int.Cl.G06T5/00(2006.01)权利要求书4页说明书10页附图2页(54)发明名称一种基于核回归全变分的去除图像噪声的方法(57)摘要本发明公开了一种基于核回归全变分的去除图像噪声的方法，属于计算机视觉领域。其步骤包括（1）将核回归方法扩展到有界变分空间，构造含噪图像局部先验知识的正则化项；（2）利用图像中非局部相似信息构造非局部先验知识的正则化项并建立图像去噪模型；（3）使用分裂的Bregman方法对构造的模型进行快速求解，得到初步估计的图像；（4）对初步估计的图像进行残差迭代优化，实现最优化的图像去噪效果。本发明的图像去噪方法在保持图像结构的同时较好的保留了图像的细节和纹理信息。CN105678715ACN105678715A权利要求书1/4页1.基于核回归全变分的图像去噪方法，其特征在于包括以下步骤，步骤一、构造核回归全变分正则化项，获取图像的局部结构信息；步骤二、构建非局部核回归全变分正则化项，获取图像的细节和纹理信息；步骤三、融合式局部核回归正则化项和非局部核回归正则化项，构建基于核回归全变分的图像去噪模型；步骤四、采用分裂的Bregman迭代方法对模型进行优化；步骤五、采用基于残差迭代的方法得到更加准确的原始图像。2.根据权利要求1所述的基于核回归全变分的图像去噪方法，其特征在于，所述构造核回归全变分正则化项的过程包括：1)定义含噪图像的数学模型为Tyi＝z(xi)+εii＝1，....，P，xi＝[x1i，x2i]其中yi是含噪图像在xi(x1i和x2i是空间域坐标)附近的采样点，z(·)是待估计的回归函数，εi表示独立同分布且均值为0的噪声，P是采样点的数旦；2)将函数在待估计的点处局部展开，x是xi附近的一个采样点，则有z(xi)在点xi处的N阶泰勒级数：其中：和H分别是是梯度(2×1)算子和海赛(2×2)操作算子；3)采用加权最小平方法得到最优问题其中K(·)表示核函数，用于控制目标估计点附近各个采样点的权值；hk是全局平滑参数，用来控制核的尺寸，核函数K(·)的形式可以是任意的，如高斯函数、指数函数等；其中Ci是邻域空间梯度向量的协方差矩阵；4)将上述最优问题转化成以下最优问题其中：K＝diag[KH(x1-x)，KH(x2-x)，…，KH(xP-x)]2CN105678715A权利要求书2/4页5)对最优问题求解得到其中，e1为列向量，第一个元素为1，其余为0，∑iωi＝1，ωi是yi的等价核；6)得到图像的局部结构信息，核回归全变分项格式如下其中P(Xi)表示所有Xi的邻域的集合，ωs(i，j)是目标点Xi和它的相似点Xj的权值，表示两个点的相似度。3.根据权利要求1所述的基于核回归全变分的图像去噪方法，其特征在于，所述构造非局部核回归全变分正则化项的过程包括：1)当前像素点i邻域相似块的集合为P(xi)，xi的估计为：其中，p(xi)为目标块xi的非局部相似块的集合，y为P(xi)对应的像素集合的向量，ωij反应了相似块与目标块之间的相似度，定义如下：u(xi)为以i为中心点的块xi的灰度值向量，j为i的邻域像素点；h是相似权重参数，用于控制权函数的衰减速度，决定图像的平滑程度；Ga的目的是用来提高图像片之间相似性度量的准确性；2)得到最小二乘优化问题其中，y是所有相似集p(xi)对应位置的像素值，L是全1的向量，Wxi为Wxi＝diag[ωi1，ωi2，...，ωim]其中，m＝|p(xi)|13)构造基于核回归的图像去噪模型并进行求解，非局部先验正则化获取图像中相同尺度的冗余性结构，非局部核回归全变分项的格式如下其中Q(Xi)表示所有Xi的非局部邻域的集合，ωs(i，j)是目标点Xi和它的相似点Xk的权值。4.根据权利要求1所述的基于核回归全变分的图像去噪方法，其特征在于，基于核回归全变分的图像去噪模型为：3CN105678715A权利要求书3/4页其中，λs＞0，λNS＞0分别为全局保真项、SKRTV(核回归全变分)正则化项与非局部SKRTV()正则化项的协调系数。5.根据权利要求1所述的基于核回归全变分的图像去噪方法，其特征在于，基于核回归全变分的模型求解过程包括：1)引入辅助变量d1＝(d1i，d1j)和d2＝(d2i，d2j)，极小化问题转化为如下等价的约束极小化问题使得2)为了弱地强制约束条件d1＝ΦS(X)和d2＝ΦNS(X)，引入二次约束函数，将上述最优问题