[发明专利]基于字典学习和块匹配的自然图像去噪方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种稀疏表示和字典学习的去噪方法，可用于图像处理，模式识别和生物医学等领域。

背景技术

图像去噪的目的是在去除图像噪声的同时保留图像特征信息，像纹理，边缘，轮廓和点状目标等。自然图像的噪声具有加性背景，去噪可以从空域和变换域两方面来进行，目前效果较好的空域滤波方法有非局部均值滤波方法、稀疏表示下的图像去噪等，较好的变换域的滤波方法有三维块匹配方法BM3D等。

非局部均值方法，通过计算图像中两个像素点邻域的相似度来确定该点对所要求的点的信息补偿程度，中心点的灰度值为邻域内像素点灰度值的加权平均。它虽然能很好的解决图像边缘和线性体的保留问题，但仍存在平滑区域过平滑现象。

图像稀疏表示下的去噪方法，是新近提出的一种空域图像去噪新方法，它采用图像在冗余字典上的稀疏近似来实现噪声去除，如DCT字典去噪和KSVD字典学习去噪。然而，DCT字典不能有效逼近原图的边缘与细节信息，而KSVD字典学习的误差控制方法粗糙，易造成原图中部分纹理细节的丢失，而且这种方法忽视了图像的全局结构。

三维块匹配方法BM3D，是一种可有效滤除高斯噪声的去噪方法，该方法不仅利用图像的结构信息，而且结合了变换域的阈值方法，是一种非局部、多尺度的自适应非参数化滤波技术，它虽然能较好保留图像边缘与纹理等信息，但是对某些细小的条纹状纹理去噪时会出现失真，且在噪声较大的情况下，去噪结果中会出现划痕。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于字典学习和块匹配的自然图像去噪方法，以在提高同质区域平滑性的同时兼顾保留图像的纹理、轮廓、边缘细节信息，提高图像去噪效果。

实现本发明目的的技术思路是在稀疏表示和字典学习图像去噪的框架下，将空域字典学习和非局部、多尺度的BM3D方法结合，同时考虑图像的局部和全局信息，设计了基于稀疏表示误差、空域估计误差、非局部多尺度估计误差，以及稀疏系数零范数最小化的目标函数，实现对自然图像去噪，其具体步骤包括如下：

(1)设含噪图像z(x)＝y(x)+n(x)去噪后的原始图像的估计为：

y^(x)=argminD,αij,y(x)λ||y(x)-z(x)||22+Σijμ||αij||0+Σij||Dαij-Rijy(x)||22+v||y(x)-y^1(x)||22]]>