[发明专利]基于支撑值变换和多尺度冗余字典学习的自然图像去噪方法

权利要求书

1.一种基于支撑值变换和多尺度冗余字典字习的自然图像去噪方法，包括如下步骤：

(1)利用最小二乘支撑矢量机的逼近模型构造支撑值滤波器V_j，j＝1，2，...，γ，其中，γ是多尺度数目；

(2)将含噪图像P利用多个尺度上的支撑值滤波器V_j，j＝1，2，...，γ进行分解，得到含噪图像P在第j个尺度上的支撑值图像Y_j，j＝1，2，...，γ：

Y_j＝V_j*P_j，

其中Pj=Pj-1-Yj-12≤j≤γPj=1]]>

V_j是第j个支撑值滤波器，P_j是第j个尺度上含噪图像P的近似图像，*代表卷积运算，P_j-1是第j-1个尺度上含噪图像P的近似图像，Y_j-1是含噪图像P在第j-1个尺度上的支撑值图像；

(3)将含噪支撑值图像Y_j，j＝1，2...γ分解为Q个重叠图像块，设定第j个尺度上支撑值图像的去噪结果

X^j=argminXjΣmn||Djαmn-RmnXj||22+Σmn||αmn||0+λ||Xj-Yj||22]]>

其中，D_j是对应于Y_j的自适应稀疏表示字典，α_mn是图像块R_mnX_j在字典D_j下的稀疏表示系数，R_mn代表取块操作，X_j是干净的支撑值图像，R_mnX_j为从X_j中选取的8×8大小的图像块，m和n分别是取出块的第一行和第一列的位置，表示取2范数平方，||α_mn||₀表示稀疏表示系数α_mn的0范数，λ是拉格朗日系数，是逼近误差的2范数平方；

(4)采用KSVD算法更新自适应稀疏表示字典D_j和稀疏表示系数α_mn；

(5)将更新后的自适应稀疏表示字典D_j和更新后的稀疏表示系数α_mn代入步骤(3)设定的第j个尺度上支撑值图像的去噪结果公式，得到第j个尺度上支撑值图像的去噪结果

X^j=(λI+ΣmnRmnTRmn)-1(λYj+ΣmnRmnTDjαmn)]]>

其中I是单位矩阵，是R_mn的转置；

(6)重复步骤(3)-(5)，计算得到所有尺度上支撑值图像的去噪结果对做多尺度支撑值逆变换得到含噪图像P的去噪结果

X=Σj=1γX^j.]]>