[发明专利]一种基于多分辨率奇异值分解的图像去噪方法

说明书

技术领域

本发明涉及图像去噪技术领域，具体涉及一种基于多分辨率奇异值分 解的图像去噪方法。

背景技术

图像在生成、传输、存储等过程中，不可避免要受到噪声的影响，一 旦图像有噪声，那么不仅其视觉效果会变差，其本身的特征也会被损坏。

现在的数码相机一般用CCD或者CMOS来生成图像，由于电子元件本 身不理想的工作状态，加上环境光线等等影响，导致生成的图像往往有噪 声，而这些噪声一般可以用高斯模型或者脉冲来对噪声进行建模。

近些年，图像去噪领域已经有了大量的研究工作，提出来很多去噪算 法，但是去噪问题还一直存在。对于脉冲噪声，中值滤波以及其变形，已 经取得了良好的去噪效果，比如近期Rajamani等人提出的新的去除脉冲信 号的方法。Ravikishore等人提出了一种基于快速排序的，利用边界描述符 的去噪算法，当然近些年最为人熟知的去噪算法是BM3D，它结合了非局 部去噪和变换域的思想，是当前艺术级的去噪算法。

在现有的去噪过程中，通过会损失较多的图像纹理信息，在去噪的过 程中丢失了图像的部分特征。

发明内容

本发明提供了一种基于多分辨率奇异值分解的图像去噪方法，在去除 噪声的同时，能够更好地保留图像的高频信息，且过程简单，易于实施。

一种基于多分辨率奇异值分解的图像去噪方法，包括：

步骤1，调整原始图像的尺寸，对调整后的图像数据矩阵进行奇异值 分解，得到左奇异矩阵；

步骤2，将左奇异矩阵的转置矩阵和调整后的图像数据矩阵进行乘积， 得到新图像数据矩阵；

步骤3，对新图像数据矩阵的每一行数据进行尺寸调整，其中第一行 数据调整后的矩阵对应原始图像的低频部分，其余行数据调整后的矩阵对 应原始图像的高频部分；

步骤4，将低频部分作为原始图像，重复进行至少一次步骤1～步骤3 的过程；

步骤5，利用阈值去噪规则处理高频部分对应的矩阵，将处理结果重 新组合成与原始图像大小相同的图像数据矩阵，即得到去噪后的图像。

作为优选，步骤1中，原始图像的尺寸为M×N，调整后的尺寸为

对大小为的图像数据矩阵进行SVD奇异值分解，分解后得到左奇异矩阵U，大小为4×4，以及中间的对角矩阵S，大小为

作为优选，步骤3中，将新图像数据矩阵中的每一行数据的尺寸调整为

新图像数据矩阵共有四行数据，从第一行到第四行依次记为LL、LH、 HL和HH，LL对应原始图像的低频部分，LH、HL和HH对应原始图像的高 频部分，将LL取出来，作为新的原始图像，重复步骤1～步骤3的分解过程， 得到新的四个矩阵，新的矩阵中也有四行数据，其中第一行数据对应原始 图像的低频部分，其余行数据对应原始数据的高频部分。

作为优选，利用阈值去噪规则处理完高频部分对应的矩阵后，将对应的矩阵调整为的向量，高频部分和低频部分共同组合成的矩阵，然后与对应的左奇异矩阵做乘积，得到去噪后的图像。

作为优选，步骤4中，重复进行一次步骤1～步骤3的过程。

本发明利用MSVD的方法对图像进行处理，相当于将图像变换到频率 域，而噪声往往存在于高频部分，这样通过对高频部分进行滤波，或者说 阈值处理，就可以去掉噪声，同时结合多分辨率的思想，更好地完成去噪。

附图说明

图1为本发明基于多分辨率奇异值分解的图像去噪方法的流程图。

具体实施方式

下面结合附图对本发明进行详细说明。

如图1所示，一种基于多分辨率奇异值分解的图像去噪方法，包括如 下步骤：

(1)调整原尺寸为M×N的噪声图像I的大小，变为

具体实施时，M＝N＝256，调整后的图像尺寸为4×16384，记为I₁。

(2)对I₁进行SVD分解：

[US]＝SVD(I₁)

其中，SVD表示奇异值分解操作；U,S分别表示最终分解得到的大小 为4×4的左奇异矩阵和对角矩阵，对角矩阵对角线元素为降序排列的奇异 值，大小为4×16384。

(3)按照如下公式计算新的矩阵Y：

Y＝U^TI₁