[发明专利]基于非线性主分量分析从图像序列中分离图像信息的方法

说明书

本发明公开了一种基于非线性主分量分析从图像序列中分离信息的图像降噪方法；取相对静止的场景图像一组；基于盲源分离(Blind Source Separation,BSS)原理，将图像信息和图像噪声视为每幅图像的组成分量；图像信息是稳定而图像噪声是随机的，这个特点使图像序列中每幅图像视为图像信息分量和图像噪声分量的一种组合；利用非线性主分量分析(nonlinear Principal Component Analysis,NLPCA)的非高斯性判断使图像信息和图像噪声分开，输出分量中标准方差最大的即为图像信息分量。该方法不需要噪声先验信息，即将降噪后的图像信息提取出来，提取效率随图像序列中图像数量和图像噪声强度的增加而提高，也将随盲源分离(BSS)的技术改进而提高，是一种实用且有潜力的图像降噪方法。

技术领域

本发明涉及图像处理技术领域，特别是一种基于非线性主分量分析从图像序列中分离图像信息的方法。

背景技术

图像噪声通常产生于图像采集与传输过程中，对图像辨识性与后续图像处理如边缘检测、特征提取、图像匹配及图像融合等产生负面影响。大多数降噪方法是通过时间域、空间域或变换域实现滤波的，这些方法通常假设噪声具有较高频率或者满足某种函数分布，而真实噪声并不完全满足这些假设，理想的降噪方法应在减少噪声的同时不损害图像细节。现有的图像降噪方法存在从含噪声的原图像中提取图像有用信息会损害其图像细节的问题。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，而提供基于非线性主分量分析从图像序列中分离图像信息的方法，本发明基于非线性主分量分析(nonlinearPrincipal Component Analysis,NLPCA)尽最大可能从含噪声的原图像中提取图像有用信息而不损害其图像细节，达到图像降噪目的。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于非线性主分量分析从图像序列中分离图像信息的方法，从一个相对静止的场景图像中取m帧组成图像序列，将该图像序列看作是图像噪声和图像信息的n种组合，利用盲源分离得到n个分量，这n个分量中标准方差值最大者为图像信息分量，其它n-1个分量即为图像噪声分量，从而分离出1个图像信息分量和n-1个图像噪声分量。

作为本发明所述的一种基于非线性主分量分析从图像序列中分离图像信息的方法进一步优化方案，当n≤m时，利用盲源分离方法中的非线性主分量分析进行分离得到分量，具体如下：

对相对静止的场景拍摄一个图像序列，该图像序列是含有噪声的，序列中任一帧中的图像信息是稳定的，图像噪声是随机的，将不同的帧图像视为1个图像信息分量和n-1个图像噪声分量的不同组合，如式(1)所示：

X＝AS (1)

其中，X＝[x₁,x₂,…,x_m]^T是由x_i组成的观察图像序列，x_i表示第i帧含噪图像；S＝[s₁,s₂,…,s_n]^T是由分量s_j组成的矩阵，下标j表示分量序号；A表示将S线性组合成X的系数矩阵；m，n为自然数，且1≤i≤m且1≤j≤n；上标T表示矩阵的转置；

通过非线性主分量分析方法得到变换矩阵W，从而得到无限逼近源分量s_j的分量y_j，其关系由公式(2)所示：

Y＝WX＝WAS (2)