[发明专利]基于全变分的混合加权维纳滤波图像去噪方法

权利要求书

1.一种基于全变分的混合加权维纳滤波图像去噪方法，其特征在于，包括如下步骤：

步骤一：利用包括电荷耦合器件的摄像机采集需要处理的原始图像；

步骤二：对所述摄像机采集到的原始图像进行灰度图像转换；

步骤三：对转换后的灰度图像进行加噪处理，且通过最小化能量函数使得加噪处理后的灰度图像达到平滑状态，其中，加噪后图像如下式(1)所示：

I₀(x，y)＝I(x，y)+n(x，y) (1)

式(1)中，I(x，y)表示原始灰度图像，I₀(x，y)表示含有噪声的灰度图像，x、y分别表示图像中像素点的横坐标、纵坐标，n为均值为0、方差为σ²的随机噪声，σ表示平滑尺度；

步骤四：采用如下式(2)所示的混合模型对加噪后的图像进行去噪处理：

I_混＝αWiener(I)+(1-α)NATV(I) (2)

式(2)中，I_混表示混合模型去噪后图像，Wiener表示维纳滤波模型，NATV表示全变分模型，α表示权重参数，且0＜α＜1；

所述维纳滤波模型如下式(3)所示，且在所述维纳滤波模型中，应使得原始输入图像的估计与原始图像之间的误差达到最小，

式(3)中，f(x，y)为原始输入图像，为复原图像，E[·]表示数学期望，x，y表示图像中像素点的横坐标、纵坐标；

所述全变分模型如下式(4)所示：

式(4)中，div为散度算子、为梯度算子，t为时间扩散尺度，ε为正则参数；λ为拉格朗日乘子，λ越小，扩散作用越大，λ趋于0时会导致边缘模糊；λ越大，去噪后的图像纹理就越发粗糙；I₀＝I₀(x，y)表示含有噪声的灰度图像，I＝I(x，y，t)为去噪后的灰度图像，为高斯核函数，σ为平滑尺度，定义且g(x，y)的范围为[1，2]。

2.根据权利要求1所述的基于全变分的混合加权维纳滤波图像去噪方法，其特征在于，在步骤二中，利用MATLAB的rgb2gray函数将采集到的原始图像转换为灰度图像。

3.根据权利要求1所述的基于全变分的混合加权维纳滤波图像去噪方法，其特征在于，在步骤三中，利用MATLAB的imnoise函数为所述灰度图像添加高斯噪声，其调用格式为J＝imnoise(I，’gaussian’，m，v)，I表示原始灰度图像，gaussian在MATLAB中表示高斯噪声，其中m为高斯噪声均值，m的默认值为0，v为高斯噪声的方差。