[发明专利]一种基于图像稀疏表达的图像去噪方法及系统

说明书

本发明公开了基于图像稀疏表达的图像去噪方法及系统，所述方法包括：获取冗余DCT字典；采用正交匹配追踪算法将所述含噪图像在所述字典上进行稀疏分解，得到所述含噪图像稀疏表达的系数矩阵；采用K‑SVD算法对所述字典和所述系数矩阵进行迭代更新；根据迭代更新后的所述字典和所述系数矩阵构建去噪图像。本发明通过对含噪图像进行稀疏分解和优化，将噪声与图像分离，提高了图像的去噪效果。

技术领域

本发明涉及图像去噪技术领域，特别是涉及一种基于图像稀疏表达的图像去噪方法及系统。

背景技术

在人们日常生活中，图像是一种重要的信息载体，但噪声会影响信息交互的质量与效率，因此图像的去噪声处理具有重要的意义与价值。传统的去噪方法包括空间去噪和变换域去噪两种方式，前者操作简便，针对性较强，但在滤除噪声的同时也会使得原图像更加模糊。后者是将原图像在某一变换域进行去噪处理，但由于高频部分也包括图像的一些细节，因此无法将噪声与图像完全分离，去噪效果一般。

发明内容

本发明的目的是提供一种基于图像稀疏表达的图像去噪方法，具有图像去噪效果好，且去噪效率高的优势。

为实现上述目的，本发明提供了如下方案：

一种基于图像稀疏表达的图像去噪方法，所述方法包括：

获取冗余DCT(Discrete Cosine Transform，离散余弦变换)字典；

采用正交匹配追踪算法将含噪图像在所述字典上进行稀疏分解，得到所述含噪图像稀疏表达的系数矩阵；

采用K-SVD(K-Singular Value Decomposition，K奇异值分解)算法对所述字典和所述系数矩阵进行迭代更新；

根据迭代更新后的所述字典和所述系数矩阵构建去噪图像。

可选的，所述采用正交匹配追踪算法将含噪图像在所述字典上进行稀疏分解，具体包括：将所述含噪图像划分为多个子块；采用正交匹配追踪算法对各个所述子块进行稀疏分解，获得各所述子块的稀疏表达的系数矩阵。

可选的，所述采用K-SVD算法对所述字典和所述系数矩阵进行迭代更新，具体包括：采用K-SVD算法对各所述子块的字典和各所述子块对应的系数矩阵进行迭代更新。

可选的，所述根据迭代更新后的所述字典和所述系数矩阵构建去噪图像，具体包括：根据迭代更新后的各所述子块的字典和各所述子块对应的系数矩阵构建各所述子块的去噪图像，将各所述子块的去噪图像合并获得所述含噪图像对应的去噪图像。

本发明还提供了一种基于图像稀疏表达的图像去噪方法，所述方法包括：

获取样本图像；

采用样本图像对字典进行训练；

采用正交匹配追踪算法将含噪图像在训练后的字典上进行稀疏分解，得到所述含噪图像稀疏表达的系数矩阵；

根据所述训练后的字典和所述系数矩阵构建所述含噪图像对应的去噪图像。

可选的，所述采用正交匹配追踪算法将含噪图像在训练后的字典上进行稀疏分解，具体包括：将所述含噪图像划分为多个子块；采用正交匹配追踪算法对各个所述子块进行稀疏分解，获得各所述子块的稀疏表达的系数矩阵。可选的，所述根据训练后的字典和所述系数矩阵构建所述含噪图像对应的去噪图像，具体包括：根据训练后的各所述子块的字典和各所述子块对应的系数矩阵构建各所述子块的去噪图像，将各所述子块去噪图像合并获得所述去噪图像。

本发明还提供了一种基于图像稀疏表达的图像去噪系统，包括：

字典获取模块，用于获取冗余DCT字典；