[发明专利]一种基于四元数组稀疏的彩色图像去噪方法及系统

说明书

本发明涉及图像去噪技术领域，提供了一种基于四元数组稀疏的彩色图像去噪方法及系统，包括：获取失真图像，并进行去噪后得到原始图像；将原始图像与失真图像表示成四元数形式后，建立图像块组；基于原始图像的图像块组，计算稀疏系数；基于失真图像的图像块组，更新字典；对失真图像的图像块组，建立滤波后的失真图像的图像块组，并结合稀疏系数和字典，通过图像去噪模型，计算得到重构系数；基于字典和重构系数，得到重构的组稀疏表示，进而得到重构图像。增强了图像的结构特征，在不同的噪声水平下均能取得较好的效果。

技术领域

本发明属于图像去噪技术领域，尤其涉及一种基于四元数组稀疏的彩色图像去噪方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在图像采集和传送中，存在着大量的噪声，噪声对图像的处理和识别能力有很大的影响。图像去噪的目的是从失真图像Y中重建出干净图像X'，其去噪过程可以表示为Y=X'+n，其中，n为方差为的加性高斯白噪声(additive white Gaussian noise，AWGN)。在消除噪声的同时，尽量保持图像的信息，是目前图像去噪算法的关键问题。

由于自然图像具有非局部自相似性(Non-local Self-Similarity，NSS)，利用图像块间的相关关系重构出原始图像，已成为研究者们关注的热点问题。在这些方法中，以稀疏表示最为典型，稀疏表示法显示，在过完备词典中，利用稀疏系数和某些元素可以逼近图像信号，并且大多数稀疏系数为零或接近为零，尽管这些方法对重构后的图像质量有了一定的改善，但仍无法对其结构信息进行精确的还原。

2019年发表于期刊IEEE Trans. Circuits Syst. Video Techn.上的论文Adaptive texture-preserving denoising method using gradient histogram andnonlocal self-similarity priors 和2020年发表于期刊NEURAL COMPUTING APPLICATIONS上的论文Image denoising via structure-constrained low-rankapproximation中对于图像进行了深入的分析，从噪声图像中提取了结构信息，从而使重构的精度得到了进一步的改善。传统的算法在处理彩色图像时，是将彩色图像的三个通道分开进行处理，上述算法在彩色图像中，由于没有充分利用各个信道间的相关关系，导致了图像的结构信息丢失。

2013年在会议IEEE International Conference on Multimedia and ExpoWorkshops (ICMEW)上提出的论文Quaternion-based sparse representation of colorimage提出基于四元数的稀疏表示模型(K-means clustering for Quaternion SingularValue Decomposition，K-QSVD)，将图像中的元素表示为四元数，并在稀疏向量空间重建图像，虽然够将彩色图像各通道关联起来，但是忽略了图像块之间的关系。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于四元数组稀疏的彩色图像去噪方法及系统，在彩色图像的处理中，用四元数的方式来表达各个像素，可以很好地把各通道的色彩信息联系在一起；然后，形成图像块组矩阵，构建了组稀疏与滤波的数学模型，通过深入挖掘各图像块组间的相关关系，增强了图像的结构特征，在不同的噪声水平下均能取得较好的效果。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于四元数组稀疏的彩色图像去噪方法，其包括：

获取失真图像，并进行去噪后得到原始图像；

将原始图像与失真图像表示成四元数形式后，建立图像块组，得到原始图像的图像块组与失真图像的图像块组；