[发明专利]基于字典学习和块匹配的自然图像去噪方法

摘要

本发明公开了一种基于字典学习和块匹配的自然图像去噪方法，主要克服现有自然图像去噪中纹理细节易丢失和同质区域不平滑的问题。其实现过程是：(1)设定去噪目标函数，输入含噪图像z(x)；(2)令原始图像等于含噪图像，即y(x)＝z(x)，令字典D为冗余DCT字典；(3)采用KSVD算法对字典D的原子和相应系数矩阵α_ij进行更新；(4)用BM3D算法对含噪图像z(x)去噪，获得初步去噪结果(5)将更新后的D、α_ij和代入原始图像的估计公式，得到含噪图像z(x)的去噪结果本发明相对于现有的经典去噪方法能够更好地去除噪声，在平滑同质区域的同时兼顾保留图像的纹理、轮廓、边缘细节信息，可用于自然图像的去噪。

主权项

1.一种基于字典学习和块匹配的自然图像去噪方法，包括如下步骤：(1)设含噪图像z(x)＝y(x)+n(x)去噪后的原始图像的估计为：y^(x)=argminD,αij,y(x)λ||y(x)-z(x)||22+Σijμ||αij||0+Σij||Dαij-Rijy(x)||22+v||y(x)-y^1(x)||22]]>其中，y(x)为原始图像，n(x)为标准差为σ的高斯白噪声，x∈X，X为图像像素的坐标集合，λ为langrage乘子，且λ＝30/σ，代表取二范数平方，μ为残差控制因子，α_ij为图像块R_ijy(x)的稀疏表示系数，||||₀代表取零范数，D为过完备稀疏表示字典，R_ij代表从图像中取出大小的图像块的取块操作，i，j为取出的图像块在原图像中的坐标位置，v为权重参数，它的取值范围是(78/σ)²～(1049/σ)²，为BM3D方法对含噪图像z(x)的初步去噪结果；(2)令原始图像等于含噪图像，即y(x)＝z(x)，令过完备稀疏表示字典D为冗余DCT字典，且D∈R^n×K，R^n×K代表n×K大小的实数矩阵，取n＝64，K＝256；(3)采用KSVD字典学习方法更新过完备稀疏表示字典D和稀疏表示系数α_ij，此步骤迭代J次，当σ≤5时，J＝5，当σ＞5时，J＝10；(4)用BM3D方法对含噪图像z(x)去噪，得到初步去噪结果(5)将更新后的过完备稀疏表示字典D、更新后的稀疏表示系数α_ij和初步去噪结果代入步骤(1)设定的原始图像的估计公式，得到原始图像的估计y^(x)=[(λ+v)I+ΣijRijTRij]-1[λz(x)+ΣijRijTDαij+vy^1(x)]]]>其中，I为图像大小的单位矩阵，为R_ij的转置。