[发明专利]基于局部相似样例学习的稀疏去噪方法

摘要

基于局部相似样例学习的稀疏去噪方法，本发明涉及图像去噪技术领域，其旨在解决现有技术中构造的字典与待去噪图像相关度低或所构造字典本身还有噪声造成去噪能力弱等技术问题。本发明通过构造与待去噪图像包含对象的相似样例，包括三维模型和二维图像；运用这些样例通过SIFT特征构造特征群Φ；对于输入的待去噪图像，通过相似度量在特征群Φ中寻找噪声图像相似的特征块作为构造字典的样例输入；在获得相似样例之后，由KSVD算法和相似的样例获得过完备字典D；通过字典D和正交匹配追踪算法对噪声图像进行稀疏分解与重构；对于重构后图像块选择最相似样例通过加权平均得到去噪后的图像。

主权项

基于局部相似样例学习的稀疏去噪方法，其特征在于，步骤包括步骤1、获取目标对象的三维模型M和目标对象的含噪声图像I_n；步骤2、对三维模型M进行旋转、缩放和投影，获取其二维的不同角度、不同尺度投影平面的图像集合Ω；步骤3、提取图像集合Ω中每一幅图像的SIFT关键块，并将SIFT关键块取集合作为SIFT特征群Φ；步骤4、提取含噪声图像I_n的SIFT特征块，并在SIFT特征群Φ中找出与SIFT特征块相匹配的SIFT关键块，再将所有匹配到的SIFT关键块取集合作为相似样例集合Ψ；步骤5、将相似样例集合Ψ中的图像块按列展开为列向量，再根据列向量获取样例输入矩阵S；步骤6、样例输入矩阵S作为KSVD算法的样例输入，通过迭代学习获得过完备字典D；步骤7、将含噪声图像I_n取滑窗，获得含噪声图像块，再根据正交匹配追踪算法，在过完备字典D下，将含噪声图像块进行稀疏分解、重构，得到重构图像块；步骤8、将所有重构图像块中重叠像素分别求加权平均，得到去噪后图像