[发明专利]基于非局部自适应字典的乘性噪声去除方法

摘要

本发明公开了一种基于非局部自适应字典的乘性噪声去除方法，首先利用对数变换将乘性噪声转换为加性噪声，再结合PCA稀疏字典和迭代收缩算法更新稀疏编码，用牛顿迭代法得到对数域中的去噪图像，最后通过指数函数以及误差校正得到实数域中的去噪图像。本发明能够在有效去除噪声的同时能较好的保留图像的边缘、细节和纹理信息。

主权项

1.基于非局部自适应字典的乘性噪声去除方法，其特征是，包括如下步骤：步骤1，在标准图像库中获得灰度测试图像，并对灰度测试图像进行加噪，得到噪声图像；步骤2，将噪声图像利用对数变换转换到对数域中；步骤3，将对数域中的图像进行分块；步骤4，对每个图像块，找到与其具有相同结构类型的非局部相似图像块，得到该图像块的非局部相似图像块集；步骤5，对每个图像块的非局部相似图像块集进行K均值聚类，再分别在每个类中通过主成分分析法构建一个自适应稀疏字典；步骤6，对每个图像块，找到其所属类的自适应稀疏字典，获得预估的稀疏编码；步骤7，利用迭代收缩算法求解非局部稀疏模型即疏编码函数，并通过不断迭代，得到最优的稀疏编码；步骤8，固定自适应稀疏字典和最优的稀疏编码，利用牛顿迭代法求解约束函数，得到对数域中的去噪图像；步骤9，将数域中的去噪图像通过指数函数变换以及误差校正后，得到实数域中的去噪图像；其中，步骤8，当稀疏字典D和稀疏编码α固定时，在BF模型和非局部模型的基础上，引入对数域中忠诚项，使得观测图像逼近对数域中的理想图像，得到一个约束函数，然后利用牛顿迭代法求解该约束函数，得到对数域中的恢复图像。