[发明专利]基于全变分的混合加权维纳滤波图像去噪方法

摘要

本发明提供的基于全变分的混合加权维纳滤波图像去噪方法，包括如下步骤：步骤一：利用包括电荷耦合器件的摄像机采集需要处理的原始图像；步骤二：对所述摄像机采集到的原始图像进行灰度图像转换；步骤三：对转换后的灰度图像进行加噪处理；步骤四：采用由维纳滤波模型和全变分模型构成的混合模型对加噪后的图像进行去噪处理。本发明既能确保图像内部纹理信息的完整性，又能减少图像边缘角点特征信息的缺失。

主权项

一种基于全变分的混合加权维纳滤波图像去噪方法，其特征在于，包括如下步骤：步骤一：利用包括电荷耦合器件的摄像机采集需要处理的原始图像；步骤二：对所述摄像机采集到的原始图像进行灰度图像转换；步骤三：对转换后的灰度图像进行加噪处理，且通过最小化能量函数使得加噪处理后的灰度图像达到平滑状态，其中，加噪后图像如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)      (1)式(1)中，I表示原始灰度图像，I0表示加噪图像，x、y分别表示图像中像素点的横坐标、纵坐标，n为均值为0、方差为σ2的随机噪声，σ表示平滑尺度；步骤四：采用如下式(2)所示的混合模型对加噪后的图像进行去噪处理：I混＝αWiener(I)+(1‑α)NATV(I)       (2)式(2)中，I混表示混合模型去噪后图像，Wiener表示维纳滤波模型，NATV表示全变分模型，α表示权重参数，且0<α<1；所述维纳滤波模型如下式(3)所示，且在所述维纳滤波模型中，应使得原始输入图像的估计与原始图像之间的误差达到最小，e=minE[f(x,y)-f^(x,y)]---(3)]]>式(3)中，f(x,y)为原始输入图像，为复原图像，E[·]表示数学期望，x,y表示图像中像素点的横坐标、纵坐标；所述全变分模型如下式(4)所示：∂I∂t=div(▿Gσ*I|▿Gσ*I|η2-g(x,y))-λ(Gσ*I-I0)I(x,y,0)=I0---(4)]]>式(4)中，div为散度算子、为梯度算子，t为时间扩散尺度，ε为正则参数；λ为拉格朗日乘子，λ越小，扩散作用越大，λ趋于0时会导致边缘模糊；λ越大，去噪后的图像纹理就越发粗糙；I0表示经加噪处理的灰度图像，I为去噪后图像，为高斯核函数，σ为平滑尺度，定义且g(x,y)的范围为[1,2]。