基于區(qū)域劃分和字典學(xué)習(xí)的自然圖像去噪方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于區(qū)域劃分和字典學(xué)習(xí)的自然圖像去噪方法，主要解決基于KSVD的圖像去噪方法在弱紋理區(qū)域出現(xiàn)模糊以及光滑區(qū)域出現(xiàn)偽紋理的問題。其實現(xiàn)方案是：用平穩(wěn)小波變換去除含噪圖像的高頻信息，用primal?sketch算法提取結(jié)構(gòu)信息，將含噪圖像劃分為結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域三個區(qū)域；用KSVD方法得到結(jié)構(gòu)區(qū)域和紋理區(qū)域的字典；分別對三個區(qū)域進行去噪，并將去噪結(jié)果合并，得到去噪圖像。本發(fā)明專利技術(shù)用區(qū)域劃分和字典學(xué)習(xí)相結(jié)合的思想，使字典學(xué)習(xí)得到的字典自適應(yīng)地對圖像中的相應(yīng)信號成分進行稀疏表示，有效地保持了圖像的邊緣和紋理信息，改善了去噪效果，可用于從含噪的低質(zhì)量圖像中獲取高質(zhì)量圖像。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)屬于圖像處理
，更進一步涉及圖像去噪
中的，可以用于在圖像去噪時，獲得高清晰質(zhì)量的圖像。
技術(shù)介紹
圖像去噪一直是圖像處理領(lǐng)域的一個重要問題。由于成像設(shè)備及成像條件的限制，使得圖像在采集、轉(zhuǎn)換以及傳輸過程中不可避免受到噪聲的污染。因此，為了改善圖像質(zhì)量，提高圖像的可識別性，圖像去噪就成了一種常用的圖像預(yù)處理方法。空域去噪方法中比較經(jīng)典的方法包括均值濾波，中值濾波等。他們的共同特點就是利用局部窗口內(nèi)像素灰度值的聚集性來對當前像素進行灰度調(diào)整。這些方法的缺點在于去除噪聲的同時模糊了圖像的細節(jié)信息，例如圖像的邊緣、紋理等。基于稀疏表示的圖像去噪方法是基于稀疏分解理論發(fā)展而來的，它是利用圖像信號本身具有的結(jié)構(gòu)特征，在稀疏表示域中用少量原子來進行表示，而噪聲不具備結(jié)構(gòu)特征，不能用少量原子來進行表示，由此可以根據(jù)圖像的結(jié)構(gòu)來提取少量的基原子，重建圖像的結(jié)構(gòu)信息，以實現(xiàn)去噪。如小波硬閾值去噪方法，它是用小波變換將圖像進行稀疏分解，得到一組小波系數(shù)，稀疏表示域是一組標準正交基，然后保留大于閾值的小波系數(shù)，將小于閾值的小波系數(shù)置零，再進行小波反變換重構(gòu)信號，當信號特征和基原子特性相一致時，能夠有較好的稀疏表示效果。但它不能很好地表示具有復(fù)雜結(jié)構(gòu)特征的圖像，而冗余字典能克服這一不足，能夠有效地捕捉圖像的復(fù)雜結(jié)構(gòu)特征，如Curvelets、Contourlets、Bandelets等。不過，冗余字典的生成函數(shù)仍然是已知固定的，并不能對所有的圖像進行很好的稀疏表示。而字典學(xué)習(xí)方法能夠根據(jù)圖像本身的特性通過學(xué)習(xí)的方式得到冗余字典，它能夠自適應(yīng)地對圖像信號進行稀疏表示。KSVD方法是一種比較好的字典學(xué)習(xí)方法，它分為稀疏編碼和字典更新兩個階段，在稀疏編碼階段，首先固定字典，對每個信號獨立地進行稀疏編碼，得到與之對應(yīng)的稀疏系數(shù)；在字典更新階段，對字典中的原子逐一進行更新，并對當前迭代步的原子及與之對應(yīng)的稀疏系數(shù)進行同步更新。交替進行稀疏編碼和字典更新，學(xué)習(xí)得到字典。由于基于KSVD的圖像去噪方法能夠根據(jù)圖像本身的特性自適應(yīng)地學(xué)習(xí)得到冗余字典，來對圖像進行稀疏表示，所以它能夠得到更好的去噪效果；但該方法在用OMP算法求解圖像塊的稀疏系數(shù)時，由于圖像中的弱紋理區(qū)域圖像塊的標準差小于OMP算法給定的閾值，不能用字典原子來對其表示，而只是用均值濾波的思想來實現(xiàn)去噪，所以會出現(xiàn)模糊的現(xiàn)象；同時，光滑區(qū)域也會出現(xiàn)偽紋理的現(xiàn)象。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于提出了一種，以解決現(xiàn)有基于KSVD的圖像去噪方法在弱紋理的地方出現(xiàn)模糊現(xiàn)象以及光滑的地方會出現(xiàn)偽紋理的問題，提高圖像去噪效果。實現(xiàn)本專利技術(shù)的技術(shù)思路是:利用primalsketch方法得到圖像的邊緣結(jié)構(gòu)信息，將圖像區(qū)分為結(jié)構(gòu)區(qū)域和非結(jié)構(gòu)區(qū)域，用塊方差統(tǒng)計的思想進一步將非結(jié)構(gòu)區(qū)域分為光滑區(qū)域和紋理區(qū)域。對結(jié)構(gòu)區(qū)域和紋理區(qū)域分別用基于KSVD的方法進行去噪，其中，用適合邊緣輪廓處信號的Ridgelet冗余字典作為結(jié)構(gòu)區(qū)域的初始字典，用適合紋理處信號的DCT字典作為紋理區(qū)域的初始字典，從而能夠更加有效地表示圖像的邊緣和紋理信息；對紋理區(qū)域和結(jié)構(gòu)區(qū)域中標準差小于OMP算法給定閾值的圖像塊，用目前對紋理信號去噪效果較好的BM3D方法進行去噪，有效地解決基于KSVD的圖像去噪方法在弱紋理區(qū)域出現(xiàn)模糊現(xiàn)象的問題；同時，用改進的非局部均值方法對光滑區(qū)域進行去噪，改善基于KSVD的圖像去噪方法中光滑區(qū)域出現(xiàn)偽紋理的問題。其具體步驟如下:(I)輸入待去噪的含噪圖像I1 ;(2)對含噪圖像I1進行平穩(wěn)小波變換，得到一個低頻子帶L和三個高頻子帶H1, H2, H3,將高頻子帶H1, H2, H3系數(shù)全部置零，保持低頻子帶L系數(shù)不變，然后對低頻子帶和置零后的高頻子帶進行逆變換，得到重構(gòu)后的圖像I2 ;(3)利用primalsketch算法提取重構(gòu)后圖像I2的primal sketch草圖，得到反映含噪圖像邊緣的結(jié)構(gòu)信息，利用該結(jié)構(gòu)信息，將含噪圖像I1分為結(jié)構(gòu)區(qū)域E1和非結(jié)構(gòu)區(qū)域E2;用塊標準差統(tǒng)計的方法將含噪圖像劃分為非光滑區(qū)域E3和光滑區(qū)域E4，將非結(jié)構(gòu)區(qū)域E2進一步劃分為紋理區(qū)域E21和光滑區(qū)域E22 ；(4)對結(jié)構(gòu)區(qū)域E1和紋理區(qū)域E21分別用KSVD算法學(xué)習(xí)得到結(jié)構(gòu)區(qū)域E1的字典D1和紋理區(qū)域E21的字典D2 ；(5)對結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域圖像塊進行去噪:對結(jié)構(gòu)區(qū)域E1中標準差大于OMP算法閾值的圖像塊，用字典D1進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊用BM3D方法進行去噪，得到結(jié)構(gòu)區(qū)域E1的去噪圖像I3 ；對紋理區(qū)域E21中標準差大于OMP算法閾值的圖像塊，用字典D2進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊，用BM3D方法進行去噪，得到紋理區(qū)域E21的去噪圖像L ;對光滑區(qū)域E22用改進的非局部均值算法進行去噪，得到光滑區(qū)域E22的去噪圖像Is ；(6)將結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域的去噪圖像進行合并，得到最終去噪圖像16，即 16-13+14+15。與現(xiàn)有技術(shù)相比，本專利技術(shù)具有以下優(yōu)點:第一，本專利技術(shù)用區(qū)域劃分和字典學(xué)習(xí)相結(jié)合的思想，并且用Ridgelet冗余字典作為結(jié)構(gòu)區(qū)域的初始字典，用DCT冗余字典作為紋理區(qū)域的初始字典，能夠更為充分地表示圖像中的信息，去噪后的圖像的邊緣和紋理信息更為清晰。第二，本專利技術(shù)對結(jié)構(gòu)區(qū)域和紋理區(qū)域中標準差小于OMP算法閾值的圖像塊用目前對紋理信號去噪效果較好的BM3D方法來進行去噪，能夠有效解決基于KSVD的圖像去噪方法在弱紋理區(qū)域出現(xiàn)模糊現(xiàn)象的問題。第三，本專利技術(shù)用改進的非局部均值方法對光滑區(qū)域進行去噪，能夠有效解決基于KSVD的圖像去噪方法中光滑區(qū)域出現(xiàn)偽紋理的問題，在光滑區(qū)域的去噪效果表現(xiàn)得更為光滑。附圖說明圖1是本專利技術(shù)的實現(xiàn)流程圖；圖2是現(xiàn)有Barbara圖像原圖；圖3是對圖2加噪后的Barbara圖像；圖4是現(xiàn)有的Lena圖像原圖；圖5是對圖4加噪后的Lena圖像；圖6是本專利技術(shù)中采用primal sketch算法從加噪后的Barbara圖像的重構(gòu)圖像中提取的primal sketch草圖；圖7是本專利技術(shù)中的Barbara圖像結(jié)構(gòu)區(qū)域的示意圖；圖8是用本專利技術(shù)將Barbara圖像分為結(jié)構(gòu)區(qū)域、光滑區(qū)域和非光滑區(qū)域的結(jié)果 圖9是用本專利技術(shù)和基于KSVD的圖像去噪方法對加噪后的Barbara圖像去噪后的結(jié)果對比圖；圖10是用本專利技術(shù)與基于KSVD的圖像去噪方法對加噪后的Lena圖像的去噪結(jié)果對比圖。具體實施例方式參照圖1，本專利技術(shù)的具體實施步驟如下:步驟1，輸入含噪圖像1:。對如圖2所示的Barbara圖像加噪，得到如圖3所示的加噪后的Barbara圖像，將加噪后的Barbara圖像作為輸入圖像I1。步驟2，將含噪圖像I1分為結(jié)構(gòu)區(qū)域E1和非結(jié)構(gòu)區(qū)域E2。(2a)對含噪圖像I1進行平穩(wěn)小波變換，得到一個低頻子帶L和三個高頻子帶H1, H2, H3,將高頻子帶H1, H2, H3系數(shù)全部置零，保持低頻子帶L系數(shù)不變，然后對低頻子帶和置零后的高頻子帶進行逆變換，得到重構(gòu)后的圖像I2 ;(2b)利用primal sketch算法提取重構(gòu)后圖像I2的primal sketch草圖，如圖6所示，以primal sketch草圖的線段上的本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于區(qū)域劃分和字典學(xué)習(xí)的自然圖像去噪方法，包括如下步驟：(1)輸入待去噪的含噪圖像I1；(2)對含噪圖像I1進行平穩(wěn)小波變換，得到一個低頻子帶L和三個高頻子帶H1,H2,H3，將高頻子帶H1,H2,H3系數(shù)全部置零，保持低頻子帶L系數(shù)不變，然后對低頻子帶和置零后的高頻子帶進行逆變換，得到重構(gòu)后的圖像I2；(3)利用primalsketch算法提取重構(gòu)后圖像I2的primal?sketch草圖，得到反映含噪圖像I1的邊緣的結(jié)構(gòu)信息,利用該結(jié)構(gòu)信息，將含噪圖像I1分為結(jié)構(gòu)區(qū)域E1和非結(jié)構(gòu)區(qū)域E2；用塊標準差統(tǒng)計的方法將含噪圖像劃分為非光滑區(qū)域E3和光滑區(qū)域E4，將非結(jié)構(gòu)區(qū)域E2進一步劃分為紋理區(qū)域E21和光滑區(qū)域E22；(4)對結(jié)構(gòu)區(qū)域E1和紋理區(qū)域E21分別用KSVD算法學(xué)習(xí)得到結(jié)構(gòu)區(qū)域E1的字典D1和紋理區(qū)域E21的字典D2；(5)對結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域圖像塊進行去噪：對結(jié)構(gòu)區(qū)域E1中標準差大于OMP算法閾值的圖像塊，用字典D1進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊用BM3D方法進行去噪，得到結(jié)構(gòu)區(qū)域E1的去噪圖像I3；對紋理區(qū)域E21中標準差大于OMP算法閾值的圖像塊，用字典D2進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊，用BM3D方法進行去噪，得到紋理區(qū)域E21的去噪圖像I4；對光滑區(qū)域E22用改進的非局部均值算法進行去噪，得到光滑區(qū)域E22的去噪圖像I5；(6)將結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域的去噪圖像進行合并，得到最終去噪圖像 I6，即I6=I3+I4+I5。...

【技術(shù)特征摘要】
1.一種基于區(qū)域劃分和字典學(xué)習(xí)的自然圖像去噪方法，包括如下步驟: (1)輸入待去噪的含噪圖像I1; (2)對含噪圖像I1進行平穩(wěn)小波變換，得到一個低頻子帶L和三個高頻子帶H1,H2, H3,將高頻子帶H1, H2, H3系數(shù)全部置零，保持低頻子帶L系數(shù)不變，然后對低頻子帶和置零后的高頻子帶進行逆變換，得到重構(gòu)后的圖像I2 ; (3)利用primalsketch算法提取重構(gòu)后圖像I2的primalsketch草圖，得到反映含噪圖像I1的邊緣的結(jié)構(gòu)信息，利用該結(jié)構(gòu)信息，將含噪圖像I1分為結(jié)構(gòu)區(qū)域E1和非結(jié)構(gòu)區(qū)域E2 ;用塊標準差統(tǒng)計的方法將含噪圖像劃分為非光滑區(qū)域E3和光滑區(qū)域E4,將非結(jié)構(gòu)區(qū)域E2進一步劃分為紋理區(qū)域E21和光滑區(qū)域E22 ； (4)對結(jié)構(gòu)區(qū)域E1和紋理區(qū)域E21分別用KSVD算法學(xué)習(xí)得到結(jié)構(gòu)區(qū)域E1的字典D1和紋理區(qū)域E21的字典D2 ； (5)對結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域圖像塊進行去噪:對結(jié)構(gòu)區(qū)域E1中標準差大于OMP算法閾值的圖像塊，用字典D1進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊用BM3D方法進行去噪，得到結(jié)構(gòu)區(qū)域E1的去噪圖像I3 ；對紋理區(qū)域E21中標準差大于OMP算法閾值的圖像塊，用字典D2進行稀疏表示去噪，對標準差小于OMP算法閾值的圖像塊，用BM3D方法進行去噪，得到紋理區(qū)域E21的去噪圖像I4 ； 對光滑區(qū)域E22用改進的非局部均值算法進行去噪，得到光滑區(qū)域E22的去噪圖像I5 ； (6)將結(jié)構(gòu)區(qū)域、紋理區(qū)域和光滑區(qū)域的去噪圖像進行合并，得到最終去噪圖像I6，即I6_l3+l4+l5°2.根據(jù)權(quán)利要求1所述的方法，其中所述步驟(3)中利用反映圖像邊緣的結(jié)構(gòu)信息，將含噪圖像I1分為結(jié)構(gòu)區(qū)域E1和非結(jié)構(gòu)區(qū)域E2，是以primal sketch草圖的線段上的每個點為中心，沿著該點的方向提取9X9窗口，窗口覆蓋的區(qū)域即為結(jié)構(gòu)區(qū)域E1，含噪圖像I1中剩下的區(qū)域為非結(jié)構(gòu)區(qū)域E2。3.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的用塊標準差統(tǒng)計的方法將含噪圖像劃分為非光滑區(qū)域E3和光滑區(qū)域E4,是用圖像塊的標準差與整個含噪圖像中的圖像塊的最小標準差的差值與給定的判斷參數(shù)進行比較來劃分，即將4.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的將非結(jié)構(gòu)區(qū)域E2進一步劃分為紋理區(qū)域E21和光滑區(qū)域E22,是將非結(jié)構(gòu)區(qū)域E2中與非光滑區(qū)域E3重合的區(qū)域劃分為紋理區(qū)域E21，將非結(jié)構(gòu)區(qū)域E2中與光滑區(qū)域E4重合的區(qū)域劃分為光滑區(qū)域E22。5.根據(jù)權(quán)利要求1中所述的方法，其中步驟(4)所述的對結(jié)構(gòu)區(qū)域E1和紋理區(qū)域E21用KSVD方法學(xué)習(xí)得到結(jié)構(gòu)區(qū)域E1的字典D1和紋理區(qū)域E21的字典D2,按如下步驟進行: (4a)將結(jié)構(gòu)區(qū)域E1劃分為重疊的8X8的圖像塊集合Y= {YJ，將紋理區(qū)域E21劃分為重疊的8X8的圖像塊集合Z= {...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉芳，周確，李玲玲，郝紅俠，戚玉濤，焦李成，李夢雄，尚榮華，馬文萍，馬晶晶，
申請(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國別省市：