申请/专利权人：电子科技大学长三角研究院(衢州)

申请日：2023-10-07

公开（公告）日：2023-12-22

公开（公告）号：CN117274099A

主分类号：G06T5/00

分类号：G06T5/00;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本发明公开了一种基于无超参数全变差均衡约束的图像去噪方法，首先建立基于列化处理的全变差图像去噪模型，接着构建全变差图像去噪代价函数，然后根据协方差拟合准则，导出全变差稀疏约束的最优均衡加权矩阵，并得出一种无超参数平衡全变差图像去噪代价函数，最后通过凸优化工具实现最优迭代求解。本发明的方法通过对无超参数均衡全变差图像去噪代价函数进行求解，在实现均匀去噪，不损失去噪效果的同时，解决了现有全变差去噪方法中正则化参数的最优选择难题。

主权项：1.一种基于无超参数全变差均衡约束的图像去噪方法，具体步骤如下：步骤一、建立噪声图像模型，对模型列化处理；图像处理中的噪声图像信号模型表示为：Y＝AX+E1其中，表示噪声图像矩阵，表示原始图像矩阵，表示字典矩阵，表示加性噪声矩阵；表示向量空间维度，M、N分别表示矩阵行和列的维度大小；对模型进行列化处理，设定存在三个矩阵F1,F2,F3，根据矩阵列化理论可得： 其中，vec·表示矩阵列化操作，表示Kronecker积，·T表示矩阵转置操作；则式1列化得到一个线性模型：y＝Hx+e3其中，y＝vecY，x＝vecX，e＝vecE，表示单位矩阵，且x,y,步骤二、构建全变差图像去噪代价函数；对式3线性模型的行和列同时添加稀疏约束和全变差约束得到全变差图像去噪代价函数，具体表示为： 其中，x′＝vecXT，λ表示正则化参数，D表示差分矩阵： 步骤三、全变差稀疏约束的最优均衡加权矩阵选取；根据协方差拟合准则，构造全变差稀疏约束的最优加权矩阵来去除正则化参数，获得最优解；首先，将式4重新表示为： 接着，令B＝HD-1，B＝[b1,b2,...,bMN]，则加权矩阵W可以表示为：W＝diag[w1,w2,...,wMN]7 其中，diag·表示将向量转化为对角矩阵；加权矩阵W与D-1存在关联，对差分矩阵D求逆得到： 由于D-1的特殊结构，引入差分矩阵D′构造均衡加权矩阵来平衡去噪效果，D′具体表示为： D′的逆矩阵可以表示为： 令B′＝HD′-1，B′＝[b′1,b′2,...,b′M]，则均衡加权矩阵W′可以表示为：W′＝diag[w′1,w′2,...,w′MN]13 步骤四、构建无超参数均衡全变差图像去噪代价函数；根据步骤三中得到的最优均衡加权矩阵，在均匀噪声情况下利用协方差拟合准则得到无超参数均衡全变差图像去噪代价函数为： 步骤五、模型求解；步骤四所得模型是一个凸优化问题，使用Matlab的CVX工具箱快速求解，CVX求解结果为： 其中，表示求解结果，CVX·表示CVX工具箱求解过程；最终通过对无超参数均衡全变差图像去噪代价函数进行求解，在实现均匀去噪的同时，避免正则化参数的最优选择难题。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(衢州) 一种基于无超参数全变差均衡约束的图像去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD