申请/专利权人：浙江理工大学

申请日：2023-11-24

公开（公告）日：2024-04-12

公开（公告）号：CN117876245A

主分类号：G06T5/70

分类号：G06T5/70;G06T5/10;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明基于KSVD算法的丝绸图像消噪方法及系统，方法如下：S1、采集丝绸图像数据集；S2，将彩色图像转化为灰度图像作为实验的数据集；S3，将图像块转化为矩阵的列向量；S4，引入无逆稀疏贝叶斯算法进行稀疏预处理，通过变分贝叶斯算法对隐变量的分布做近似更新；S5，KSVD算法利用稀疏系数表达更新字典原子和稀疏系数，每次随机选择字典中的一列进行更新，通过对约束误差矩阵进行奇异值分解算法得到更新的字典列和稀疏系数；S6，采用OMP算法求解稀疏系数x；S7、重复S5‑S6，直到到达收敛误差；S8，将图像数据重新转化为完整图像，每一列重新整合为图像块，将图像块放回数据的对应位置，除去冗余分量，得到去噪图像。

主权项：1.一种基于KSVD算法的丝绸图像消噪方法，其特征是包括如下步骤：S1，采集丝绸图像数据集；S2，将彩色图像转化为灰度图像作为实验的数据集，具有不同强度的随机噪声信号加到原始灰度图像上生成噪声灰度图像；S3，设置滑动窗口沿着图像依次滑动得到图像块，将图像块转化为矩阵的列向量，依次滑动得到的列向量作为字典更新的数据集；S4，随机初始化一个稀疏过完备字典作为表征局部图像块的字典；引入无逆稀疏贝叶斯算法进行稀疏预处理，通过变分贝叶斯算法对隐变量的分布做近似更新，得到稀疏系数估计后，交替迭代达到停止条件后得到稀疏预处理的估计；再由OMP算法优化稀疏表达；S5，采用随机生成的规范化列的初始字典D，在已知稀疏系数矩阵X的情况下，KSVD算法利用稀疏系数表达更新字典原子和稀疏系数，每次随机选择字典中的一列进行更新，通过对约束误差矩阵进行奇异值分解算法得到更新的字典列和稀疏系数；S6，采用OMP算法求解稀疏系数x，从字典矩阵D选择一个与信号y最匹配的原子，构建一个稀疏逼近，并求出信号残差，然后继续选择与信号残差最匹配的原子，利用最小二乘法处理更新的索引集和更新的原子库，从而得到稀疏估计x；在D和x已知的情况下获得整个图像数据矩阵的稀疏表示；S7，返回执行步骤S5，直到到达收敛误差；S8，将图像数据重新转化为完整图像，求解得到的图像数据矩阵的每一列重新整合为图像块，将图像块放回数据的对应位置，并除去冗余分量，得到去噪图像。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于KSVD算法的丝绸图像消噪方法及系统

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