CN109544471A - 基于多特征分析的脉冲噪声相机图像复原模型 - Google Patents

Abstract

本发明涉及脉冲噪声去除技术领域，公开了一种基于多特征分析的脉冲噪声相机图像复原模型，该复原模型为：其中，f₁是待复原图像的轮廓结构，f₂为待复原图像的纹理部分，D₁是紧小波框架，D₂是离散余弦变换，α，β是去噪系数，是最小二乘项。与现有技术相比，本发明不仅能够有效地去除图像中的脉冲噪声，还能够有效地恢复图像中不同尺度下的信息。

Description

基于多特征分析的脉冲噪声相机图像复原模型

技术领域

本发明涉及脉冲噪声去除技术领域，特别涉及一种基于多特征分析的脉冲噪声相机图像复原模型。

背景技术

目前，相机已成为社会各行各业广泛应用的感知外界事物的传感系统，但是相机在拍摄图像的过程中，由于相机模数转换模块的时间误差，以及相机存储模块的电子元件个别像素单位的缺陷，有时不可避免地会使得拍摄的图像存在着噪声，而这种噪声会破坏原有目标的应体现的特征(这种噪声通常被称为脉冲噪声)，这给图像的应用和分析带来很大的影响。为去除噪声，恢复图像中应噪声丢失的像素信息，中值滤波器、均值滤波器，边缘保护滤波器等都已相继被提出并改善了相机拍摄图像的质量。但是在我们在研究中发现，这些方法都是把整幅图像当做一个整体统一进行处理。根据最新的图像分析研究结果显示，图像中包含着不同尺度的信息特征(通常分为轮廓结构和纹理结构，如图1所示)，目前已有的图像处理手段，只能恢复轮廓或纹理当中的一种结构，这使得图像在恢复过程中会丢失掉一些重要的有用信息，如图2所示。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于多特征分析的脉冲噪声相机图像复原模型，该模型不仅能够有效地去除图像中的脉冲噪声，还能够有效地恢复图像中不同尺度下的信息。

技术方案：本发明提供了一种基于多特征分析的脉冲噪声相机图像复原模型，该复原模型为：其中，f₁是待复原图像的轮廓结构，f₂为待复原图像的纹理部分，D₁是紧小波框架，D₂是离散余弦变换，α，β是去噪系数，是最小二乘项。

进一步地，所述复原模型的具体算法步骤如下：

S1：待复原图像中可能的噪声区域预测：

假设，图像f是相机拍摄过程中产生的脉冲噪声图像，y取值是0或255，如果图像f中第i行第j列的像素值满足如下条件，即：

则获取的数据集m是脉冲噪声存在映射图像，如果m中(i,j)位置像素点值为0，则认为对应的图像f中(i,j)位置可能存在噪声，待图像f中所有像素点噪声探测结束后，进入步骤S2；

S2：多特征图像复原：

引进两个变量d1，d2分别代替D₁f₁和D₂f₂，通过交叉运算可以得到如下迭代复原算法：

式中，λ₁和λ₂是迭代计算系数，w是由步骤S1中探测出的图像噪声像素点构成的噪声映射模板，g是相机拍摄获取的噪声图像，b1，b2，d1，d2是模型优化时引进的迭代辅助变量。

有益效果：本发明应用最小二乘法作为控制待复原图像和真实图像的误差，把图像分解为轮廓结构和纹理结构分别进行复原，最后融合成最终的复原图像；该模型不仅能够有效地去除图像中的脉冲噪声，还能够有效地恢复图像中不同尺度下的信息。

附图说明

图1为图像目标多特征分解分析的图像；(a)为图像；(b)为图像的轮廓部分；(c)为图像的纹理部分；

图2为传统脉冲噪声去除复原技术的图像；(a)为脉冲噪声图像；(b)为传统方法复原图像；(c)为复原丢失的信息图像；

图3为本发明与现有技术对脉冲噪声图像复原的比较；(a)为脉冲噪声图像；(b)为小波复原；(c)为总变分复原；(d)为各向异性总变分复原；(e)为非局部总变分复原；(f)为本发明的复原；

图4为本发明与现有技术对脉冲图像复原后丢失的信息比较；(a)为脉冲噪声图像丢失的信息；(b)为总变分复原丢失的信息；(c)为小波复原丢失的信息；(d)为各向异性总变分丢失的信息；(e)为非局部总变分丢失的信息；(f)为本发明复原丢失的信息。

具体实施方式

下面结合附图对本发明进行详细的介绍。

本实施方式提供了一种基于多特征分析的脉冲噪声相机图像复原模型，该复原模型为：其中，f₁是待复原图像的轮廓结构，f₂为待复原图像的纹理部分；D₁是紧小波框架，D₂是离散余弦变换，分别用来保护图像中轮廓结构和纹理结构；α，β是去噪的系数，是最小二乘项，用于控制图像复原的精度。

上述复原模型的具体算法步骤如下：

S1：待复原图像中可能的噪声区域预测：

假设，图像f是相机拍摄过程中产生的脉冲噪声图像，y取值是0或255，如果图像f中第i行第j列的像素值满足如下条件，即：

则获取的数据集m是脉冲噪声存在映射图像，如果m中(i,j)位置像素点值为0，则可认为对应的图像f中(i,j)位置可能存在噪声，否则，对应的图像位置不存在噪声。

S2：多特征图像复原：

该问题由于是一个多变量的最值求解问题，本实施方式中设计出一个基于交叉方法和分裂布雷格曼迭代的复原方法。引进两个变量d1，d2分别代替D₁f₁和D₂f₂，通过交叉运算可以得到如下迭代复原算法：

式中，λ₁和λ₂是迭代计算系数，w是由步骤S1中探测出的图像噪声像素点构成的噪声映射模板，g是相机拍摄获取的噪声图像，b1，b2，d1，d2是模型优化时引进的迭代辅助变量。

通过上述迭代复原算法对CCD相机的脉冲噪声图像进行多特征图像复原处理，处理结果如图3所示。可见，与现有技术相比，经过本实施方式中的复原模型复原的图像质量最佳。为更直观的反映出图像恢复的程度，本实施方式还对复原进行分析，得到每种方法复原中丢失的信息，丢失的信息图如图4所示，结果显示与现有技术相比，本实施方式复原的图像丢失的信息最少(丢失的信息是由复原图像和参照图像作差获得)，这也意味着通过本发明中的复原模型复原的图像质量最佳。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种基于多特征分析的脉冲噪声相机图像复原模型，其特征在于，该复原模型为：

其中，f₁是待复原图像的轮廓结构，f₂为待复原图像的纹理部分，D₁是紧小波框架，D₂是离散余弦变换，α，β是去噪系数，是最小二乘项。

2.根据权利要求1所述的基于多特征分析的脉冲噪声相机图像复原模型，其特征在于，所述复原模型的具体算法步骤如下：

S1：待复原图像中可能的噪声区域预测：

假设，图像f是相机拍摄过程中产生的脉冲噪声图像，y取值是0或255，如果图像f中第i行第j列的像素值满足如下条件，即：

则获取的数据集m是脉冲噪声存在映射图像，如果m中(i,j)位置像素点值为0，则认为对应的图像f中(i,j)位置可能存在噪声，待图像f中所有像素点噪声探测结束后，进入步骤S2；

S2：多特征图像复原：

引进两个变量d1，d2分别代替D₁f₁和D₂f₂，通过交叉运算可以得到如下迭代复原算法：

式中，λ₁和λ₂是迭代计算系数，w是由步骤S1中探测出的图像噪声像素点构成的噪声映射模板，g是相机拍摄获取的噪声图像，b1，b2，d1，d2是模型优化时引进的迭代辅助变量。