CN109816596B - 一种图像去噪方法及装置 - Google Patents

Abstract

本申请涉及图像处理技术领域，尤其涉及一种图像去噪方法及装置，用以解决现有技术中在对图像进行去噪时存在着去噪效果不理想的问题；本申请实施例提供的图像去噪方法包括：获取待处理图像；对待处理图像进行去均值和白化的预处理；根据MMI算法和进行预处理后的图像，确定对待处理图像中各独立分量进行分离的分离矩阵；根据分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行噪声去除，得到源图像，这样，利用MMI算法将非高斯噪声从待处理图像中分离出来，得到只包含高斯噪声的图像，之后，只需要去除图像中的高斯噪声就可以达到理想的去噪效果。

Description

一种图像去噪方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像去噪方法及装置。

背景技术

实际应用中，图像是非常重要的信息源，但几乎任何一幅图像在获取和传输的过程中，都会受到各种噪声的干扰，从而使图像的质量下降，这对后续的图像处理如压缩、编码、识别等，造成了不利的影响，为了抑制噪声改善图像质量所进行的处理叫做图像去噪。

现有技术中，一直是以高斯噪声为噪声模型来对图像进行去噪处理，因为高斯噪声仅需要知道均值和方差两个统计量，所以使用高斯噪声作为噪声模型来对图像进行去噪处理也比较简单，但实际生活中，并不是所有图像中的噪声都符合高斯分布，当图像中不但包含高斯噪声，而且包含其它噪声，如α稳定分布噪声时，噪声信号可能会表现出非常强的冲击性和厚重的拖尾特性时，噪声的瞬间值有时会远远超出其均值，在这种情况下，如果继续使用高斯噪声作为噪声模型来对图像进行去噪，去噪性能会严重退化，进而导致无法得到理想的原始图像信息。

可见，现有技术中对图像进行去噪时存在着去噪效果不理想的问题。

发明内容

本申请实施例提供一种图像去噪方法及装置，用以解决现有技术中在对图像进行去噪时存在着去噪效果不理想的问题。

本申请实施例提供的一种图像去噪方法，包括：

获取待处理图像；

对所述待处理图像进行去均值和白化的预处理；

根据最小互信息量(Minimum Mutual Information，MMI)算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵；

根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；

基于预设的去除高斯噪声的算法对所述只包含高斯噪声的源图像进行噪声去除，得到源图像。

可选地，根据MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵，包括：

根据分离矩阵和迭代步长的初始值，循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整；

基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；

直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对所述待处理图像中各独立分量进行分离的分离矩阵。

可选地，根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像，包括：

基于分离矩阵和所述待处理图像的亮度矩阵的乘积，获得至少两幅图像的亮度矩阵；

其中，所述至少两幅图像中的一幅图像为只包含高斯噪声的源图像，其余图像为所述待处理图像中包含的噪声图像。

可选地，基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整，包括：

基于预处理后图像的亮度矩阵R，以及进行k-1次迭代后获得的分离矩阵h(k-1)，采用表达式：

u_k＝h(k-1)*R，

获得进行第k次迭代时的调整矩阵u_k；

基于进行第k次迭代时的调整矩阵u_k，采用表达式：

ψ(k)＝tanh(u_k)和

获得进行第k次迭代时的范数D(k)；

基于进行第k次迭代时的范数D(k)，采用表达式：

获得进行第k次迭代时的步长q(k)；

其中，α(k)为进行第k次迭代时的步长调整变量，D(k-1)为进行第k-1次迭代时的范数，q(k-1)为进行第k-1次迭代时的步长，p为自然数，代表对所述待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

可选地，基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵，包括：

采用表达式：

获得第k次迭代时的迭代变化量Δh(k)；

采用表达式：

c(k)＝h(k-1)+q(k)*Δh(k)和

获得在k次迭代后的分离矩阵h(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

可选地，根据以下步骤确定获得的分离矩阵收敛：

基于进行k-1次迭代后获得的分离矩阵h(k-1)、进行k次迭代后获得的分离矩阵h(k)，采用表达式

获得k次迭代后的分离矩阵的收敛值f(k)；

当所述分离矩阵的收敛值f(k)低于预设的收敛门限值时，确定获得的分离矩阵h(k)收敛。

本申请实施例提供的一种图像去噪装置，包括：

获取模块，用于获取待处理图像；

预处理模块，用于对所述待处理图像进行去均值和白化的预处理；

分离矩阵确定模块，用于根据最小互信息量MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵；

分离模块，用于根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；

去噪模块，用于基于预设的去除高斯噪声的算法对所述只包含高斯噪声的源图像进行噪声去除，得到源图像。

可选地，所述分离矩阵确定模块具体用于：

根据分离矩阵和迭代步长的初始值，循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整；

基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；

直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对所述待处理图像中各独立分量进行分离的分离矩阵。

可选地，所述分离模块具体用于：

基于分离矩阵和所述待处理图像的亮度矩阵的乘积，获得至少两幅图像的亮度矩阵；

其中，所述至少两幅图像中的一幅图像为只包含高斯噪声的源图像，其余图像为所述待处理图像中包含的噪声图像。

可选地，所述分离矩阵确定模块具体用于：

基于预处理后图像的亮度矩阵R，以及进行k-1次迭代后获得的分离矩阵h(k-1)，采用表达式：

u_k＝h(k-1)*R，

获得进行第k次迭代时的调整矩阵u_k；

基于进行第k次迭代时的调整矩阵u_k，采用表达式：

ψ(k)＝tanh(u_k)和

获得进行第k次迭代时的范数D(k)；

基于进行第k次迭代时的范数D(k)，采用表达式：

获得进行第k次迭代时的步长q(k)；

其中，α(k)为进行第k次迭代时的步长调整变量，D(k-1)为进行第k-1次迭代时的范数，q(k-1)为进行第k-1次迭代时的步长，p为自然数，代表对所述待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

可选地，所述分离矩阵确定模块具体用于：

采用表达式：

获得第k次迭代时的迭代变化量Δh(k)；

采用表达式：

c(k)＝h(k-1)+q(k)*Δh(k)和

获得在k次迭代后的分离矩阵h(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

可选地，所述分离矩阵确定模块具体用于根据以下步骤确定获得的分离矩阵收敛：

基于进行k-1次迭代后获得的分离矩阵h(k-1)、进行k次迭代后获得的分离矩阵h(k)，采用表达式

获得k次迭代后的分离矩阵的收敛值f(k)；

当所述分离矩阵的收敛值f(k)低于预设的收敛门限值时，确定获得的分离矩阵h(k)收敛。

本申请实施例提供的一种电子设备，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述电子设备执行上述图像去噪方法的步骤。

本申请实施例提供的一种计算机可读存储介质，包括程序代码，当所述程序代码在电子设备上运行时，使所述电子设备执行上述图像去噪方法的步骤。

本申请实施例中，获取待处理图像，对待处理图像进行去均值和白化的预处理，之后根据MMI算法和预处理后的图像，确定对待处理图像中各独立分量进行分离的分离矩阵，并根据得到的分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像，进而基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行去噪处理得到源图像，这样，即使待处理图像中除了包含高斯噪声，还包含了冲击性非常强或者拖尾特性比较厚重的噪声，也可以在对待处理图像进行去均值和白化的预处理之后，根据MMI算法和预处理后的图像计算分离矩阵，进而利用分离矩阵将这些噪声从待处理图像中分离出来，得到只包含高斯噪声的源图像，最后，只需去除图像中的高斯噪声就可以达到较理想的去噪效果。

附图说明

图1为本申请实施例提供的图像去噪方法流程图；

图2为本申请实施例提供的又一图像去噪方法流程图；

图3为本申请实施例提供的图像去噪装置结构图；

图4为本申请实施例提供的用于实现图像去噪方法的电子设备的硬件结构示意图。

具体实施方式

本申请实施例中，获取待处理图像，对待处理图像进行去均值和白化的预处理，之后根据MMI算法和预处理后的图像，确定对待处理图像中各独立分量进行分离的分离矩阵，并根据得到的分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像，进而基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行去噪处理得到源图像，这样，即使待处理图像中除了包含高斯噪声，还包含了冲击性非常强或者拖尾特性比较厚重的噪声，也可以在对待处理图像进行去均值和白化的预处理之后，根据MMI算法和预处理后的图像计算分离矩阵，进而利用分离矩阵将这些噪声从待处理图像中分离出来，得到只包含高斯噪声的源图像，最后，只需去除图像中的高斯噪声就可以达到较理想的去噪效果。

首先，对独立分量分析(Independent component analysis，ICA)进行简单介绍。

独立分量分析可以描述如下：设s(t)＝[s₁(t),s₂(t),...s_N(t)]^T是产生观测信号的N个相互统计独立的源信号，x(t)＝[x₁(t),x₂(t),...x_M(t)]^T是M个观测信号，且观测信号x(t)是源信号s(t)经过线性混合而产生的，两者具有如下的关系：

可写成：

其中，未知源信号s_i(t)，i＝1,…N为独立分量，A＝[a₁,a₂,…a_n]，为满秩矩阵，称为混合矩阵。

独立分量分析是在没有先验知识的情况下，也就是在观测信号x(t)和混合矩阵A未知时，只利用观测信号x(t)和源信号s(t)是统计独立这一假设，尽可能地分离出源信号s(t)，独立分量分析的实质就是在分离结果相互独立的前提下，找到一个线性变换分离矩阵，使输出信号源u(t)尽可能地逼近源信号s(t)，而本申请实施例中所利用的MMI算法就属于一种独立分离分析方法，其可用于对图像进行盲源分离，去除图像中的噪声信号，进而恢复出图像中的源信号。

下面结合说明书附图对本申请实施例作进一步详细描述。

实施例一

如图1所示，为本申请实施例提供的图像去噪方法流程图，包括以下步骤：

S101：获取待处理图像。

S102：对待处理图像进行去均值和白化的预处理。

在具体实施过程中，可以先对待处理图像进行中心化处理，使其均值为零，之后采用主成成分分析(Principal Component Analysis，PCA)算法对中心化处理后的图像再进行白化处理。

S103：利用MMI算法和进行预处理后的图像，得到对待处理图像中各独立分量进行分离的分离矩阵。

在具体实施过程中，先指定待处理图像中独立分量的个数，并给定初始分离矩阵和初始迭代步长，如h(0)＝I，q(0)＝0.8，之后循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整，基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；

直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对待处理图像中各独立分量进行分离的分离矩阵。

下面以计算第k次迭代后的分离矩阵为例对上述过程进行详细介绍。

首先，计算进行第k次迭代时的调整矩阵u_k，采用以下表达式：

u_k＝h(k-1)*R；

其中，h(k-1)为进行k-1次迭代后获得的分离矩阵，R为预处理后图像的亮度矩阵。

其次，计算进行第k次迭代时的范数D(k)，采用表达式：

ψ(k)＝tanh(u_k)，和

接着，计算进行第k次迭代时的步长q(k)，采用以下表达：

q(k)＝α(k)*q(k-1)

其中，q(k-1)为进行第k-1次迭代时的步长，D(k-1)为进行第k-1次迭代时的范数，α(k)为进行第k次迭代时的步长调整变量，p为预设的自然数，代表对待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

比如，D(0)＝0，γ＝0.7，用于控制迭代过程的收敛速度，β＝0.3，用于控制迭代过程的稳定性，p＝3，用于控制从待处理图像中得到的各独立分量的分离度，p越小，分离度越大，得到分离矩阵时的迭代次数就越多；p越大，分离度越小，在得到分离矩阵时的迭代次数就越少。

这样，采用变步长的方式来计算分离矩阵，可以大大提高分离矩阵的收敛速度，进而提高图像去噪的速度。

进一步地，计算第k次迭代时的迭代变化量Δh(k)，采用以下表达式：

然后，计算在k次迭代时获得的分离矩阵h(k)，采用以下表达式：

c(k)＝h(k-1)+q(k)*Δh(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

具体地，在k次迭代后可以采用以下表达式计算获得的分离矩阵h(k)的收敛值f(k)：

判断分离矩阵h(k)的收敛值f(k)是否低于预设的收敛门限值，如0.001，若是，则确定k次迭代后获得的分离矩阵收敛；若否，则继续下次迭代。

S104：根据分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像。

假设收敛后的分离矩阵为h(k)，待处理图像的亮度矩阵为R'，则可以根据以下公式获得至少两幅图像的亮度矩阵；

U＝h(k)*R'；

其中，矩阵U包含待处理图像中所有独立分量的图像数据，这里，至少两幅图像中的一幅图像为只包含高斯噪声的源图像，其余图像为待处理图像中包含的噪声图像。

比如，待处理图像中除了源图像信息，还包含高斯噪声和α稳定分布噪声两种噪声，即待处理图像中有3个独立分量，则利用分离矩阵对待处理图像中的非高斯噪声进行分离以后，可以得到一幅α稳定分布噪声图像和一幅只包含高斯噪声的源图像，这是因为独立分量分析本身呈现出极大的非高斯成分，即高斯分布的所有高阶累计量均为零，这决定了对待处理图像进行噪声分离后无法实现对高斯噪声的分离，而一般图像中都会包含高斯噪声，因此，还可以执行步骤S105。

S105：基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行噪声去除，得到源图像。

比如，可以利用基于最小均方算法的Volterra图像滤波(VLMS)算法对只包含高斯噪声的图像进行去噪处理，进而得到不包含噪声的源图像。

当图像中混合含有多种噪声时，现有技术中的图像去噪方法往往会发生性能裂化，而本申请实施例中，获取待处理图像后，先对待处理图像进行去均值和白化的预处理，再根据MMI算法和预处理后的图像，确定对待处理图像中各独立分量进行分离的分离矩阵，并根据得到的分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像，进而基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行去噪处理得到源图像，这样，使用分数低阶相关矩阵对图像进行白化处理，从而使基于高阶统计量的MMI算法适用于混合噪声去除，并自适应调整分离矩阵收敛速度，即使待处理图像中除了高斯噪声，还包含有冲击性非常强或者拖尾特性比较厚重的噪声，也可以利用MMI算法将这些噪声从待处理图像中分离出来，从而得到只包含高斯噪声的图像，之后，只需要去除图像中的高斯噪声就可以达到比较理想的去噪效果，并且去噪速度也更快。

实施例二

如图2所示，为本申请实施例提供的又一图像去噪方法流程图，包括以下步骤：

S201：获取待处理图像。

S202：对待处理图像进行去均值和白化的预处理。

S203：指定待处理图像中独立分量的个数，并给定初始分离矩阵和初始迭代步长。

比如，指定待处理图像中独立分量的个数为3，分离矩阵的初始值h(0)＝I，初始迭代步长q(0)＝0.8。

S204：基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整。

假设预处理后图像的亮度矩阵为R，进行k-1次迭代后获得的分离矩阵为h(k-1)，则进行第k次迭代时的调整矩阵u_k为：

u_k＝h(k-1)*R，

进一步地，计算进行第k次迭代时的范数D(k)：

ψ(k)＝tanh(u_k)，

接着，计算第k次迭代时的步长调整变量α(k)：

则，进行第k次迭代时的步长q(k)为：

q(k)＝α(k)*q(k-1)；

其中，q(k-1)为进行第k-1次迭代时的步长，D(k-1)为进行第k-1次迭代时的范数，p为预设的自然数，代表对待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

比如，D(0)＝0，γ＝0.7，用于控制迭代过程的收敛速度，β＝0.3，用于控制迭代过程的稳定性，p＝3，用于控制从待处理图像中得到的各独立分量的分离度，p越小，分离度越大，得到分离矩阵时的迭代次数就越多；p越大，分离度越小，在得到分离矩阵时的迭代次数就越少。

S205：基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵。

进一步地，计算第k次迭代时的迭代变化量Δh(k)：

然后，计算在k次迭代时获得的分离矩阵h(k)：

c(k)＝h(k-1)+q(k)*Δh(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

S206：判断再次迭代后的分离矩阵是否收敛，若收敛，则进入S204；否则，进入S207。

具体地，在k次迭代后可以采用以下表达式计算获得的分离矩阵h(k)的收敛值f(k)：

确定分离矩阵h(k)的收敛值f(k)低于预设的收敛门限值时，如0.001，则确定k次迭代后获得的分离矩阵收敛。

S207：根据收敛的分离矩阵对待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像。

假设收敛后的分离矩阵为h(k)，待处理图像的亮度矩阵为R'，则可以根据以下公式获得两幅图像(独立分量个数为3)的亮度矩阵；

U＝h(k)*R'；

其中，矩阵U包含待处理图像中3个独立分量的图像数据，因为无法分离出高斯噪声，因此，两幅图像中的一幅为只包含高斯噪声的源图像，另一幅为待处理图像中包含的噪声图像，如α稳定分布噪声图像。

S208：基于预设的去除高斯噪声的算法对只包含高斯噪声的源图像进行噪声去除，得到源图像。

比如，利用VLMS算法对只包含高斯噪声的图像进行去噪，得到不包含噪声的源图像。

实施例三

基于同一发明构思，本申请实施例中还提供了一种与图像去噪的方法对应的图像去噪的装置，由于该装置解决问题的原理与本申请实施例图像去噪的方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

如图3所示，为本申请实施例提供的图像去噪的装置结构图，包括：

获取模块301，用于获取待处理图像；

预处理模块302，用于对所述待处理图像进行去均值和白化的预处理；

分离矩阵确定模块303，用于根据最小互信息量MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵；

分离模块304，用于根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；

去噪模块305，用于基于预设的去除高斯噪声的算法对所述只包含高斯噪声的源图像进行噪声去除，得到源图像。

可选地，所述分离矩阵确定模块303具体用于：

根据分离矩阵和迭代步长的初始值，循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整；

基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；

直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对所述待处理图像中各独立分量进行分离的分离矩阵。

可选地，所述分离模块304具体用于：

基于分离矩阵和所述待处理图像的亮度矩阵的乘积，获得至少两幅图像的亮度矩阵；

其中，所述至少两幅图像中的一幅图像为只包含高斯噪声的源图像，其余图像为所述待处理图像中包含的噪声图像。

可选地，所述分离矩阵确定模块303具体用于：

基于预处理后图像的亮度矩阵R，以及进行k-1次迭代后获得的分离矩阵h(k-1)，采用表达式：

u_k＝h(k-1)*R，

获得进行第k次迭代时的调整矩阵u_k；

基于进行第k次迭代时的调整矩阵u_k，采用表达式：

ψ(k)＝tanh(u_k)和

获得进行第k次迭代时的范数D(k)；

基于进行第k次迭代时的范数D(k)，采用表达式：

获得进行第k次迭代时的步长q(k)；

其中，α(k)为进行第k次迭代时的步长调整变量，D(k-1)为进行第k-1次迭代时的范数，q(k-1)为进行第k-1次迭代时的步长，p为自然数，代表对所述待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

可选地，所述分离矩阵确定模块303具体用于：

采用表达式：

获得第k次迭代时的迭代变化量Δh(k)；

采用表达式：

c(k)＝h(k-1)+q(k)*Δh(k)和

获得在k次迭代后的分离矩阵h(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

可选地，所述分离矩阵确定模块303具体用于根据以下步骤确定获得的分离矩阵收敛：

基于进行k-1次迭代后获得的分离矩阵h(k-1)、进行k次迭代后获得的分离矩阵h(k)，采用表达式

获得k次迭代后的分离矩阵的收敛值f(k)；

当所述分离矩阵的收敛值f(k)低于预设的收敛门限值时，确定获得的分离矩阵h(k)收敛。

实施例四

如图4所示，为本申请实施例提供的用于实现图像去噪的电子设备的硬件结构示意图，包括至少一个处理单元401、以及至少一个存储单元402，其中，存储单元存储有程序代码，当程序代码被所述处理单元执行时，使得电子设备执行上述图像去噪方法的步骤。

实施例四

本申请实施例提供的一种计算机可读存储介质，包括程序代码，当所述程序代码在电子设备上运行时，使电子设备执行上述图像去噪方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (7)

1.一种图像去噪方法，其特征在于，包括：

获取待处理图像；

对所述待处理图像进行去均值和白化的预处理；

根据最小互信息量MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵；

根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；

基于预设的去除高斯噪声的算法对所述只包含高斯噪声的源图像进行噪声去除，得到源图像；

根据MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵，包括：

根据分离矩阵和迭代步长的初始值，循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整；

基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；

直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对所述待处理图像中各独立分量进行分离的分离矩阵；

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整，包括：

基于预处理后图像的亮度矩阵R，以及进行k-1次迭代后获得的分离矩阵h(k-1)，采用表达式：

u_k＝h(k-1)*R，

获得进行第k次迭代时的调整矩阵u_k；

基于进行第k次迭代时的调整矩阵u_k，采用表达式：

ψ(k)＝tanh(u_k)和

获得进行第k次迭代时的范数D(k)；

基于进行第k次迭代时的范数D(k)，采用表达式：

和q(k)＝α(k)*q(k-1)，

获得进行第k次迭代时的步长q(k)；

其中，α(k)为进行第k次迭代时的步长调整变量，D(k-1)为进行第k-1次迭代时的范数，q(k-1)为进行第k-1次迭代时的步长，p为自然数，代表对所述待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

2.如权利要求1所述的方法，其特征在于，根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像，包括：

基于分离矩阵和所述待处理图像的亮度矩阵的乘积，获得至少两幅图像的亮度矩阵；

其中，所述至少两幅图像中的一幅为只包含高斯噪声的源图像，其余为所述待处理图像中包含的噪声图像。

3.如权利要求1所述的方法，其特征在于，基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵，包括：

采用表达式：

获得第k次迭代时的迭代变化量Δh(k)；

采用表达式：

c(k)＝h(k-1)+q(k)*Δh(k)和

获得在k次迭代后的分离矩阵h(k)；

其中，c(k)为进行第k次迭代时的分离矩阵调整变量。

4.如权利要求3所述的方法，其特征在于，根据以下步骤确定获得的分离矩阵收敛：

基于进行k-1次迭代后获得的分离矩阵h(k-1)、进行k次迭代后获得的分离矩阵h(k)，采用表达式

获得k次迭代后分离矩阵的收敛值f(k)；

当所述分离矩阵的收敛值f(k)低于预设的收敛门限值时，确定获得的分离矩阵h(k)收敛。

5.一种图像去噪装置，其特征在于，包括：

获取模块，用于获取待处理图像；

预处理模块，用于对所述待处理图像进行去均值和白化的预处理；

分离矩阵确定模块，用于根据最小互信息量MMI算法和进行预处理后的图像，确定对所述待处理图像中各独立分量进行分离的分离矩阵；

分离模块，用于根据所述分离矩阵对所述待处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的源图像；

去噪模块，用于基于预设的去除高斯噪声的算法对所述只包含高斯噪声的源图像进行噪声去除，得到源图像；

所述分离矩阵确定模块，具体用于根据分离矩阵和迭代步长的初始值，循环执行以下操作：

基于预处理后图像的亮度矩阵和上一次进行迭代后获得的分离矩阵，对上一次迭代时的步长进行调整；基于调整后的步长，对上一次进行迭代后获得的分离矩阵进行再次迭代，获得再次迭代后的分离矩阵；直到确定获得的分离矩阵收敛时，将收敛的分离矩阵作为对所述待处理图像中各独立分量进行分离的分离矩阵；以及

具体用于基于以下步骤对上一次迭代时的步长进行调整：

基于预处理后图像的亮度矩阵R，以及进行k-1次迭代后获得的分离矩阵h(k-1)，采用表达式：

u_k＝h(k-1)*R，

获得进行第k次迭代时的调整矩阵u_k；

基于进行第k次迭代时的调整矩阵u_k，采用表达式：

ψ(k)＝tanh(u_k)和

获得进行第k次迭代时的范数D(k)；

基于进行第k次迭代时的范数D(k)，采用表达式：

和q(k)＝α(k)*q(k-1)，

获得进行第k次迭代时的步长q(k)；

其中，α(k)为进行第k次迭代时的步长调整变量，D(k-1)为进行第k-1次迭代时的范数，q(k-1)为进行第k-1次迭代时的步长，p为自然数，代表对所述待处理图像中各独立分量的分离度，D(0)、q(0)、γ和β均为预设的常数，且0＜γ＜1，0＜β＜1。

6.一种电子设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述电子设备执行权利要求1～4任一所述方法的步骤。

7.一种计算机可读存储介质，其特征在于，包括程序代码，当所述程序代码在电子设备上运行时，使所述电子设备执行权利要求1～4任一所述方法的步骤。

Images