专利分类
专利分类

改进的正交匹配追踪的图像去噪方法专利

专利号:201710868505.3

销售价
1500
改进的正交匹配追踪的图像去噪方法专利二维码
  • 累计销量0
  • 浏览次数50
  • 累计评论0
首页

专利名称:基于改进的正交匹配追踪的图像去噪方法

技术领域:图像去噪

IPC主分类号:G06T5/00

申请号:CN201710868505.3

公开日:2018-01-30

说明书

一种基于改进的正交匹配追踪的图像去噪方法

技术领域

[0001] 本发明属于图像处理技术领域,特别是一种基于改进的正交匹配追踪的图像去噪方法。

背景技术

[0002] 图像噪声是图像中无用的信息,会降低图像质量,在图像的采集和传输的过程中,噪声往往成为主要的障碍因素,破坏了图像的完整性,对图像的使用价值造成了很大的影响。因此,提取有用信号抑制噪声,提高图像质量,为后续更高层次的处理做好准备,对图像进行去噪处理是不可缺少的重要环节。图像去噪就是保留图像中的有用信息,消除或减少图像中的干扰和噪声。
[0003] 目前,比较成熟的图像去噪方法可以分为以下几类:
[0004] (1)空间域和变换域处理方法
[0005] 空间域处理就是直接在原始图像上进行数据运算,比如直接对图像灰度值进行数据运算,中值滤波和维纳滤波等均属于这类处理方法。变换域图像去噪,也称作频域率图像去噪,是一种基于图像变换域处理的非常有效的图像去噪方法。该类方法的核心思想是通过某种变换后,实现处理图像的域的范围从空间域到变换域的转变,并且进一步对变换域中的变换系数施加相关公式的运算,将其从现在所处的变换域重新还原到原来的空间域,以此来达到去噪的目的。
[0006] 例如,2013年,林东升的《三种空间域图像去噪方法的比较与研究》对空间域图像去噪方法进行了研究;2013年,张稳稳的《基于变换域的图像去噪算法研究》对变换域图像去噪方法进行的研究。它们的共同之处在于,都是基于奈奎斯特采样定理均匀的采样信号的每个点,对于图像中的每一个像素处理,导致相邻样点的冗余,存在巨大的资源浪费。且用的都是同一种思维和方法,直接在原始图像上进行数据运算,忽略了图像像素本身特性。这也就不难理解为什么该类方法在去噪的同时往往伴随着较为严重的模糊现象。
[0007] (2)基于正交匹配追踪的图像去噪方法
[0008] 图像的稀疏表示,即认为一幅图像或可以经过变换处理后变成仅有有限个非零元素,大多数元素都接近零,且这部分有限的非零元素表示了图像的绝大部分信息,因此图像可以通过这有限个非零元素重建出与原始图像差别很小的重构图像。正交匹配追踪算法即利用稀疏表示理论,将测量矩阵用正交化方法进行正交化处理,再将信号在这些正交原子构成的空间上投影进行稀疏逼近,得到信号在各个已选原子上的分量和残余分量,然后用相同方法分解残余分量,通过最终得到的元素再重新描述信号。
[0009] 例如,2012年,郭德全、杨红雨的《基于稀疏性的图像去噪综述》研究了基于稀疏表示的正交匹配追踪算法及其早期算法;2014年,吴迪、王奎民等的《分段正则化正交匹配追踪算法》研究了正交匹配追踪算法快速实现。它们都对正交匹配追踪算法进行了实现,但是都没有对匹配追踪过程进行严格的判定,在残差r在迭代更新过程当中会产生过度现象,导致图像中边缘不清晰。

发明内容

[0010] 本发明的目的在于提供一种基于改进的正交匹配追踪的图像去噪方法,从而将图像中的噪声有效的去除。
[0011] 实现本发明目的的技术解决方案为:一种基于改进的正交匹配追踪的图像去噪方法,包括以下步骤:
[0012] 步骤1,利用红外探测器或者可见光摄像头采集图像,该图像含有噪声;
[0013] 步骤2,如果步骤1采集到的是RGB图像,对其进行灰度化;否则,进行步骤3;
[0014] 步骤3,输入测量矩阵Φ,原始信号y,稀疏度M;初始化残差r0=y,初始化支撑索引集 初始迭代m=1,s≠0;
[0015] 步骤4,然后通过残差r与测量矩阵Φ中各个原子之间内积的绝对值,来计算相关系数,以此选出L个值,并将对应的索引值存入Am中,Am为m次选择后的索引集合;
[0016] 步骤5,记录找到的第m次索引值对应的矩阵 更新测量矩阵集合其中Φm为m次更新后的测量矩阵,Φm-1为m-1次更新后的测量矩阵;
[0017] 步骤6,由最小二乘得到 更新第m次残差rm和目标信号x第m次的逼近
[0018] 步骤7,判断新的残差是否满足条件:若||rm||2≥ε,其中rm为第m次残差,ε为阈值,直接转到步骤1;
[0019] 若||rm||2≤ε,且||rm||2≥||rm-1||2,其中rm-1为第m-1次的残差;则改变步长为s=s/2,支撑集Am的大小增大为L=L+s,m=m+1,转到步骤1;
[0020] 若||rm||2≤ε,且||rm||2≤||rm-1||2;则停止迭代,利用得到的原子进行最终的信号重建,得到去噪后的图像。
[0021] 进一步地,步骤4中所述通过残差r与测量矩阵Φ中各个原子之间内积的绝对值,来计算相关系数u,公式如下:
[0022]
[0023] 上式中,u为相关系数,uk为残差与测量矩阵的第k列的相关系数,r为残差, 为测量矩阵的第k列;
[0024] 通过式(1)计算相关系数u,并从u中寻找L个最大值对应的索引值存入Am中。
[0025] 进一步地,步骤6所述更新第m次残差rm和目标信号x第m次的逼近 公式如下:
[0026]
[0027]
[0028] 上式中, 为目标信号x第m次的逼近,y为信号测量值,x为目标信号,Φm为第m次测量矩阵,rm为第m次残差。
[0029] 本发明与现有技术相比,其显著优点为:(1)基于图像的稀疏表示,即认为一幅图像或可以经过变换处理后变成仅有有限个非零元素,大多数元素都接近零,且这部分有限的非零元素表示了图像的绝大部分信息,因此图像可以通过这有限个非零元素重建出与原始图像差别很小的重构图像,因此需要保留的信息就大幅减少了,可以有效的利用资源;(2)在进行信号采样的同时进行信号的稀疏编码,利用信号自身的稀疏性实现信号的稀疏分解和重建,避免了对各个像素本身特性的忽略,保留了图像的细节特征;(3)对现有正交匹配追踪算法的残差r在迭代更新过程当中可能产生过度现象进行了改进,一是增大在接近最优化残差时的支撑集合,提高精度;二是增加残差迭代结束判定条件避免过度。
[0030] 下面结合附图对本发明作进一步详细描述。

附图说明

[0031] 图1为本发明基于改进的正交匹配追踪的图像去噪方法的流程图。
[0032] 图2为本发明采用的原始图,其中(a)为原始红外图像1,(b)为原始红外图像2,(c)为原始可见光图像1,(d)为原始可见光图像2。
[0033] 图3为针对含有噪声方差为30的红外图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像1,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0034] 图4为针对含有噪声方差为45的红外图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像1,(b)为b均值滤波去噪结果,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0035] 图5为针对含有噪声方差为60的红外图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像1,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0036] 图6为针对含有噪声方差为30的红外图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像2,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0037] 图7为针对含有噪声方差为45的红外图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像2,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0038] 图8为针对含有噪声方差为60的红外图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声红外图像2,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0039] 图9为针对含有噪声方差为30的可见光图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像1,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0040] 图10为针对含有噪声方差为45的可见光图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像1,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0041] 图11为针对含有噪声方差为60的可见光图像1进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像1,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0042] 图12为针对含有噪声方差为30的可见光图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像2,(b)为均值滤波去噪结果,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0043] 图13为针对含有噪声方差为45的可见光图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像2,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。
[0044] 图14为针对含有噪声方差为60的可见光图像2进行传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图,其中(a)为噪声可见光图像2,(b)为均值滤波去噪结果图,(c)为正交匹配算法结果图,(d)为本发明方法去噪结果图。

具体实施方式

[0045] 结合图1,本发明基于改进的正交匹配追踪的图像去噪方法,包括以下步骤:
[0046] 步骤1,利用红外探测器或者可见光摄像头采集图像,该图像含有噪声;
[0047] 步骤2,如果步骤1采集到的是RGB图像,对其进行灰度化;否则,进行步骤3;
[0048] 步骤3,输入测量矩阵Φ,原始信号y,稀疏度M;初始化残差r0=y,初始化支撑索引集 初始迭代m=1,s≠0;
[0049] 步骤4,然后通过残差r与测量矩阵Φ中各个原子之间内积的绝对值,来计算相关系数,以此选出L个值,并将对应的索引值存入Am中,Am为m次选择后的索引集合;
[0050] 所述通过残差r与测量矩阵Φ中各个原子之间内积的绝对值,来计算相关系数u,公式如下:
[0051]
[0052] 上式中,u为相关系数,uk为残差与测量矩阵的第k列的相关系数,r为残差, 为测量矩阵的第k列;
[0053] 通过式(1)计算相关系数u,并从u中寻找L个最大值对应的索引值存入Am中。
[0054] 步骤5,记录找到的第m次索引值对应的矩阵 更新测量矩阵集合其中Φm为m次更新后的测量矩阵,Φm-1为m-1次更新后的测量矩阵;
[0055] 步骤6,由最小二乘得到 更新第m次残差rm和目标信号x第m次的逼近 公式如下:
[0056]
[0057]
[0058] 上式中, 为目标信号x第m次的逼近,y为信号测量值,x为目标信号,Φm为第m次测量矩阵,rm为第m次残差。
[0059] 步骤7,判断新的残差是否满足条件:
[0060] 若||rm||2≥ε,其中rm为第m次残差,ε为阈值,直接转到步骤1;
[0061] 若||rm||2≤ε,且||rm||2≥||rm-1||2,其中rm-1为第m-1次的残差;则改变步长为s=s/2,支撑集Am的大小增大为L=L+s,m=m+1,转到步骤1;
[0062] 若||rm||2≤ε,且||rm||2≤||rm-1||2;则停止迭代,利用得到的原子进行最终的信号重建,得到去噪后的图像。
[0063] 1)若||rm||2≥ε,说明残差还比较大不能用与很好的重建图像。
[0064] 2)若||rm||2≤ε,且||rm||2≥||rm-1||2,则改变步长为s=s/2支撑集Am的大小增大为L=L+s,m=m+1转到步骤1。条件||rm||2≤ε保证最后得到的残差足够小;条件||rm||2≥||rm-1||2说明本次求得的残差比上一次的效果差,增大支撑集合,返回步骤1重新求得残差。
[0065] 3)若||rm||2≤ε,且||rm||2≤||rm-1||2,则停止迭代,利用得到的原子进行最终的信号重建,否则进行下一步。条件||rm||2≤ε保证最后得到的残差足够小,ε为一足够小的量;条件||rm||2≤||rm-1||2保证在计算过程中不断的得到更好值,不会因为步长过大等原因导致计算过度。
[0066] 下面结合本发明的仿真实施例对本发明做进一步的说明。
[0067] 实施例1
[0068] 首先利用红外焦平面及其控制模块或者可见光CCD采集红外和可见光图像,将图像输入到计算机中得到红外和可见光图像;为了评估改进的正交匹配追踪算法的有效性,进行了仿真实验。实验基于MATLAB R2014b软件,PC机配置为CPU 2.4GHz和内存4G。
[0069] 为了对红外图像和可见光图像进行去噪,进行了2组试验。原始图像为图2(a)~(d),像素大小均为320*240。
[0070] 图3(a)~(d)为含有噪声方差为30的红外图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图4(a)~(d)为含有噪声方差为45的红外图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图5(a)~(d)为含有噪声方差为60的红外图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图。
[0071] 图6(a)~(d)为含有噪声方差为30的红外图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图7(a)~(d)为含有噪声方差为45的红外图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图8(a)~(d)为含有噪声方差为60的红外图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图。
[0072] 图9(a)~(d)为含有噪声方差为30的可见光图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图10(a)~(d)为含有噪声方差为45的可见光图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图11(a)~(d)为含有噪声方差为60的可见光图像1,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图[0073] 图12(a)~(d)为含有噪声方差为30的可见光图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图13(a)~(d)为含有噪声方差为45的可见光图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图;图14(a)~(d)为含有噪声方差为60的可见光图像2,传统的均值滤波、正交匹配算法、本发明算法的去噪效果对比图。
[0074] 由图3到图14的去噪结果可以发现:3种图像去噪方法都起到了图像噪声去除的目的,不同的是,使用传统的空间域的均值滤波处理后的图像仍含有较多噪声,且会出现模糊现象,用正交匹配追踪算法处理后的图像和本发明算法处理后的图像效果都明显好于均值滤波,不同的是本发明去噪效果图的图像景物边缘更清晰,例如人物与背景分界,本文算法处理后图像中景物边缘分界明显,清晰度高。

改进的正交匹配追踪的图像去噪方法委托购买说明

填写需求表单支付预付款

平台根据需求优化购买方案

确认购买方案支付尾款

平台办理变更等待成功通知

改进的正交匹配追踪的图像去噪方法购买流程说明

发起委托,需要先支付100元预付款,委托不成功,全额退返预付款;

平台收到需求后,会在第一时间联系您,给到您最佳购买方案;

您在确认购买方案后,需支付全额专利购买费,预付款可抵扣购买费,专利购买费具体参见下方表格;

平台确认收款后,将帮您办理专利购买、专利过户等全流程手续;

平台代购专利失败,将全额退返专利购买费,包括预付款;

改进的正交匹配追踪的图像去噪方法专利购买费用

授权未缴费=专利裸价+著录项变更(200元)+登办费(当年年费+5元印花税)+恢复权利请求费1000元(按实收)+委托服务费(200元)+税金(专利裸价+委托服务费)x6%

已下证=专利裸价+著录项变更(200元)+滞纳金(按实收)+恢复权利请求费1000元(按实收)+委托服务费(200元)+税金(专利裸价+委托服务费)x6%

改进的正交匹配追踪的图像去噪方法购买费用说明

专利转让费用

专利买卖交易资料

Q:办理专利转让的流程及所需资料

A:专利权人变更需要办理著录项目变更手续,有代理机构的,变更手续应当由代理机构办理。

1:专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2:按规定缴纳著录项目变更手续费。

3:同时提交相关证明文件原件。

4:专利权转移的,变更后的专利权人委托新专利代理机构的,应当提交变更后的全体专利申请人签字或者盖章的委托书。更多

Q:专利著录项目变更费用如何缴交

A:(1)直接到国家知识产权局受理大厅收费窗口缴纳,(2)通过代办处缴纳,(3)通过邮局或者银行汇款,更多缴纳方式

Q:专利转让变更,最快多久能出结果

A:著录项目变更请求书递交后,一般1-2个月左右就会收到通知,国家知识产权局会下达《转让手续合格通知书》。

更多专利转让常见问题

动态评分

0.0

没有评分数据
没有评论数据
 
X 顶部大图