【技術實現步驟摘要】
本專利技術涉及到圖像處理
，具體地說，是一種基于統計局部秩特征的圖像去噪方法。
技術介紹
圖像在獲取和傳輸過程中，不可避免地會受各種噪聲的影響，導致圖像質量下降，無法滿足后續處理的需求。為了提高圖像質量，圖像去噪技術應運而生。近年來，信號的稀疏表示成為高維信號獲取、表征和壓縮的一個強大工具。稀疏表示模型假設圖像中的非噪聲成分能夠被稀疏表示，而噪聲成分不能被稀疏表示，研究人員利用稀疏表示方法的這一特性開展了大量研究。梁等在K-奇異值分解算法的基礎上，結合結構聚類和字典學習，設計了一種基于非局部正則化稀疏表示的圖像去噪方法，相比傳統的K-奇異值分解方法，該方法能更好地保持圖像結構信息(參見文獻“基于稀疏表示的Shearlet域SAR圖像去噪”，發表于電子與信息學報，2012年第9期)。孫等采用一種基于稀疏表示模型的貝葉斯最大后驗概率估計方法去除圖像噪聲(參見文獻“A novel image denoisingalgorithm using linear Bayesian MAP estimation based on sparse representation”，發表于Signal Processing，2014年第7期)。然而，上述基于稀疏表示的圖像去噪方法都是對整幅圖像進行處理，未考慮到圖像邊緣和非邊緣區域的差異，這導
致去噪結果往往會存在細節和邊緣上的瑕疵，甚至會丟失一些紋理信息。由此可見，亟需一種既能夠較好地去除圖像噪聲，且能夠同時有效保留圖像邊緣和細節信息的圖像去噪方法。
技術實現思路
針對現有技術的不足，本專利技術的目的是提供一...
【技術保護點】
一種基于統計局部秩特征的圖像去噪方法，其特征在于按照以下步驟進行：步驟1：對于圖像I，利用局部秩算子按照公式LRTk(I)＝{LRTk(Ii)|Ii∈I}在不同參數條件下進行局部秩變換，得到圖像的正局部秩變換LRTpk(Ii)和負局部秩變換LRTnk(Ii)，其中，i為圖像序號，Ii為第i幅噪聲圖像，k＝0,±0.01,±0.03,......；步驟2：將所述正局部秩變換LRTpk(Ii)和負局部秩變換LRTnk(Ii)相加，得到參數連續變化的統計局部秩特征步驟3：基于一種圖像去噪方法，并采用所述統計局部秩特征得出的該圖像去噪方法的約束條件對圖像進行去噪處理，獲得初級清晰圖像步驟4：通過去噪公式對初級清晰圖像進行二次去噪處理，并在去噪過程中控制初級清晰圖像與清晰圖像之間統計局部秩特征的差異，實現噪聲的去除，獲得最終的清晰圖像
【技術特征摘要】
1.一種基于統計局部秩特征的圖像去噪方法，其特征在于按照以下步驟進行：步驟1：...
【專利技術屬性】
技術研發人員：李正浩，陳魏然，楊雋瑩，陳凱，龔衛國，李偉紅，楊利平，胡倫庭，
申請(專利權)人：重慶大學，
類型：發明
國別省市：重慶;50
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。