主权项 |
一种基于区域划分和字典学习的自然图像去噪方法,包括如下步骤:(1)输入待去噪的含噪图像I1;(2)对含噪图像I1进行平稳小波变换,得到一个低频子带L和三个高频子带H1,H2,H3,将高频子带H1,H2,H3系数全部置零,保持低频子带L系数不变,然后对低频子带和置零后的高频子带进行逆变换,得到重构后的图像I2;(3)利用primalsketch算法提取重构后图像I2的primal sketch草图,得到反映含噪图像I1的边缘的结构信息,利用该结构信息,将含噪图像I1分为结构区域E1和非结构区域E2;用块标准差统计的方法将含噪图像划分为非光滑区域E3和光滑区域E4,将非结构区域E2进一步划分为纹理区域E21和光滑区域E22;(4)对结构区域E1和纹理区域E21分别用KSVD算法学习得到结构区域E1的字典D1和纹理区域E21的字典D2;(5)对结构区域、纹理区域和光滑区域图像块进行去噪:对结构区域E1中标准差大于OMP算法阈值的图像块,用字典D1进行稀疏表示去噪,对标准差小于OMP算法阈值的图像块用BM3D方法进行去噪,得到结构区域E1的去噪图像I3;对纹理区域E21中标准差大于OMP算法阈值的图像块,用字典D2进行稀疏表示去噪,对标准差小于OMP算法阈值的图像块,用BM3D方法进行去噪,得到纹理区域E21的去噪图像I4;对光滑区域E22用改进的非局部均值算法进行去噪,得到光滑区域E22的去噪图像I5;(6)将结构区域、纹理区域和光滑区域的去噪图像进行合并,得到最终去噪图像 I6,即I6=I3+I4+I5。 |