1.基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,该方法包括下述步骤:步骤一:获取到用户输入的噪声图像,将噪声图像y分割成片,每个片的大小为n×n;以光栅扫描顺序提取每个像素s的图像块;s用来描述重叠的程度;初始化链表L,用来存储某片及其相似片;
步骤二:利用平动模型搜索相似片;对每一个片,通过平动模型在搜索空间内搜索其相似片,将该片和相似片按照和该片相似程度从大到小的顺序存入链表L;平动模型即为平移运动模型,具体为n*n大小的窗口在整个矩阵上做指定距离的水平或垂直运动;
步骤三:利用透视变化矩阵搜索相似片;具体为利用透视变换矩阵在搜索空间内搜索该片相似片,将相似片存入上述链表L中,和链表中已经存在的相似片进行相似程度对比,确认存储位置;
步骤四:利用结构规律性搜索相似片;具体为结合规律性侦测结果在搜索空间内搜索该片的相似片,将相似片存入上述链表L中,和链表中已经存在的相似片进行相似程度对比,确认存储位置;
步骤五:从存储链表中选择m个相似片;组成一个m×n阶的相似片矩阵步骤六:将相似片矩阵 做奇异值分解,得到一个m×m阶的酉矩阵 一个m×n的对角矩阵 和一个n×n阶酉矩阵 其中 的主对角线上为矩阵的奇异值序列;具体步骤如下:SS1:将噪声图像y分割成片,每个片的大小为n×n;以光栅扫描顺序提取每个像素s的图像块;s用来描述重叠的程度;对于每个噪声图像片,根据图像片的L2范数距离度量设置的图像块中搜索K-最近邻以构造矩阵;针对每组图像块独立地制定具有低秩约束的去噪问题:表示过滤结果,并且是作为调整因子γ的噪声水平;秩通常由L0范数表示,表明矩阵中的向量应具有大的相关性;
使用 的奇异值向量而不是L0范数的内核范数是解决稀疏约束问题的策略;公式(7)中的目标函数转换为:SS2:将奇异值分解应用于图像片矩阵 以生成酉矩阵矩阵 奇异值对角 和酉矩阵 软阈值操作进一步应用于奇异值矩阵,以导出收缩矩阵式中,SoftThr是一种缩小对角线元素的函数,用于根据阈值调整每个奇异值,其具体表达为:λτ=sign(λ)*max(|λ|-τ,0) (12);
步骤七:利用公式 即公式(12),消除噪声污染对奇异值的影响;
步骤八:将奇异值分解的矩阵利用新的奇异值做逆变换;具体为利用公式(12)对奇异值序列进行处理,将处理后的奇异值序列代替原有的序列进行奇异值分解的逆变换,将得到的矩阵的第一列的数据替换该片;
步骤九:检测所有的片是否都已经完成处理,若是则结束当前步骤,否则返回步骤二。
2.根据权利要求1所述的基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,步骤二中,所述的搜索空间为整个图像的亮度矩阵。
3.根据权利要求1所述的基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,步骤三和步骤四中,确认存储位置的方法为:按照通过计算得出MSE的值来确定节点插入位置,即将MSE小的值插入到比他大的MSE值的前面,考虑排序法则,即链表头节点后第一个节点存储的是和原始片最相似的片,此处链表头节点指存储链原始片的节点。
4.根据权利要求1所述的基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,步骤三中,所述透视变换矩阵通过下述步骤获得:S1:获取到用户输入的噪声图像;
S2:检测到图像内的消失点;
S3:根据图像内的消失点计算得到面透射矩阵Hm;具体计算方法为:S301:已知图像内的消失点,vp1,vp2...vpi,...vpn,S302:任取出两个消失点组合,便可根据公式 计算以这两个消失点所对应的平行线所构成平面的法向量
S303:据此得到面透射矩阵Hm,具体由计算机图形学中的透视变换,即由法向量直接得到该矩阵;
S4:获取到已知图像内物体的面透射矩阵Hm,Hm具体形式为:
5.根据权利要求1所述的基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,步骤四中,对图像进行规律性侦测,存储规律性结构,得到规律性侦测结果的方法,具体方法为:S10:检测原始图像空间的当前片中的高斯特征点的标准差;
S20:为每个特征点计算尺度不变特征变换算子;
S30:使用KD树计算每个特征的两个最近邻居;
S40:对于每个平面,在两个特征位置以较高的先验概率提取所有特征匹配;
S50:通过仿射校正匹配特征点的位置,消除二维空间中重复结构的透视畸变。
6.根据权利要求1所述的基于面内透视和规律性的非局部低秩化图像去噪方法,其特征在于,步骤三和步骤四中,在已重建的图像区域搜索最佳匹配块的过程中,假设标识候选位置的运动矢量为mv=(mvx,mvy),记录当前块位置与候选位置的差;根据Hm对mv进行面透射变换得到mv在校正空间内的运动矢量(dx,dy),面透射变换具体为:假设当前编码块内的像素点为ti,其在已重建的图像区域,在候选运动矢量mv所标识的位置处所对应的像素点位置为si,其中,在分别将坐标ti和si扩展为齐次坐标,即为
设h1,h2,h3为步骤S4中所求出来的矩阵Hm的三个行向量,即为该矩阵自身的行;则在仿射修正空间中的源和目标块表示为:所求出的校正空间上的运动矢量为(dx,dy),则 则通过以下公式计算得到:结合公式(4)和公式(5),可计算得到目标像素的坐标,即为计算新像素的透视变换矩阵,具体为: