欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021110697553
申请人: 江苏海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法,其特征在于:所述方法如下:步骤1:将图像重叠分块,对选定的图像块搜索预定窗口范围内的所有相似块,将所有的相似块进行叠加形成矩阵;

步骤2:对矩阵进行奇异值分解;基于清晰图像具有冗余性,具有低秩性,利用核范数最小化方法进行求解;分解过程中使用权重进行调节,保留较大的奇异值,减少较小的奇异值,同时使用噪声方差来规范F范数的保真项;

步骤3:奇异值软阈值操作,当权重为非递减序列时,加权核范数最小化模型采用奇异值软阈值化方式进行求取最优解;

步骤4:对整幅图像的所有图像块遍历进行相似块搜索、奇异值分解和软阈值化操作;

步骤5:按照堆叠的顺序将图像块重新恢复成一幅完整的图像;

步骤6:重复(1)‑(5)步骤,增加判断条件,使迭代过程中计算的峰值信噪比结果最优时,输出去噪后的图像,立即停止迭代;

步骤7:采取二阶微分运算方法对步骤6中的待处理影像进行滤波,邻域内选取了一个中心像素,如果它所在邻域内其它所有像素的平均灰度值要高于这个像素的灰度值,降低中心像素的灰度值;而当中心像素的灰度值超过了邻域内其余像素的灰度值均值时,增强中心像素灰度值;

步骤8:使用差分运算,将图像中与某像素点邻近的水平和竖直方向的像素点之差进行求和得到拉普卡斯算子,拉普卡斯算子的模板包括四邻域模板或八邻域模板;

步骤9:判断平滑块,对去噪后的平滑区域进行增强处理,非平滑区域不进行操作,达到有选择性增强的目的;

判断平滑块的方法是利用去噪后图像块与原始含有噪声的影像求差,得到残差图,利用下式判断图像块是否平滑:其中,sgn(*)是符号函数,当*表示的值大于0时,函数值是1,否则就将0赋给函数,σ是图像块的标准差,θ是残差图的标准差;当y=1时,认为图像块为非平滑块,不需要进行处理;当y≠1时则认为图像块是平滑块,需要对其进行增强。

2.根据权利要求1所述的一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法,其特征在于:步骤1中的叠加形成矩阵Yj,相似块矩阵可被视为如下模型:Yj=Xj+Nj          (1)

其中,Xj为相似块矩阵不含噪声的信号,Nj表示相似块矩阵中的噪声信号。

3.根据权利要求2所述的一种改进的加权核范数最小化和Laplace算子选择性增强的T遥感影像去噪方法,其特征在于:对Yj进行奇异值分解得到Yj=U∑V ;由于清晰图像具有冗余性,Xj则具有低秩性,利用核范数最小化方法进行求解:

4.根据权利要求3所述的一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法,其特征在于:使用权重进行调节,保留较大的奇异值,减少较小的奇异2

值;使用噪声方差σn来规范F范数的保真项 因此式(2)可以改写成式(3)的形式:其中,λ是一个正常数,||·||ω,*是矩阵的加权核范数,即矩阵的加权奇异值之和。

5.根据权利要求4所述的一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法,其特征在于:当权重为非递减序列时,即0≤ω1≤…≤ωn,式(3)中的加权核范数最小化模型采用奇异值软阈值化方式进行求取最优解,得到解的形式如下:T

其中,U和V是对Yj进行奇异值分解得到的酉矩阵,Sω(∑)表示的是加权后的一个软阈值算子,可以表示为式(5):Sω(∑)=max(σi(Xj)‑ωi,0)

其中,ωi是奇异值σi(Xj)对应的权重,c是一个正常数,q是矩阵Yj中相似块的个数,ε是‑16一个避免分母为零的调控参数,取值为10 ,对于Xj的奇异值使用下式计算:其中,σi(Y)是相似块矩阵的第i个奇异值,σn是图像的噪声方差。

6.根据权利要求1所述的一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法,其特征在于:步骤8中将图像中与某像素点(i,j)邻近的水平和竖直方向的像素点之差在进行求和即为拉普卡斯算子,可表示为:按照上式可以找到一个拉普拉斯的四邻域模板,矩阵表示如下:八邻域模板的差分表示可以用下式表示:

可得到的八邻域模板如下: