基于四方向交叠组合稀疏全变分的图像复原方法及系统

1.本发明属于图像修复技术领域，具体涉及一种基于四方向交叠组合稀疏全变分的图像复原方法及系统。


背景技术：

2.由于环境和图像传输等各方面的影响，图像在采集、传输、存储等过程中往往会受到不同程度的噪声污染，从而引起了图像的退化并且严重降低了图像质量。因此，图像复原技术是图像处理领域中一类非常重要的处理技术。现有技术中，图像修复方法虽然具有保留图像特征(边缘、纹理部分)的优点，但同时也会产生阶梯效应。


技术实现要素：

3.为解决现有技术的不足，本发明提供一种基于四方向交叠组合稀疏全变分的图像复原方法及系统，能在去除噪声的同时保留图像特征且抑制阶梯效应。
4.为达到上述目的，本发明所采用的技术方案是：
5.第一方面，本实施例提供一种基于四方向交叠组合稀疏全变分的图像复原方法，包括：获取待修复图像；使用构建的四方向交叠组合稀疏全变分模型对待修复图像进行修复，输出修复好的图像。
6.进一步地，所述四方向交叠组合稀疏全变分模型为：
[0007][0008]
其中，表示复原后的图像，f表示模糊带噪的退化图像，u表示待修复图像，h表示点扩散函数构造的模糊算子或恒等算子，k
h
和k
v
分别代表水平和垂直方向的差分卷积算子，k
d
和k
b
分别代表在对角线和反对角线的差分卷积算子，|| ||2为欧几里得范数，代表模拟未知数据先验知识的正则化函数项，μ是起到平衡两项作用的正则化参数。
[0009]
进一步地，所述待修复图像满足周期性边界条件。
[0010]
进一步地，修复时，将待修复图像的每个像素点在垂直、水平、对角线和反对角线四个方向上的梯度信息加以组合，形成组合梯度。
[0011]
进一步地，修复时，将图像的四个方向的差分矩阵运算视为卷积操作，采用基于拉格朗日的admm算法将受约束的优化问题分裂为若干个子问题，其中，子问题分别用二维快速傅里叶变换和优化最小化法，交替迭代独立求解。
[0012]
第二方面，提供一种基于四方向交叠组合稀疏全变分的图像复原系统，包括：图像采集模块，用于获取待修复图像；图像复原模块，用于使用构建的四方向交叠组合稀疏全变分模型对待修复图像进行修复，输出修复好的图像与现有技术相比，本发明所达到的有益效果：
[0013]
(1)本发明通过使用构建的四方向交叠组合稀疏全变分模型对待修复图像进行修
复，充分挖掘图像上四个方向的梯度信息，加以交叠组合，能在去除噪声的同时保留图像特征且抑制阶梯效应；
[0014]
(2)本发明将复杂问题分解成几个独立的子问题解决，并用fft和mm算法交叠迭代求解子问题，去模糊时间也有较其他同类模型有缩短。
附图说明
[0015]
图1是本发明实施例提供的一种基于四方向交叠组合稀疏全变分的图像复原方法的主要流程示意图；
[0016]
图2是σ＝15时图像去噪后的复原结果图：(a)含噪图像，(b)tv+box模型复原图，(c)tv4模型复原后图，(d)ogstv模型复原图，(e)本发明新方法模型复原图，(f)
‑
(j)是(a)
‑
(e)模型对应的局部放大图；
[0017]
图3是σ＝30时图像去噪后的复原结果图：(a)含噪图像，(b)tv+box模型复原图，(c)tv4模型复原后图，(d)ogstv模型复原图，(e)本发明新方法模型复原图，(f)
‑
(j)是(a)
‑
(e)模型对应的局部放大图；
[0018]
图4是σ＝50时图像去噪后的复原结果图：(a)含噪图像，(b)tv+box模型复原图，(c)tv4模型复原后图，(d)ogstv模型复原图，(e)本发明新方法模型复原图，(f)
‑
(j)是(a)
‑
(e)模型对应的局部放大图；
[0019]
图5是图像去模糊后的复原结果图(3x3的高斯核)：(a)含噪图像，(b)tv+box模型复原图，(c)tv4模型复原后图，(d)ogstv模型复原图，(e)本发明新方法模型复原图，(f)
‑
(j)是(a)
‑
(e)模型对应的局部放大图；
[0020]
图6是图像去模糊后的复原结果图(3x3的平均核)：(a)含噪图像，(b)tv+box模型复原图，(c)tv4模型复原后图，(d)ogstv模型复原图，(e)本发明新方法模型复原图，(f)
‑
(j)是(a)
‑
(e)模型对应的局部放大图。
具体实施方式
[0021]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0022]
实施例一：
[0023]
一种基于四方向交叠组合稀疏全变分的图像复原方法，包括：获取待修复图像；使用构建的四方向交叠组合稀疏全变分模型对待修复图像进行修复，输出修复好的图像。
[0024]
本实施例中，四方向交叠组合稀疏全变分模型为：
[0025][0026]
其中，表示复原后的图像，f表示模糊带噪的退化图像，u表示待修复图像，h表示点扩散函数构造的模糊算子或恒等算子，k
h
和k
v
分别代表水平和垂直方向的差分卷积算子，k
d
和k
b
分别代表在对角线和反对角线的差分卷积算子，|| ||2为欧几里得范数，代表模拟未知数据先验知识的正则化函数项，μ是起到平衡两项作用的正则化参数。
[0027]
引入分裂变量x
i
＝k
i
*u(i＝1,2,3,4)，利用增广拉格朗日方法将式(1)转换为无约束问题，其增广拉格朗日目标函数可表示为：
[0028][0029]
其中，p
i
(i＝1,2,3,4)为拉格朗日乘子，β>0为惩罚参数。对变量x
i
(i＝1,2,3,4)联合求解最值问题是比较困难的，因此本实施例使用基于拉格朗日的admm来解决这一点。为此，引入对偶变量令，并对其目标函数补配方项，则有式(3)：
[0030][0031]
其中u,x
i
,是增广拉格朗日矩阵l
a
()函数下的三个变量的矩阵形式，采用矩阵形式的变量避免了大型矩阵相乘的算法复杂性。
[0032]
本实施例采用admm算法将受约束的优化问题分裂为几个单独的子问题，并且交替最小化l
a
()函数下的变量u,x
i
,求得l
a
()的鞍点，具体解决如下：
[0033][0034]
其中，u,x
i
,都是独立变量，可以逐一求解：
[0035]
其中u子问题u
k+1
表示如下：
[0036][0037]
本实施例引入二维快速傅里叶变换将时域中复杂的矩阵乘法问题转换到频域中求解，降低了计算复杂度。u子问题的频域表达式为：
[0038][0039]
其中，代表a的频谱，符号代表分量乘法。明显地，关于的子问题是一个典型的最小二乘问题，通过使的一阶导数为零，它等价于以下的方程：
[0040][0041]
其中，是的共轭矩阵。值得说明的是本实施例使用周期边界条件，所以的共轭矩阵。值得说明的是本实施例使用周期边界条件，所以是带有循环块的循环块(bccb)。因此，可以利用fft得到u子问题的最优解为：
[0042][0043]
x
i
，(i＝1,2,3,4)子问题具体如下所示：
[0044][0045]
x
i
，(i＝1,2,3,4)子问题属于交叠组合稀疏问题，具体可以用优化最小化(majorization
‑
minimization，mm)算法来迭代求解；
[0046]
更新对偶变量(i＝1,2,3,4)；；
[0047][0048]
最终得到一种基于四方向交叠组合稀疏全变分的新模型。
[0049]
如图1所示，使用本实施例所述方法修复图像的主要流程为：
[0050]
第一步：输入u,参数μ＞0,群大小k,
[0051]
其中，u表示待修复图像，k为差分卷积算子；
[0052]
第二步：初始化
[0053]
f0＝u，k＝0，
[0054][0055]
其中u,x
i
,为分裂的几个单独的子问题；
[0056]
第三步：开始循环
[0057][0058][0059][0060]
k＝k+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0061]
第四步：循环至u
k+1
满足停止标准；
[0062]
第五步：结束循环，返回u
k+1
。
[0063]
为了验证本实施例的有效性，将本实施例提出的模型和其他经典的模型进行比较，引入峰值信噪比(psnr)，结构相似性(ssim)和计算时长作为评价复原后图像质量的三个指标。其中psnr其值越大图像质量越高，ssim值越接近于1，表示复原后的图像越接近于原始图像，时间越短表示图像复原速度越快。
[0064]
首先，通过对比相关模型tv+box，tv4，ogstv来论证本实施例所述模型图像去噪的有效性。针对本实施例所提出的交叠组合稀疏正则项的四方向全变分新模型(ogstv4)调整参数值使其获得最大的psnr和ssim值。针对ogstv调整正则化参数值，其他参数值参考文献。tv_box，tv4也使用admm算法求解，调整参数值获得最佳的psnr和ssim值。
[0065]
图2，3和4分别展示了噪声标准差为15，30和50情况下不同模型去噪后的整体复原图和局部放大图。从图中可以看出，添加框约束后的tv模型和tv4模型虽然保存了图像边缘信息，但是噪声并没有完全消除掉。ogstv模型虽然有效去除了噪声，但是他过度平滑了图像边缘，在对应的局部图中尤为明显。而本实施例提出的模型很好的克服了以上缺点，既保留了传统全变分的消除噪声的优良特性，又充分挖掘图像上四个方向的梯度信息，加以交叠组合，更进一步抑制了阶梯效应。
[0066]
为了进一步具体的比较各模型的去噪能力，表1展示了噪声标准差(σ)为15，30和50情况下不同模型去噪后的图像psnr,ssim和time值：
[0067]
表1 不同σ值时不同模型去噪后的图像psnr,ssim和time值
[0068][0069][0070]
从psnr值和ssim值来看，本实施例提出的模型去噪后图像的psnr和ssim值明显高于tv_box,tv4和ogstv。虽然从时间上看，本实施例提出的模型去噪时间相对较长，但综合考虑整体去噪效果，得出本实施例提出的模型在去噪方面更优。
[0071]
其次论证本实施例提出的模型去模糊的有效性，将本实施例提出的模型和相关模型tv+box，tv4，ogstv进行比较。调整各个模型的正则化参数来获得最佳的psnr、ssim值。
[0072]
各模型去模糊后的图片展示在图5和图6中。不难发现无论图片是受高斯核或平均核的污染，本实施例提出的模型都能获得更清楚的视觉效果。表2展示的是分别受标准偏差为2的3*3的高斯核(g)和3*3的平均核(a)所污染并添加标准差为10的零均值高斯白噪声的
情况下各模型去模糊后的图像psnr,ssim和time值：
[0073]
表2
[0074][0075][0076]
从表2中也可以清楚看到，新模型在psnr和ssim值上都高于其他模型。
[0077]
采用上述技术方案后，本实施例的有益效果为：既保留了传统全变分的消除噪声的优良特性，又充分挖掘图像上四个方向的梯度信息，加以交叠组合，更进一步抑制了阶梯效应。既可以有效的去除噪声，又可以保存好图像边缘等细节信息，有效的保存可图像特征。与其他的流行去噪模型相比，本实施例提出的去噪模型能取得更大的psnr和ssim值。将复杂问题分解成几个独立的子问题解决，并用fft和mm算法交叠迭代求解子问题，去模糊时间也有较其他同类模型有缩短。
[0078]
实施例二：
[0079]
基于实施例一所述的一种基于四方向交叠组合稀疏全变分的图像复原方法，本实施例提供一种基于四方向交叠组合稀疏全变分的图像复原系统，包括：图像采集模块，用于获取待修复图像；图像复原模块，用于使用构建的四方向交叠组合稀疏全变分模型对待修复图像进行修复，输出修复好的图像。
[0080]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。