【图像去噪】基于matlab正则化图像去噪【含Matlab源码 1891期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、正则化图像去噪简介

1 稀疏性正则化的去噪模型
记u={ui, j:i, j=1, …, N}为原始理想图像, z={zi, j:i, j=1, …, N}为被泊松噪声污染后的噪声图像, 图像z中每一个像素zi, j皆为独立且均值为ui, j的Poisson随机变量的实现.依据泊松分布的定义, 要求均值ui, j>0.因此给定理想图像u时, 观测图像z的泊松似然概率分布为:

借助于信号在冗余字典下的线性展开 (1) , 似然概率分布可改写为:

图像去噪的任务是从观测图像z恢复出理想图像u, 由于用于问题求解的信息量不足, 这是一个不适定 (ill-posed) 的反问题.在Bayesian统计框架下充分利用理想图像的先验知识有利于改善问题性质.基于图像u在冗余字典φ下的稀疏表示先验知识, 假设稀疏表示系数{αi}i∈I相互独立, 且系数α应满足如下的Gibbs分布:


第一项为泊松似然分布, 第二项为系数α的先验分布.为了符合泊松分布均值非负的特性, 应增加对φα (均值) 的非负性约束.进一步将式 (3) 与式 (4) 代入并简化后, 式 (5) 可表示为:

其中, {ψi (αi) }i∈I为稀疏性惩罚函数, I={1, …, I} (I∈N) , ιC为凸集C的示性函数, 定义为:

为了符合泊松分布均值非负的特性, 选取凸集C1≤i≤I={x∈L2 ® x}≥0}, 约束均值φα的非负性, 从而也保证了去噪后图像灰度值的非负性.目标泛函中综合了关于原子系数的稀疏性约束和数据保真信息, λ为正则化参数, 在正则项与保真项之间相互权衡, 最小化此能量目标泛函, 可恢复理想图像为

为了重建模型的便于求解, 要求稀疏性惩罚函数{ψi (αi) }i∈I为闭的下半连续凸函数.同时为了有效度量框架系数的稀疏性, 要求其满足下面的条件:

ψi为偶对称的连续非负函数, 在[0, +∞) 上非递减, 且ψi (0) =0 (i∈I)

但对其并无光滑性要求, 从而可选择更为广泛的稀疏性惩罚函数.其实, 当前广泛采用的稀疏性惩罚函数通常是非光滑的, 如l1范数.

目标泛函 (6) 中每一项关于问题变量α均是凸的, 因而整个式 (6) 为凸变分模型, 同时也是强制的 (coercive) , 因此变分问题 (6) 的解一定存在.如果进一步ψ1≤i≤I为严格凸函数, 则目标泛函为严格凸的, 从而变分问题 (6) 存在唯一解.

⛄二、部分源代码

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]孙玉宝,韦志辉,吴敏,肖亮,费选.稀疏性正则化的图像泊松去噪算法[J].电子学报. 2011,39(02)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合