nltv模型_基于ICA和NLTV的图像去噪方法与流程

本发明属于图像处理技术领域，涉及了去除加性噪声的图像去噪领域。

背景技术：

图像去噪旨在通过对被噪声污染的图像进行某种处理，以降低噪声对原始有用信息的影响，尽可能的还原出被噪声污染前的原始图像。

独立分量分析(Independent Component Analysis，ICA)是20世纪90年代发展起来的一种新的信号处理技术。基本的ICA是指从多个源信号的线性混合信号中分离出各源信号的技术。除了需要已知源信号是统计独立外，无其他先验知识，ICA是伴随着盲信源问题而发展起来的，故又称盲分离。在时间信号处理方面由于ICA可以在n个原信号和线性混合系数都未知的情况下可以把这n个原信号从他们线性混合成的n个混合信号中分离出来，并且它的假设条件仅是这n个原信号之间是相互独立的，所以ICA在时间信号分离方面具有良好的应用优势。在图像信号处理方面，加性噪声图像可以看成是噪声与纯净图像的线性相加，而实际中噪声和原始纯净图像一般是相互独立的，符合ICA应用的假设条件，所以ICA可以应用在含有加性噪声情况下的图像去噪处理。

但ICA方法在进行图像去噪时，需要至少2幅带噪声的图像或者一幅纯净无噪图像和一幅噪声图像，并且图像之间相互独立。在只能提供一幅含噪图像的情况，ICA方法不具备图像去噪应用条件。本发明将ICA和NLTV相结合进行图像去噪。在对含加性噪声的输入含噪图像进行NLTV初步去噪后，得到初步去噪图像，这个初步去噪图像在一定程度上可以认为是另一张带噪声图像。再利用这二幅图像，应用ICA方法进行图像去噪。

GUY GILBOA和STANLEY OSHER提出的非局部TV模型(Nonlocal Total Variation,NLTV)是将GUY GILBOA和STANLEY OSHER提出的非局部算子(见文献：NONLOCAL OPERATORS WITH APPLICATIONS TO IMAGE PROCESSING.SIAM Multiscale Modeling and Simulation.Vol.7,No.3,pp.1005–1028)引入到Rudin-Osher-Fatemi提出的总变分(Total Variation，TV)模型中得到的，NLTV模型具有在去除图像噪声的同时能较好地保留图像的纹理细节的特点。本文中所提到的NLTV模型是指GUY GILBOA和STANLEY OSHER提出的非局部TV模型。

技术实现要素：

本发明要解决ICA技术只能应用于只有单一输入含噪图像情况下的图像去噪问题的缺点，提出一种基于ICA和NLTV的图像去噪方法，提高了ICA在图像去噪领域的应用价值。

本发明方法利用NLTV方法对输入的含噪图像u0进行初步去噪，得到初步去噪图像u1，在获得的u1、u0基础上应用ICA方法对输入图像u0去噪，得到ICA方法去噪后的图像u2。为了获得更好的去噪效果，对u2再一次进行NLTV去噪，输出的去噪结果图像作为最后去噪结果图像。本发明方法和NLTV相比具有更好的图像去噪效果。去噪后的图像有更高的峰值信噪比。

本发明所述的基于ICA和NLTV的图像去噪方法，包括如下步骤：

(1)首先输入N×N大小的含噪图像u0。

(2)设置本发明去噪方法中的相关参数，包括ICA迭代收敛阈值e，第一轮NLTV的搜索窗口大小N1×N1、邻域窗口大小N2×N2、保真参数λ1、像素相似度权重函数ω1的参数h1、像素相似度权重函数ω1中高斯核的标准差σ1，分裂的Bregman迭代辅助变量b1k的初始值b10、平滑参数θ1。第二轮NLTV的搜索窗口