您所在的位置: 成果库 基于独立分量分析和奇异值分解的非局部TV图像去噪方法

基于独立分量分析和奇异值分解的非局部TV图像去噪方法

成果类型:: 发明专利

发布时间: 2024-10-29 08:40:06

科技成果产业化落地方案
方案提交机构:成果发布人| 徐景新 | 2024-10-29 08:40:06

本发明要克服现有技术的噪声对像素相似度权重函数的干扰大、像素相似度权重赋值的准确性低的缺点,提出一种基于独立分量分析和奇异值分解的非局部TV图像去噪方法。

一种基于独立分量分析和奇异值分解的非局部TV图像去噪方法,为了减少噪声对像素相似度权重函数的干扰,提高像素相似度权重赋值的准确性,构建了一种基于待去噪图像中各领域图像块最大奇异值的新型像素相似度权重函数,用于NLTV模型,从而得到新的NLTV模型。通过新的NLTV方法对输入的唯一含噪图像u0进行初步去噪,得到另一含噪图像u1,把初步去噪图像u1认为是另一幅含噪输入图像,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,提高了ICA在图像去噪领域的应用价值。为了得到更好的去噪效果,对图像u2再一次应用新的NLTV方法去噪,得到最后去噪图像ufinal。

医学影像领域

X 光、CT 等影像处理:在医学影像诊断中,X 光、CT 等图像常常受到噪声的干扰,影响医生对病变的判断。这种非局部 TV 图像去噪方法可以有效去除噪声,提高影像的清晰度和对比度。例如,在胸部 CT 检查中,去除图像中的噪声后,能够更清晰地显示肺部的微小病变,如结节、纤维化等,辅助医生进行更准确的诊断。

磁共振成像(MRI)优化:MRI 图像的质量对于脑部、软组织等部位的诊断非常重要。该去噪方法可以减少 MRI 图像中的噪声,增强图像的细节信息。例如,在脑部 MRI 检查中,更好地显示脑部血管、神经等结构,为脑血管疾病、脑部肿瘤等疾病的诊断提供更可靠的图像信息。

数字摄影与视频制作领域

摄影后期处理:在专业摄影和日常摄影中,照片可能会因为光线、设备等因素产生噪声。通过这种去噪方法,可以在后期处理中提高照片的质量。例如,在夜景摄影、高感光度摄影等情况下,去除照片中的噪点,还原真实的色彩和细节,使照片更加美观。

视频制作与特效合成:在视频制作过程中,视频素材可能包含噪声,影响视频的视觉效果。该去噪方法可以应用于视频的预处理阶段,提高视频的整体质量。在视频特效合成中,清晰的视频素材也有助于更好地实现特效效果,如抠像、合成等。

遥感与卫星图像应用领域

遥感图像分析:在遥感领域,卫星图像和航空遥感图像用于地球资源调查、环境监测等诸多方面。这些图像往往会受到大气干扰等因素产生噪声。采用非局部 TV 图像去噪方法可以提高遥感图像的质量,增强图像的解译能力。例如,在土地利用分类、森林资源监测等遥感应用中,更准确地识别不同的地物类型和变化情况。

军事侦察与目标识别:在军事侦察卫星图像和无人机侦察图像中,去除噪声可以提高图像的分辨率和目标识别能力。例如,在识别军事目标(如军事设施、装备等)和地形地貌时,清晰的图像有助于军事决策和情报分析。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”(2011计划)协同创新中心牵头高校和浙江省首批重点建设高校,坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务,以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色,大力培养德智体美劳全面发展,富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

本发明与现有的技术相比具有以下优点:

(1)建立新型的权重函数。通过奇异值分解得到每个领域图像块的奇异值矩阵和最大奇异值,选取包含图像块主要信息的最大奇异值来构建新的像素相似度权重函数,并将该权重函数用于NLTV模型进行图像去噪。减少了噪声对于权重分配干扰,提高了权重分配的准确性。

(2)通过对输入的含噪图像u0初步去噪,得到另一幅含噪图像u1,再应用独立分量分析方法进行图像去噪,克服了独立分量分析方法在只能提供一幅含噪图像情况下不能用于图像去噪的局限性。

技术转让,许可,合作所需资金需双方协商,此项技术想尽快落地,希望具备此项技术研发的技术方,能够尽快承接此项目。