申请/专利权人：北方民族大学

申请日：2024-03-07

公开（公告）日：2024-06-14

公开（公告）号：CN118195939A

主分类号：G06T5/70

分类号：G06T5/70;G06T5/60;G06T5/10;G06N7/01

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明公开了一种基于先验信息的泊松图像恢复模型优化方法及系统，方法包括先验分析、恢复模型设计、恢复模型构建和模型优化和评估。本发明属于图像处理技术领域，具体是指基于先验信息的泊松图像恢复模型优化方法及系统，本方案基于泊松图像的统计特性，设计了泊松图像恢复优化模型，在泊松图像恢复优化模型中使用全变差正则化、非局部全变差正则化约束泊松图像的平滑性，保留了图像中的主要结构和特征，避免过度平滑化，提高了图像的质量和视觉效果，使用稀疏性表示约束泊松图像的稀疏性，更有效地提取图像中的重要特征，从而实现更精确的图像恢复效果。

主权项：1.基于先验信息的泊松图像恢复模型优化方法，其特征在于：该方法包括以下步骤：步骤S1：先验分析，获取泊松图像的先验信息；步骤S2：恢复模型设计，泊松图像恢复模型由观测模型和先验模型组成，观测模型用于表示观测图像与原始图像间的关系，先验模型用于约束恢复图像的恢复过程，原始图像指未经噪声污染的图像，观测图像指在成像时光子传输衰减和噪声影响形成的图像，恢复图像指观测图像在泊松图像恢复模型中最终生成的图像；步骤S3：恢复模型构建，构建观测模型和先验模型，添加全变差正则化、非局部全变差正则化和稀疏性表示约束平滑性和稀疏性，从观测图像中获得恢复图像；步骤S4：模型优化和评估，使用贝叶斯定理计算后验概率分布作为优化目标，迭代优化泊松图像恢复模型，使用信噪比评估泊松图像恢复模型的性能；在步骤S1中，所述先验分析，具体是指使用泊松分布建模噪声数据，所用公式如下： ；式中，表示噪声数据，表示泊松分布，表示泊松分布参数；在步骤S3中，所述恢复模型构建，具体包括以下步骤：步骤S31：观测模型构建，构建观测模型表示原始图像形成观测图像的过程，所用公式如下： ；式中，表示观测图像，表示原始图像，表示传输函数，表示噪声数据；步骤S32：先验模型设计，基于先验信息设计先验模型，使用全变差正则化、非局部全变差正则化约束平滑性，使用稀疏性表示约束稀疏性；步骤S33：全变差正则化，使用全变差正则化平滑观测图像，使用L1范数表示观测图像的梯度，所用公式如下： ；式中，表示全变差正则化，表示全变差图像，表示观测图像在像素处的梯度；步骤S34：非局部全变差正则化，使用非局部全变差正则化计算远距离像素之间的相关性，再次平滑全变差图像，同时保持边缘和纹理细节，所用公式如下： ；式中，表示非局部全变差正则化，表示非局部全变差图像，表示全变差图像中处的像素，表示像素的远距离像素，表示远距离像素之间的相关性；步骤S35：稀疏性表示，使用稀疏性表示减少冗余信息，假设非局部全变差图像在小波域下是稀疏的，将非局部全变差图像转换到小波域，并对小波系数进行稀疏表示。

全文数据：

权利要求：

百度查询： 北方民族大学 基于先验信息的泊松图像恢复模型优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD