• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 7
    • 下载费用:30 金币  

    重庆时时彩天天输: 基于非线性主分量分析从图像序列中分离图像信息的方法.pdf

    关 键 词:
    基于 非线性 分量 分析 图像 序列 分离 信息 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611164162.4

    申请日:

    2016.12.15

    公开号:

    CN106803089A

    公开日:

    2017.06.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/40申请日:20161215|||公开
    IPC分类号: G06K9/40; G06K9/62 主分类号: G06K9/40
    申请人: 南京邮电大学
    发明人: 喻春雨
    地址: 210023 江苏省南京市栖霞区仙林大学城文苑路9号
    优先权:
    专利代理机构: 南京经纬专利商标代理有限公司 32200 代理人: 朱桢荣
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611164162.4

    授权公告号:

    |||

    法律状态公告日:

    2017.06.30|||2017.06.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于非线性主分量分析从图像序列中分离信息的图像降噪方法;取相对静止的场景图像一组;基于盲源分离(Blind??Source??Separation,BSS)原理,将图像信息和图像噪声视为每幅图像的组成分量;图像信息是稳定而图像噪声是随机的,这个特点使图像序列中每幅图像视为图像信息分量和图像噪声分量的一种组合;利用非线性主分量分析(nonlinear??Principal??Component??Analysis,NLPCA)的非高斯性判断使图像信息和图像噪声分开,输出分量中标准方差最大的即为图像信息分量。该方法不需要噪声先验信息,即将降噪后的图像信息提取出来,提取效率随图像序列中图像数量和图像噪声强度的增加而提高,也将随盲源分离(BSS)的技术改进而提高,是一种实用且有潜力的图像降噪方法。

    权利要求书

    1.一种基于非线性主分量分析从图像序列中分离图像信息的方法,其特征在于,从一
    个相对静止的场景图像中取m帧组成图像序列,将该图像序列看作是图像噪声和图像信息
    的n种组合,利用盲源分离得到n个分量,这n个分量中标准方差值最大者为图像信息分量,
    其它n-1个分量即为图像噪声分量,从而分离出1个图像信息分量和n-1个图像噪声分量。
    2.根据权利要求1所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法,其特征在于,当n≤m时,利用盲源分离方法中的非线性主分量分析进行分离得到分量,
    具体如下:
    对相对静止的场景拍摄一个图像序列,该图像序列是含有噪声的,序列中任一帧中的
    图像信息是稳定的,图像噪声是随机的,将不同的帧图像视为1个图像信息分量和n-1个图
    像噪声分量的不同组合,如式(1)所示:
    X=AS (1)
    其中,X=[x1,x2,…,xm]T是由xi组成的观察图像序列,xi表示第i帧含噪图像;S=[s1,
    s2,…,sn]T是由分量sj组成的矩阵,下标j表示分量序号;A表示将S线性组合成X的系数矩
    阵;m,n为自然数,且1≤i≤m且1≤j≤n;上标T表示矩阵的转置;
    通过非线性主分量分析方法得到变换矩阵W,从而得到无限逼近源分量sj的分量yj,其
    关系由公式(2)所示:
    Y=WX=WAS (2)
    其中,Y=[y1,y2,…,yn]T表示由yj组成的分量矩阵,yj表示经非线性主分量分析方法分
    离得到的第j个分量;W是wij构成的矩阵,wij是将xi线性组合成yj的系数;y1,y2,…,yn这n个
    分量中,标准方差值最大者为图像信息分量,其它n-1个分量即为图像噪声分量。
    3.根据权利要求2所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法,其特征在于,寻找变换矩阵W依赖递归最小二乘平方均值误差指标如公式(3)所示:
    <mrow> <mi>J</mi> <mrow> <mo>(</mo> <msub> <mi>w</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>w</mi> <mn>3</mn> </msub> <mo>,</mo> <mo>...</mo> <msub> <mi>w</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mi>min</mi> <mi> </mi> <mi>E</mi> <mo>{</mo> <mo>|</mo> <mo>|</mo> <mi>X</mi> <mo>-</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>g</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>w</mi> <mi>i</mi> <mi>T</mi> </msubsup> <mi>X</mi> <mo>)</mo> </mrow> <msub> <mi>w</mi> <mi>i</mi> </msub> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
    式(3)表示关于向量的极小化指标;J(w1,w2,w3,…wn)表示对矩阵W的基向量w1,w2,w3,…
    wn进行的指标公式;第i个基向量wi是由系数wi1,wi2,wi3,…wim构成;gi(*)表示非线性变换函
    数。
    4.根据权利要求1所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法,其特征在于,当m<n时,经过如下信号处理步骤分离出图像信息分量,具体如下:
    步骤一、获取含噪图像序列X0,它由源信号S通过系数矩阵A0线性组合而成,表示如下:
    X0=A0S (4)
    步骤二、由X0求Xm以组成X,即通过回归变换使过完备盲源分离BSS模型转化为标准盲源
    分离BSS模型;
    <mrow> <mi>X</mi> <mo>=</mo> <mi>A</mi> <mi>S</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>X</mi> <mn>0</mn> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>X</mi> <mi>m</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>A</mi> <mn>0</mn> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>A</mi> <mi>m</mi> </msub> </mtd> </mtr> </mtable> </mfenced> <mi>S</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
    式(5)中,X0含有m个变量,Xm是由n-m个变量组成的矩阵;Am表示对应Xm的系数矩阵;Xm由
    如下条件期望求得,表示Xm的估计:
    <mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mi>m</mi> </msub> <mo>=</mo> <mi>E</mi> <mo>{</mo> <msub> <mi>X</mi> <mi>m</mi> </msub> <mo>|</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>}</mo> <mo>=</mo> <mi>E</mi> <mo>{</mo> <msub> <mi>A</mi> <mi>m</mi> </msub> <mi>S</mi> <mo>|</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>}</mo> <mo>=</mo> <msub> <mi>A</mi> <mi>m</mi> </msub> <mo>&CenterDot;</mo> <munder> <mo>&Integral;</mo> <mrow> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>=</mo> <msub> <mi>A</mi> <mn>0</mn> </msub> <mi>S</mi> </mrow> </munder> <mi>S</mi> <mo>&CenterDot;</mo> <mi>p</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>)</mo> </mrow> <mo>&CenterDot;</mo> <mi>d</mi> <mi>S</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
    式(6)中,p(S)是S的概率密度函数,假设函数f(·)为式(6)的积分结果,得:
    <mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mi>m</mi> </msub> <mo>=</mo> <msub> <mi>A</mi> <mi>m</mi> </msub> <mo>&CenterDot;</mo> <mi>f</mi> <mo>(</mo> <mrow> <msubsup> <mi>A</mi> <mn>0</mn> <mi>T</mi> </msubsup> <msub> <mi>X</mi> <mn>0</mn> </msub> </mrow> <mo>)</mo> <mo>&ap;</mo> <msub> <mi>A</mi> <mi>m</mi> </msub> <mo>&CenterDot;</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
    式(7)中,通过欧几里德Euclidean距离平方的范数表达求得Xm的估计是进而得
    到Xm;
    步骤三、从而求得X,将X使用标准盲源分离BSS模型,运用非线性主分量分析NLPCA得到
    包含1个图像信息分量和n-1个图像噪声分量的n个分量y1,y2,...,yn,y1,y2,…,yn这n个分
    量中标准方差值最大者为图像信息分量。
    5.根据权利要求1所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法,其特征在于,所述n个分量是n-1个图像噪声分量和1个图像信息分量的组合。

    说明书

    基于非线性主分量分析从图像序列中分离图像信息的方法

    技术领域

    本发明涉及图像处理技术领域,特别是一种基于非线性主分量分析从图像序列中
    分离图像信息的方法。

    背景技术

    图像噪声通常产生于图像采集与传输过程中,对图像辨识性与后续图像处理如边
    缘检测、特征提取、图像匹配及图像融合等产生负面影响。大多数降噪方法是通过时间域、
    空间域或变换域实现滤波的,这些方法通常假设噪声具有较高频率或者满足某种函数分
    布,而真实噪声并不完全满足这些假设,理想的降噪方法应在减少噪声的同时不损害图像
    细节。现有的图像降噪方法存在从含噪声的原图像中提取图像有用信息会损害其图像细节
    的问题。

    发明内容

    本发明所要解决的技术问题是克服现有技术的不足,而提供基于非线性主分量分
    析从图像序列中分离图像信息的方法,本发明基于非线性主分量分析(nonlinear
    Principal Component Analysis,NLPCA)尽最大可能从含噪声的原图像中提取图像有用信
    息而不损害其图像细节,达到图像降噪目的。

    本发明为解决上述技术问题采用以下技术方案:

    根据本发明提出的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法,从一个相对静止的场景图像中取m帧组成图像序列,将该图像序列看作是图像噪声和图
    像信息的n种组合,利用盲源分离得到n个分量,这n个分量中标准方差值最大者为图像信息
    分量,其它n-1个分量即为图像噪声分量,从而分离出1个图像信息分量和n-1个图像噪声分
    量。

    作为本发明所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法进一步优化方案,当n≤m时,利用盲源分离方法中的非线性主分量分析进行分离得到分
    量,具体如下:

    对相对静止的场景拍摄一个图像序列,该图像序列是含有噪声的,序列中任一帧
    中的图像信息是稳定的,图像噪声是随机的,将不同的帧图像视为1个图像信息分量和n-1
    个图像噪声分量的不同组合,如式(1)所示:

    X=AS (1)

    其中,X=[x1,x2,…,xm]T是由xi组成的观察图像序列,xi表示第i帧含噪图像;S=
    [s1,s2,…,sn]T是由分量sj组成的矩阵,下标j表示分量序号;A表示将S线性组合成X的系数
    矩阵;m,n为自然数,且1≤i≤m且1≤j≤n;上标T表示矩阵的转置;

    通过非线性主分量分析方法得到变换矩阵W,从而得到无限逼近源分量sj的分量
    yj,其关系由公式(2)所示:

    Y=WX=WAS (2)

    其中,Y=[y1,y2,…,yn]T表示由yj组成的分量矩阵,yj表示经非线性主分量分析方
    法分离得到的第j个分量;W是wij构成的矩阵,wij是将xi线性组合成yj的系数;y1,y2,…,yn这
    n个分量中,标准方差值最大者为图像信息分量,其它n-1个分量即为图像噪声分量。

    作为本发明所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法进一步优化方案,寻找变换矩阵W依赖递归最小二乘平方均值误差指标如公式(3)所示:


    式(3)表示关于向量的极小化指标;J(w1,w2,w3,…wn)表示对矩阵W的基向量w1,w2,
    w3,…wn进行的指标公式;第i个基向量wi是由系数wi1,wi2,wi3,…wim构成;gi(*)表示非线性
    变换函数。

    作为本发明所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法进一步优化方案,当m<n时,经过如下信号处理步骤分离出图像信息分量,具体如下:

    步骤一、获取含噪图像序列X0,它由源信号S通过系数矩阵A0线性组合而成,表示如
    下:

    X0=A0S (4)

    步骤二、由X0求Xm以组成X,即通过回归变换使过完备盲源分离BSS模型转化为标准
    盲源分离BSS模型;


    式(5)中,X0含有m个变量,Xm是由n-m个变量组成的矩阵;Am表示对应Xm的系数矩
    阵;Xm由如下条件期望求得,表示Xm的估计:


    式(6)中,p(S)是S的概率密度函数,假设函数f(·)为式(6)的积分结果,得:


    式(7)中,通过欧几里德Euclidean距离平方的范数表达求得Xm的估计是
    进而得到Xm;

    步骤三、从而求得X,将X使用标准盲源分离BSS模型,运用非线性主分量分析NLPCA
    得到包含1个图像信息分量和n-1个图像噪声分量的n个分量y1,y2,...,yn,y1,y2,…,yn这n
    个分量中标准方差值最大者为图像信息分量。

    作为本发明所述的一种基于非线性主分量分析从图像序列中分离图像信息的方
    法进一步优化方案,所述n个分量是n-1个图像噪声分量和1个图像信息分量的组合。

    本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明的图像降
    噪算法可以尽最大可能从含噪声的原图像中提取图像有用信息而不损害其图像细节,利用
    其进行后续图像分析等工作;这是一种既不需要噪声先验知识也不需要对含噪声图像进行
    训练的图像降噪处理方法,仅利用盲源分离(BSS)原理即是具体使用非线性主分量分析
    (NLPCA)简单有效的将在图像信息从图像噪声中分离出来,即达到图像降噪目的。

    具体实施方式

    真实噪声通常来自多个噪声源,是多种噪声叠加的结果。根据图像噪声是多种噪
    声叠加的特点,本研究通过盲源分离(BSS)中非线性主分量分析(NLPCA)把图像信号从多个
    噪声中分离出来。盲源分离(BSS)是近年来备受关注的信号处理方法,它基于源信号之间是
    不相关或统计独立的假设,从若干个信号的混合中分离出其源信号。在大多数图像采集过
    程中,图像与噪声产生于不同的随机过程,两者之间无统计关联;随机的图像噪声和稳定的
    图像信号使每张含噪图像代表噪声与图像信号的一种随机组合。这种图像与噪声之间的独
    立性使二者可以通过盲源分离技术分离开,从而达到降噪目的。

    取相对静止场景的一组图像序列;利用盲源分离(BSS)中非线性主分量分析
    (NLPCA)对图像序列进行分离;在使用非线性主分量分析(NLPCA)进行分离时,采用最小二
    乘平方均值误差准则(least mean-square error reconstruction,LMSER);计算被分离出
    的每个分量的标准方差(Standard Deviation,SD)或方差(Variance),值最大者即为所求
    的图像有用信息分量,而多个噪声分量的标准方差或方差值彼此接近,但相对图像有用信
    息的标准方差或方差却小。

    利用盲源分离(BSS)将含有m帧的图像序列中每一帧视为噪声和信息的n种不同组
    合,将含有m帧图像的序列分离出n-1帧噪声分量和1帧图像信息分量;无需噪声先验信息和
    图像训练即将图像信息分量分离并输出,该方法不仅简单实现图像降噪,且降噪效率随图
    像序列中帧数量和噪声功率的增加而增加,并且会随着非线性主分量分析(NLPCA)效率的
    提高而提高。

    实例:

    对相对静止的场景拍摄一个图像序列,该图像序列是含有噪声的,序列中任一帧
    中的图像信息是稳定的,图像噪声是随机的,将不同的帧图像视为1个图像信息分量和n-1
    个图像噪声分量的不同组合,如式(1)所示:

    X=AS (1)

    其中,X=[x1,x2,…,xm]T是由xi组成的观察图像序列,xi表示第i帧含噪图像;S=
    [s1,s2,…,sn]T是由分量sj组成的矩阵,下标j表示分量序号;A表示将S线性组合成X的系数
    矩阵;m,n为自然数,且1≤i≤m且1≤j≤n;上标T表示矩阵的转置;

    通过非线性主分量分析方法得到变换矩阵W,从而得到无限逼近源分量sj的分量
    yj,其关系由公式(2)所示:

    Y=WX=WAS (2)

    其中,Y=[y1,y2,…,yn]T表示由yj组成的分量矩阵,yj表示经非线性主分量分析方
    法分离得到的第j个分量;W是wij构成的矩阵,wij是将xi线性组合成yj的系数;y1,y2,…,yn这
    n个分量中,标准方差值最大者为图像信息分量,其它n-1个分量即为图像噪声分量。

    当n≤m时,这属于模型转化为标准盲源分离BSS模型,可以利用盲源分离方法中的
    非线性主分量分析进行分离得到分量,寻找变换矩阵W依赖递归最小二乘平方均值误差指
    标如公式(3)所示:


    式(3)表示关于向量的极小化指标;J(w1,w2,w3,…wn)表示对矩阵W的基向量w1,w2,
    w3,…wn进行的指标公式;任意一个基向量wi是由系数wi1,wi2,wi3,…wim构成;gi(*)表示非线
    性变换函数。

    当m<n时,经过如下信号处理步骤分离出图像信息分量,具体如下:

    步骤一、获取含噪图像序列X0,它由源信号S通过系数矩阵A0线性组合而成,表示如
    下:

    X0=A0S (4)

    步骤二、由X0求Xm以组成X,即通过回归变换使过完备盲源分离BSS模型转化为标准
    盲源分离BSS模型;


    式(5)中,X0含有m个变量,Xm是由n-m个变量组成的矩阵;Am表示对应Xm的系数矩
    阵;Xm由如下条件期望求得,表示Xm的估计:


    式(6)中,p(S)是S的概率密度函数,假设函数f(·)为式(6)的积分结果,得:


    式(7)中,通过欧几里德Euclidean距离平方的范数表达求得Xm的估计是
    进而得到Xm;

    步骤三、从而求得X,将X使用标准盲源分离BSS模型,运用非线性主分量分析NLPCA
    得到包含1个图像信息分量和n-1个图像噪声分量的n个分量y1,y2,...,yn,y1,y2,…,yn这n
    个分量中标准方差值最大者为图像信息分量。

    关于本文
    本文标题:基于非线性主分量分析从图像序列中分离图像信息的方法.pdf
    链接地址://www.4mum.com.cn/p-6000647.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • qq分分彩全天计划网 浙江体彩20选5中奖表 重庆快乐10分 陕西快乐10分软件 黄金棋牌下载送18金币 时时彩开奖号码 6场半全场中奖条件 吉利彩票群 百搭麻将听牌技巧 深圳风采网 网上棋牌网址 五分彩怎么稳赚不亏 欧博娱乐城 乐米彩票首页 2019麻将群吉林微信群 广东快乐10分中奖技巧