(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210502585.1 (22)申请日 2022.05.09 (71)申请人 安徽大学 地址 230000 安徽省合肥市蜀山区芙蓉社 区九龙路1 11号 (72)发明人 王啟军　宋时玉　夏俊杰　 (74)专利代理 机构 合肥正则元起专利代理事务 所(普通合伙) 3416 0 专利代理师 付金浩 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/11(2017.01) G06V 10/74(2022.01) (54)发明名称 一种基于非支配排序的WNNM图像降噪优化 方法 (57)摘要 本发明公开了一种基于非支配排序的WNNM 图像降噪优化方法， 属于非支 配排序和黑白图像 降噪优化技术领域， 具体包括以下步骤： 读入原 始图像， 根据设定的噪声 方差给图像加入随机噪 声得到待降噪图片， 再根据输入的噪声方差的大 小设定不同的初始参数； 根据噪声的方差将图片 分割成像素块重叠的图像块， 获取图像块Pi与其 余图像块Pj之间的MSE和MAE， 以此为评判标准进 行非支配排序； 将排序靠前的k个图像块Pj组成 矩阵， 使用不同的λ值对矩阵的奇异值进行软阈 值收缩， 得到低秩矩阵； 将数值小的奇异值过滤 掉， 将得到的降噪图像块合并为完整的图像； 本 发明对WNNM的 图像块匹配进行优化， 使得图像的 降噪效率得到 了提升。 权利要求书2页 说明书6页 附图1页 CN 114897727 A 2022.08.12 CN 114897727 A 1.一种基于非支配排序的W NNM图像降噪优化方法， 其特 征在于， 包括以下步骤： 读入原始图像O_Img， 根据设定的噪声方差给图像加入随机噪声得到待降噪图片N_ Img， 根据输入的噪声方差的大小设定不同的初始参数； 根据噪声的方差将图片分割成像素块重叠的图像块， 获取图像块Pi与其余图像块Pj之 间的MSE和MAE， 以此为评判标准对图像块进行非支配排序； 将排序靠 前的k个图像块Pj组成矩阵， 使用不同的λ值对矩阵的奇异值进行软阈值收缩， 得到低秩矩阵； 获取所述低秩矩阵的奇异值， 将所述奇异值中较小的数值过滤掉， 将得到的降噪图像 块合并为完整的图像。 2.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 将图片分割成图像块的分割过程 为： 获取图像块的总个数TotalPatNum， 新建矩阵Y， 循环地将 大小为pat size*pat size的原 图像矩阵存 入所述矩阵Y中。 3.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 每一个所述图像块为基本的处理单元， 对每一个图像块， 取它周围的图像块， 计算它们之间 的MSE和MAE并保存， 随后进行非支配排序。 4.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 以所述图像块Pi为中心划定一个窗口范围wSize， 计算图像块Pi与所述窗口范围wSize内图 像块Pj的MSE和MAE 。 5.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 对MSE和MAE的具体 计算过程 为： 对所取的图像块Pi， 先取得其的相邻图像块Pj， 将图像块Pi以矩阵i的形式表示， 将图像 块Pj以矩阵j的形式表示， 矩阵i和矩阵j的对应元素相减并平方的和， 除以矩阵的大小， 即 得到该相邻图像块Pj和图像块Pi的MSE， 将矩阵i和矩阵j的对应元素相减的绝对值的和， 除 以矩阵的大小， 即得到该相邻图像块Pj和图像块Pi的MAE。 6.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 非支配排序的具体过程 为： 对于图像块的每个相邻图像块， 获取所述相邻图像块和图像块的MSEi和MAEi， 若MSEi> MSEj且MAEi>MAEj， 则称块Pi支配块Pj； 设置两个参数n(i)和s(i)， n(i)为相邻图像块Pj中支配个体Pi的解个体的数量， s(i)为 相邻图像块Pj中被个体i所支配的解个体的集合， 找到相邻图像块中所有n(i)＝0的个体， 将它们存入当前集合F(i)， 然后对于当前集合F(i)中的每个个体Pj， 考察它所支配的个体 集S(i)， 将集合S(i)中的每个个体Pk的n(k)减去1， 即支配个体k的解个体数减1， 若n(k) ‑1 ＝0， 则将个 体Pi存入另一个集 合H。 7.根据权利要求6所述的一种基于Pi非支配排序的WNNM图像降噪优化方法， 其特征在 于， 将F(i)作为第一级非支配个体集合， 并赋予该集合内个体一个相同的非支配序i (rank)， 然后对 所述集合H作上述分级操作并赋予相应的非支配序， 直到所有的相邻图像块 都被分级。 8.根据权利要求6所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114897727 A 2计算所述图像块中个体的拥挤度， 根据非支配序i(rank)和拥挤度id,可以定义一个偏序关 系： 当满足条件i(rank)＜j(rank),或i(rank)＝j(rank)且id＞jd时， 定义 也就是说 当两个个体非支配排序不同， 取排序号较小的个体， 如果两个个体在同一层， 取拥挤度较小 的个体， 即周围较不拥挤的个 体。 9.根据权利要求1所述的一种基于非支配排序的WNNM图像降噪优化方法， 其特征在于， 将较小的奇异值过 滤的过程 为： ||Xi||w,*＝∑i|wiσi(Xi)|1, wi＝[wi1,wi2,…,win], wi的每一项都是非负数， σi是Xi的奇异值， 求出 的解便可 得到去噪后的图像块。权　利　要　求　书 2/2 页 3 CN 114897727 A 3