基于双正交基字典学习的图像去噪方法

• 作者: 张芬 解凯
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 图像去噪 字典学习 稀疏表示 奇异值分解 贝叶斯估计
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1119-1121
• 分类号: TN911.73
• 字数: 2809字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.01119

摘要

为了提高图像去除白高斯噪声的性能,利用超完备字典作为图像的稀疏表示.超完备字典的冗余性可以有效地表示图像的各种几何奇异特征.在贝叶斯框架下,以图像块的稀疏表示定义了全局图像先验概率模型,给出了最大后验概率模型下的优化图像去噪算法.超完备字典使用两个不同的正交基构成,给出了基于奇异值分解(SVD)的优化字典计算方法.该方法充分利用正交基的特点,采用SVD方法进行高效的字典学习.基于双正交基字典的去噪算法提高了图像去噪性能,实验结果证实了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	解凯	北京印刷学院信息与机电工程学院	39	303	7.0	16.0
2	张芬	北京印刷学院信息与机电工程学院	4	27	3.0	4.0