原文服务方: 工业仪表与自动化装置       
摘要:
利用稀疏表示的自适应特征,将稀疏表示的多分辨理论应用于图像的去噪处理中,提出了一种基于稀疏表示的图像分块去噪方法。首先将噪声图像分割成一定尺寸的图像块,选出同质块与非同质块;然后利用小波去噪方法处理同质块,而采用脊波去噪方法处理非同质块,从而得到去噪后的图像;最后采用维纳滤波器对去噪后的图像进一步处理。实验结果表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,较好地去除图像噪声,并且很好地保存图像的边缘纹理信息。
推荐文章
一种改进的组稀疏表示图像去噪方法
图像去噪
稀疏表示
相似性
纹理
一种基于低秩矩阵逼近的图像去噪算法
图像去噪
非局部自相似
低秩矩阵逼近
核范数
奇异值分解
基于稀疏性的图像去噪综述
稀疏去噪
降噪模型
小波方法
多尺度几何分析
独立成分分量
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于稀疏表示的图像去噪算法
来源期刊 工业仪表与自动化装置 学科
关键词 图像去噪 稀疏表示 小波变换 脊波变换
年,卷(期) 2013,(5) 所属期刊栏目 综述
研究方向 页码范围 13-16
页数 4页 分类号 TP391.41|TN911.7
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王国权 黑龙江科技大学计算机与信息工程学院 44 313 7.0 16.0
2 李彦锋 黑龙江科技大学计算机与信息工程学院 7 17 2.0 3.0
3 马晓梅 黑龙江科技大学计算机与信息工程学院 20 111 6.0 10.0
4 王丽芬 黑龙江科技大学计算机与信息工程学院 14 12 2.0 2.0
5 张扬 黑龙江科技大学计算机与信息工程学院 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (11)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (4)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(2)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
图像去噪
稀疏表示
小波变换
脊波变换
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业仪表与自动化装置
双月刊
1000-0682
61-1121/TH
大16开
1971-01-01
chi
出版文献量(篇)
3676
总下载数(次)
0
总被引数(次)
18688
论文1v1指导