基于非局部正则化稀疏表示的图像去噪算法

• 作者: 张林 梁昭 梁栋 郭存山 鲍文霞
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 非局部去噪 稀疏表示 结构聚类 字典学习
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 1104-1109
• 页数: 6页
• 分类号: TN911.7
• 字数: 4869字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2013.05.35

摘要

针对K-奇异值分解(sigular value decomposition,SVD)算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法.首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性；其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性；最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果.实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁栋	安徽大学计算智能与信号处理教育部重点实验室	153	1898	21.0	37.0
5	鲍文霞	安徽大学计算智能与信号处理教育部重点实验室	56	472	11.0	20.0
9	张林	安徽大学计算智能与信号处理教育部重点实验室	7	27	2.0	5.0
10	梁昭	安徽大学计算智能与信号处理教育部重点实验室	3	25	2.0	3.0