基于字典学习正则化的图像去噪

• 作者: 刘宁钟 郑兴明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 图像去噪 字典学习 贝叶斯模型 稀疏表示 正则化 高斯噪声
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 270-273
• 页数: 4页
• 分类号: TP391
• 字数: 3132字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.07.060

摘要

稀疏表示因其具有稀疏性、特征保持性等一些特点而被广泛应用于图像处理等领域，为解决图像处理中的去噪问题，提出一种基于图像特征稀疏表示的贝叶斯去噪模型。利用 K-means 和主成分分析方法计算已分割图像块对应字典的矩阵系数，采用正则化约束条件，迭代计算获取的图像字典与原始图像字典之间的差距，优化噪声图片稀疏特征表示的字典，直到达到优化条件。实验结果表明，与传统的离散余弦变换去噪模型相比，该模型的峰值信噪比较高，随着噪声的不断提高，与噪声图像峰值信噪比的差距也越来越大，且图像失真较少。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宁钟	南京航空航天大学计算机科学与技术学院	36	354	9.0	18.0
2	郑兴明	南京航空航天大学计算机科学与技术学院	2	8	2.0	2.0