利用核模糊聚类和正则化的图像稀疏去噪

• 作者: 吴一全 李立
• 来源期刊: 光子学报
• 学科: 工学
• 关键词: 图像处理 稀疏表示 图像去噪 核模糊C均值聚类 正则化 字典更新 K-奇异值分解
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 图像处理
• 页码范围: 126-132
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.3788/gzxb20144303.0310001

摘要

针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块共享相同的稀疏去噪模型;然后,选择由经典图像库中图像训练而得的全局字典作为初始字典,很好地适应图像的多种特征;接着,对于同一类图像块,通过施加e1/e2范数正则化约束,实现该类图像块在字典下的稀疏分解,确保分解系数更为稀疏;最后,通过改进的K-奇异值分解算法完成字典的更新,并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子,从而有效地去除图像噪音.实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪音,保留图像细节,改善图像视觉效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴一全	南京航空航天大学电子信息工程学院	198	2249	23.0	36.0
2	李立	南京航空航天大学电子信息工程学院	5	50	4.0	5.0