一种改进的基于K-SVD字典的图像去噪算法

• 作者: 沈思秋 王欣
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 图像去噪 K-SVD K均值聚类 稀疏贝叶斯学习 稀疏表示
• 年，卷（期）: 2014,（23）
• 所属期刊栏目: 图像与多媒体
• 页码范围: 189-192
• 页数: 4页
• 分类号: TN919.8
• 字数: 3778字
• 语种: 中文

摘要

为了更好地实现图像的去噪效果，提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先，将输入的含噪信号进行K均值聚类分解，将得到的图像块进行稀疏贝叶斯学习和噪声的更新，当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit， OMP）算法对图像块进行稀疏编码，然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典，反复迭代至得到过完备字典以实现稀疏表示，最后对处理过的图像进行重构，得到去噪后的图像。实验结果表明，本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时，更有效地去除图像中的噪声，具有更好的视觉效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王欣	河海大学计算机与信息学院	13	47	4.0	6.0
2	沈思秋	河海大学计算机与信息学院	2	6	2.0	2.0