基于字典学习的残差信息融合图像去噪方法

• 作者: 孙娟 董明堃 蒋爱民
• 来源期刊: 微处理机
• 学科: 工学
• 关键词: 图像去噪 字典学习 图像残差 稀疏表示 小波融合
• 年，卷（期）: 2015,（1）
• 页码范围: 58-62
• 页数: 5页
• 分类号: TP391
• 字数: 4828字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-2279.2015.01.017

摘要

传统去噪算法只考虑从含噪图像中恢复出图像信息，然而对去噪后残差信号的利用却并未加以重视。针对图像去噪后残差信号中包含有用信息的特点，提出了一种基于字典学习的残差信息融合图像去噪方法。首先使用字典学习方法对单幅含噪图像进行去噪；然后对首次降噪后的残差图像进行图像块筛选；再对筛选出的图像块再次进行去噪处理；最后在小波域实现两幅图像的融合得到最终的去噪图像。实验结果表明，与传统基于字典学习的去噪方法相比，所提方法能够进一步提取残差信号中的图像特征信息，在峰值信噪比和结构相似度上都有所提升。特别是对一些细节较为复杂的场景图像，具有更好的去噪效果，从而证明了残差信号对于图像去噪的重要作用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙娟	河海大学物联网工程学院	6	96	5.0	6.0
2	董明堃	河海大学物联网工程学院	1	5	1.0	1.0
3	蒋爱民	河海大学物联网工程学院	10	38	4.0	6.0