学习字典下自适应稀疏度估计的分解去噪算法

• 作者: 张建明 张鹏飞 汤倩 金晓康
• 来源期刊: 福建电脑
• 关键词: 图像去噪 学习字典 稀疏分解 K-SVD ASMP
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 基金项目论文
• 页码范围: 6-8,27
• 页数: 4页
• 字数: 3584字
• 语种: 中文

摘要

针对固定字典下稀疏分解在图像去噪过程中缺乏自适应稀疏度估计和回溯优化等问题，本文在K-SVD学习字典下，利用自适应稀疏度估计匹配追踪(ASMP)方法自适应估计图像的稀疏度，并对原子进行回溯优化选择。算法不仅改善了固定字典的表示性能，同时减少了图像稀疏度人为设定的盲目性又提高了算法鲁棒性。实验表明，与传统的稀疏分解去噪算法相比，学习字典下自适应稀疏度估计的分解去噪算法能获得更高的峰值信噪比。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	长沙理工大学计算机与通信工程学院	25	87	6.0	7.0
2	张鹏飞	长沙理工大学计算机与通信工程学院	3	6	2.0	2.0
3	金晓康	长沙理工大学计算机与通信工程学院	4	3	1.0	1.0
4	汤倩	长沙理工大学计算机与通信工程学院	1	3	1.0	1.0