基于改进K-SVD和非局部正则化的图像去噪

• 作者: 何宇清 杨爱萍 田玉针 董翠翠
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 图像去噪 稀疏表示 奇异值分解 正交匹配追踪算法 字典优化 非局部自相似性
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: ?图形图像处理?
• 页码范围: 249-253
• 页数: 5页
• 分类号: TP391
• 字数: 4514字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.05.046

摘要

K-奇异值分解( K-SVD)算法在强噪声下的去噪性能较差。为此，提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法，提高原算法的去噪性能，将非局部正则项融入图像去噪模型，并采用非局部自相似性进一步改善图像的去噪效果。实验结果表明，与传统K-SVD算法相比，该算法在提高同质区域平滑性的同时，能保留更多的纹理、边缘等细节特征。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨爱萍	天津大学电子信息工程学院	52	311	10.0	13.0
2	何宇清	天津大学电子信息工程学院	37	197	9.0	12.0
3	田玉针	天津大学电子信息工程学院	1	18	1.0	1.0
4	董翠翠	天津大学电子信息工程学院	2	23	2.0	2.0