基于改进的MCA和K-SVD的图像稀疏表示去噪算法

• 作者: 刘增力 邓翔宇
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像去噪 形态学成分分析 K奇异值分析 l1范数
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 电子信息科学
• 页码范围: 774-780
• 页数: 7页
• 分类号: TP751.1
• 字数: 4686字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2016.07.013

摘要

图像去噪是图像处理中的关键问题之一,传统的图像去噪方法是基于小波阈值变换的,其去噪效果较好,但容易丢失细节信息,导致边缘模糊,针对传统去噪方法存在的不足,本文提出一种基于形态学成分分析(Morphological Component Analysis,MCA)和K奇异值分析(K-SVD)的图像去噪方法.考虑到传统的MCA算法对图像的稀疏性要求较高,本文通过求解最接近l1范数的若干次优解和最小l1范数解进行加权叠加,并将结果作为源信号的估计,改进了传统MCA算法中对图像稀疏性的高要求,提高了对源信号估计的精度.本文方法首先采用改进的MCA算法将含噪图像划分为平滑部分、纹理部分和边缘部分;然后对平滑的结构部分采用小波阈值去噪,并利用改进的K-SVD去噪算法对纹理部分和边缘部分进行自适应去噪,最后将三部分合起来得到最终去噪图像.实验表明,该方法相比于传统的图像去噪方法能够更好地滤除噪声,保留图像的细节特征和边缘信息,获得更高的峰值信噪比值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘增力	昆明理工大学信息工程与自动化学院	68	155	6.0	8.0
2	邓翔宇	昆明理工大学信息工程与自动化学院	1	4	1.0	1.0