基于字典训练和高频增强的图像降噪研究

• 作者: 宁煌 曾儿孟 靳寒阳 黄智昌
• 来源期刊: 现代电子技术
• 关键词: 图像降噪 字典训练 稀疏表示 K-SVD算法
• 年，卷（期）: 2016,（20）
• 所属期刊栏目: 能源技术
• 页码范围: 159-162
• 页数: 4页
• 分类号: TN911.73-34|TP393
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2016.20.040

摘要

噪声图像，特别是含有高密度噪声图像在经过去噪后，图像细节（图像高频）丢失较多。针对这一问题，提出一种基于字典学习和高频增强的方法。该算法首先让噪声图像经过降噪算法处理，然后由样本图像依次模拟加噪和去噪过程得到去噪样本图像，样本图像和去噪样本图像相减得到样本差分图像，最后分别训练样本差分图像和去噪样本图像，得到一对高、低分辨率字典，用于重建图像去噪后所缺失的高频。实验结果表明，所提算法在主观的人眼视觉和客观评价上要优于经典的图像降噪算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	靳寒阳	桂林电子科技大学信息与通信学院	2	1	1.0	1.0
2	曾儿孟	桂林电子科技大学信息与通信学院	5	19	3.0	4.0
3	宁煌	桂林电子科技大学信息与通信学院	1	1	1.0	1.0
4	黄智昌	桂林电子科技大学信息与通信学院	3	8	1.0	2.0