基于图像块先验的低秩近似和维纳滤波的去噪算法

• 作者: 张杨 徐海平 陈飞
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 高斯混合模型 先验 低秩近似 维纳滤波
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 16-20
• 页数: 5页
• 分类号: TP37
• 字数: 3237字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.009

摘要

利用混合高斯模型(gaussian mixture model,GMM)学习自然图像块的纹理结构,提出一种基于图像块先验的低秩近似和维纳滤波的去噪算法.该算法能够同时利用外部图像块的先验结构信息和内部图像的自相似性,对待去噪图像进行分块聚类,并根据每类相似块的数量进行协同滤波.当相似图像块数量较多时,采用低秩近似的方法复原,有效利用图像的内部自相似性;当相似图像块数量较少时,采用维纳滤波,利用先验信息保持图像重要的纹理结构.试验结果表明此方法较适用于弧形边界和角点等存在较少相似块的自然图像,其峰值信噪比(peak signal to noise ratio,PSNR)和视觉效果优于目前部分主流算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈飞	福州大学数学与计算机科学学院	23	158	5.0	12.0
2	张杨	福州大学数学与计算机科学学院	4	19	2.0	4.0
3	徐海平	福州大学数学与计算机科学学院	2	2	1.0	1.0