基于块分类和字典优化的K-SVD图像去噪研究

• 作者: 付丽华 华志胜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像去噪 稀疏表示 K-SVD算法 图像块分类 过完备字典 字典优化
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 图形图像处理
• 页码范围: 187-192
• 页数: 6页
• 分类号: TN919.81
• 字数: 5501字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0234

摘要

基于K-奇异值分解(K-SVD)的图像去噪方法使用K-SVD算法训练得到的过完备字典对图像进行稀疏表示去噪,能够在去除噪声的同时较好地保持原始图像信息.但该方法缺少对图像结构特征的考虑;此外,K-SVD算法训练得到的字典中往往含有噪声原子,从而导致该方法在强噪声下去噪性能欠佳.针对这些局限性,提出一种新的去噪方法:基于块分类和字典优化的K-SVD去噪方法.首先通过图像块的分类训练得到与图像结构相适应的字典,能够更为稀疏地表示图像;然后通过噪声原子检测将字典原子分为噪声原子和非噪声原子,并对噪声原子进行替换,减弱噪声原子对去噪性能的影响,得到优化字典;利用优化字典对图像进行稀疏表示去噪.仿真实验表明,与非局部均值去噪、曲波去噪以及经典K-SVD去噪等算法相比,新方法能够取得更好的去噪结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华志胜	南开大学数学科学学院	1	8	1.0	1.0