结合分块噪声估计的字典学习图像去噪算法

发布时间：2018-02-04 07:10

本文关键词： 图像去噪平滑图像块奇异值分解噪声估计字典学习　出处：《计算机应用研究》2017年10期 　论文类型：期刊论文

【摘要】：近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。
[Abstract]:In recent years, K-SVD dictionary learning denoising algorithm has been widely concerned and applied because of its short time consuming and good denoising effect. However, the suitable condition of the algorithm is that the noise of the image is additive noise and the noise standard deviation is known. In view of this situation, a smoothing image block filtering method is proposed. It is combined with singular value decomposition (SVD) to estimate the noise standard deviation of the image. Then the noise estimation method is combined with K-SVD dictionary de-noising algorithm. A K-SVD dictionary learning de-noising algorithm with the characteristic of noise estimation is proposed. The experimental results of de-noising for various images show that the de-noising algorithm is similar to the Donoho wavelet soft threshold de-noising algorithm. Compared with the total variation / TV-based denoising algorithm, the proposed algorithm can not only improve the PSNR of the de-noised image by 1 ~ 3 dB. And it can preserve the details and edge features of the image.
【作者单位】：河北工业大学电子与信息工程学院;中国科学院电子学研究所;中国科学院大学;
【基金】：国家自然科学基金资助项目(51208168) 天津市自然科学基金资助项目(13JCYBJC37700) 河北省自然科学基金资助项目(E2016202341) 大学生创新创业训练计划项目(河北省重点)(201510080051)
【分类号】：TP391.41
【正文快照】： 院大学,北京100190)0引言伴随着图像处理技术的持续发展,图像去噪一直是图像处理领域的研究热点。图像去噪的目的就是在去除噪声污染的前提下,最大限度地使图像的细节和边缘信息得到保留。传统图像去噪方法主要可以分为基于空间域的去噪方法和基于频域的去噪方法两大类。基于

【相似文献】