基于字典优化策略的图像去噪算法研究

发布时间：2021-01-16 22:44

　　图像的噪声污染通常在图像数据的采集和传输阶段产生,图像中的噪声往往会影响后续的图像处理工作,包括图像编码、特征提取以及目标检测等等。图像降噪是其他图像处理任务的关键过程,它能够有效地提高后续图像处理技术的处理效果。基于稀疏表示和字典学习的图像去噪算法已经成为了最重要最先进去噪算法的一部分。本文对现有的基于稀疏表示和字典学习策略算法进行了描述和改进,具体研究内容如下:1.经典的K-奇异值分解（K-Singular Value Decompostion,K-SVD）算法通过字典对图像进行稀疏表示,在去噪的同时保持了原图像的有效信息。但是该算法在强噪声下性能较差,因此本文提出了一种基于字典更新和字典原子优化的图像去噪算法。首先利用加权的顺序字典学习（Sequential Dictionary Learning,SDL）的方法替代K-SVD算法,这样能够得到更为稀疏表示的图像字典;然后利用训练后字典原子的图像块特征结构性,并充分考虑原始图像的结构复杂度和噪声强度对字典原子的影响,自适应进行原子检测并删除噪声原子;最后利用优化后的字典重构图像。实验结果表明,所提算法与经典K-SVD等去噪算法相比... 

【文章来源】：南京邮电大学江苏省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图像去噪算法分类变换域去噪算法的实现主要是利用了图像到变换域的转变

【参考文献】：
期刊论文
[1]基于块分类和字典优化的K-SVD图像去噪研究[J]. 华志胜,付丽华.  计算机工程与应用. 2017(16)
[2]基于改进K-SVD和非局部正则化的图像去噪[J]. 杨爱萍,田玉针,何宇清,董翠翠.  计算机工程. 2015(05)
[3]迭代硬阈值压缩感知重构算法——IIHT[J]. 张宗念,李金徽,黄仁泰.  计算机应用. 2011(08)
[4]图像质量评价方法研究进展[J]. 蒋刚毅,黄大江,王旭,郁梅.  电子与信息学报. 2010(01)
[5]基于数学形态学的图像去噪方法研究[J]. 陈虎,周朝辉,王守尊.  工程图学学报. 2004(02)



本文编号：2981675