基于非局部正则化稀疏表示的图像去噪算法

作     者：梁栋 梁昭 鲍文霞 张林 郭存山 LIANG Dong;LIANG Zhao;BAO Wen-xia;ZHANG Lin;GUO Cun-shan

作者机构：安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学电子信息工程学院安徽合肥230601 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2013年第35卷第5期

页      面：1104-1109页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：国家自然科学基金(61172127) 高等学校博士学科点专项科研基金(20113401110006) 安徽大学"211"工程学术创新团队基金(KJTD007A) 安徽省自然科学基金(1208085QF104) 安徽省高校优秀青年人才基金(2012SQRL017ZD)资助课题 

主　　题：非局部去噪 稀疏表示 结构聚类 字典学习 

摘      要：针对K-奇异值分解(sigular value decomposition,SVD)算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。