PCA与K-SVD联合滤波方法的研究

摘要：

针对早期的滤波方法，如线性的有高斯滤波、均值滤波、方框滤波等和非线性的如中值滤波、开闭运算等传统滤波方法是在像素级进行行列式的循环运算，运算繁琐，数据亢余和不能有效压缩图像进行数字化传播的缺点，提出一种基于PCA主成分图像融合后的K-SVD滤波方法的研究，有效弥补了单一K-SVD对椒盐噪声起不到良好滤波的缺点。首先对源图像进行多次的观测得到N幅含噪图像(既含有高斯噪声也含有椒盐噪声，都是加性噪声)。再对N幅含噪图像进行PCA主成分提取融合后进行K-SVD滤波(如果先进行K-SVD滤波的话会造成多幅图像的K-SVD的滤波，导致效率低且运算度冗余N倍)。这样有效消除了高斯噪声的干扰，还解决了K-SVD对椒盐噪声不敏感的缺陷，完成了在图像特征级数据去噪的研究。

关键词：PCA融合、K-SVD滤波、特征级图像去噪

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2016-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：31-36,45