基于非局部自相似字典学习的图像混合噪声去除算法

摘要：

高斯噪声和泊松噪声是影响图像质量的主要噪声源,为了去除这些噪声,大量的图像去噪算法被提出,但这些算法往往局限于去除单一的高斯噪声或泊松噪声.由于字典原子能够自适应的表示图像的结构特征,结合高斯-泊松混合噪声的统计特性,提出一种基于字典学习和非局部结构聚类的高斯-泊松混合噪声去除方法,在稀疏表示的框架下学习字典并重构无噪图像.考虑到图像在非局部范围内存在自相似性,通过对非局部的相似结构进行聚类,将此自相似性作为去噪目标函数的正则项,以提高去噪性能.实验结果表明:提出的算法能够有效的去除图像中的高斯-泊松混合噪声.

关键词：混合噪声、字典学习、非局部、自相似性

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

资助基金：Project Supported by Scientific and Technological Research Program of Chongqing Municipal Education Commission kj1603810,kj1737456

在线出版日期：2018-11-28（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：116-121,127