10.3969/j.issn.1000-3428.2013.07.060
基于字典学习正则化的图像去噪
稀疏表示因其具有稀疏性、特征保持性等一些特点而被广泛应用于图像处理等领域,为解决图像处理中的去噪问题,提出一种基于图像特征稀疏表示的贝叶斯去噪模型。利用 K-means 和主成分分析方法计算已分割图像块对应字典的矩阵系数,采用正则化约束条件,迭代计算获取的图像字典与原始图像字典之间的差距,优化噪声图片稀疏特征表示的字典,直到达到优化条件。实验结果表明,与传统的离散余弦变换去噪模型相比,该模型的峰值信噪比较高,随着噪声的不断提高,与噪声图像峰值信噪比的差距也越来越大,且图像失真较少。
图像去噪、字典学习、贝叶斯模型、稀疏表示、正则化、高斯噪声
TP391(计算技术、计算机技术)
国家自然科学基金资助项目60903104;中央高校基本科研业务费专项基金资助项目kfjj20110241
2013-10-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
270-273