10.3969/j.issn.1000-3428.2015.05.046
基于改进K-SVD和非局部正则化的图像去噪
K-奇异值分解( K-SVD)算法在强噪声下的去噪性能较差。为此,提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法,提高原算法的去噪性能,将非局部正则项融入图像去噪模型,并采用非局部自相似性进一步改善图像的去噪效果。实验结果表明,与传统K-SVD算法相比,该算法在提高同质区域平滑性的同时,能保留更多的纹理、边缘等细节特征。
图像去噪、稀疏表示、奇异值分解、正交匹配追踪算法、字典优化、非局部自相似性
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61372145。
2015-05-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
249-253