基于改进K-SVD和非局部正则化的图像去噪

摘要：

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。

关键词：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

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61372145。

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：249-253