基于加权RPCA的非局部图像去噪方法

摘要：

在分析核范数基础上，提出基于加权鲁棒主成分分析（WRPCA ）的非局部去噪方法。将加权核范数引入鲁棒主成份分析模型，构建加权鲁棒主成份分析模型（WRPCA ），采用增广拉格朗日乘子法对模型进行求解，将WRPCA用于图像去噪。根据图像的自相似性，对噪声图像进行分块，通过块匹配法对图像块进行聚类，获得相似块组矩阵；通过加权鲁棒主成分分析（WRPCA ）算法对相似块组矩阵进行低秩矩阵恢复。实验结果表明，无论对低噪声图像和高噪声图像，该方法去噪效果相比现有的经典算法都有一定提高。WRPCA算法对图像结构保持有很好效果，在保持图像纹理细节方面优于其它去噪算法。

关键词：鲁棒主成分分析、加权核范数、低秩、图像去噪、自相似性

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目51365017、61305019；江西省科技厅青年科学基金项目20132bab211032

在线出版日期：2015-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3035-3040