基于非局部相似和低秩模型的图像盲去噪

摘要：

针对目前大多图像去噪算法的性能依赖输入噪声水平参数的问题,为进一步提高去噪效果,提出一种改进的基于非局部相似和低秩模型的图像盲去噪方法.预先估计图像的全局噪声方差,在图像非局部相似和低秩模型的框架下,自适应地估计各图像块的局部噪声方差,确定各图像块奇异值阈值(SVT)的局部阈值参数,运用迭代规则完成去噪.为验证该方法的有效性,与3种目前较成熟的去噪算法进行仿真对比.仿真结果表明,对于噪声方差未知的图像,该方法的去噪效果在视觉、峰值信噪比(PSNR)和结构相似度(SSIM)的数据上更具优势,具有更好的自适应能力,更适合应用于实际图像去噪问题.

关键词：图像盲去噪、自适应、非局部相似、低秩、奇异值阈值

所属期刊栏目：37

分类号：TN911.72

在线出版日期：2016-06-23（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：959-963