基于分组字典与变分模型的图像去噪算法

摘要：

针对加性高斯噪声去除问题,在现有传统的K均值奇异值分解(K-SVD)字典学习算法的基础上,提出一种将字典学习与变分模型相融合的改进算法.首先,根据图像的几何和光度信息将图像进行聚类分组,再将图像组按照边缘和纹理类别进行分类,根据噪声水平和图像组类别训练一个自适应字典;其次,将通过所学字典得到的稀疏表示先验与图像本身的非局部相似先验进行融合来构建变分模型;最后,通过求解变分模型得到去噪后图像.实验结果表明,与同类去噪算法相比,当噪声比率较高时,所提算法可以解决前期算法准确性较差、纹理丢失较为严重、产生视觉伪影等问题,在视觉效果上要更为理想;同时该算法结构相似性指数有明显提高,峰值信噪比(PSNR)的值更是平均提高了10％以上.

关键词：自适应字典学习、图像去噪、稀疏表示、变分模型、非局部相似

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61501082;辽宁省自然科学基金指导计划项目20180550018;大连外国语大学创新团队资助项目2017CXTD01;大连外国语大学科研项目2016XJJS35

在线出版日期：2019-03-29（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：551-555