基于稀疏码收缩的图像去噪

摘要：

数据的描述方法对提取数据特征至关重要,通常这种描述方法是基于数据的线性变换.传统的的傅立叶变换、离散余弦变换、主分量分析等线性变换方法都是基于全局变换的思想,无法反映图像在时频域的局部特征.独立分量分析是一种多维数据线性变换的方法,它从数据间的高阶统计特性出发,提取的图像数据特征基函数在空间频域中体现了方向性和局部性,能很好的自适应图像数据,并且其所得系数具有稀疏分布的特性.用它对无噪声图像数据进行学习,利用得到的稀疏码变换矩阵对噪声图像数据进行稀疏码变换,得到稀疏成分,并结合最大似然估计得到的软门限算子对该稀疏成分进行收缩,从而达到了去除图像噪声的目的.试验表明该方法在去噪效果和保存图像细节方面明显优于传统的维纳滤波方法.

关键词：稀疏码收缩、独立分量分析、软门限、图像去噪

所属期刊栏目：23

分类号：TP3;O15

在线出版日期：2008-03-26（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：742-746