基于旋转不变稀疏表示和流形学习的图像降噪
提出了一种基于旋转不变稀疏表示和流形学习的图像降噪算法.首先建立基于流形学习的图像稀疏模型,使稀疏系数与图像块之间保持一致的流形结构.与此同时,由于图像块间较强的旋转相关性,算法在流形约束下采用旋转图像块进一步增强稀疏重构的性能.在具体实施过程中,则提出了一种优化算法来求解该稀疏模型.该稀疏模型经过一系列转变,使之满足经典K-SVD算法框架,并在该框架下实现迭代优化求解.实验表明,该稀疏模型,尤其对旋转图像块,能够更好地建立图像块间的结构关系,提取各含噪图像块中的隐含特征,提高重构图像的PSNR值,从而获得比传统稀疏降噪算法更高的降噪性能.
图像降噪、稀疏表示、流形学习、旋转不变性
35
TN911.73
国家自然科学基金61101158,61201345,11274092;江苏省自然科学基金BK20130238;中央高校基本科研业务专项资金2012B04014
2014-06-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
1101-1108