基于高阶奇异值分解和均方差迭代的图像去噪
目的 图像去噪是图像处理的难题,其难点是在尽量滤除噪声的同时对图像信息进行保持.针对该难点,本文提出了一种将非局部相似性和高阶奇异值分解(HOSVD)相融合,并利用均方差(MSE)迭代对图像进行去噪的iHOSVD算法.方法 首先利用非局部相似块聚类和高阶奇异值分解构建数据自适应的3维变换基及其变换系数;其次,对变换系数进行阈值处理后进行3维反变换,从而达到非局部协同滤波的目的;最后,由于一次去噪操作无法达到理想的去噪效果,采用一种基于均方差最优的迭代方法对图像进行去噪,并证明该迭代是一个权衡偏差和方差使得均方差达到最优的过程.结果 实验结果表明,iHOSVD算法既能够有效地去除噪声,又能够很好地保持纹理细节信息.结论 本文所提的图像去噪iHOSVD算法结合了非局部协同滤波与数据自适应去噪的思想,通过对3种高水平去噪算法BM3D、NCSR和PLOW的比较实验发现,不仅表现了较强的图像去噪能力,而且在图像纹理细节保持方面效果最好,适用于纹理信息较强的图像.
高阶奇异值分解、均方差、非局部协同滤波、数据自适应
19
TP301.6(计算技术、计算机技术)
国家自然科学基金重点项目U1135005;国家自然科学基金重大研究计划90924026;国家自然科学基金青年基金项目61304224;国家重大专项GFZX0101050302;装备预研项目51301010206
2014-12-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
1563-1569