發(fā)布時間：2018-02-04 07:10

  本文關鍵詞： 圖像去噪 平滑圖像塊 奇異值分解 噪聲估計 字典學習　出處：《計算機應用研究》2017年10期 　論文類型：期刊論文

【摘要】：近年來K-SVD字典學習去噪算法因其耗時短、去噪效果好的特點得到廣泛關注和應用,但該算法的適用條件為圖像的噪聲為加性噪聲且噪聲標準差已知。針對這一情況,先提出一種平滑圖像塊篩選方法,并將其與奇異值分解(singular value decomposition,SVD)相結合實現(xiàn)對圖像的噪聲標準差估計;再將得到的噪聲估計方法與K-SVD字典學習去噪算法結合起來,提出一種具備噪聲估計特性的K-SVD字典學習去噪算法。對多種圖像的去噪實驗結果表明,與Donoho小波軟閾值去噪算法、全變分(total variation,TV)去噪算法相比,該算法不僅能夠使去噪后圖像的峰值信噪比提升1~3 dB,并且能較好地保留圖像的細節(jié)信息和邊緣特征。
[Abstract]:In recent years, K-SVD dictionary learning denoising algorithm has been widely concerned and applied because of its short time consuming and good denoising effect. However, the suitable condition of the algorithm is that the noise of the image is additive noise and the noise standard deviation is known. In view of this situation, a smoothing image block filtering method is proposed. It is combined with singular value decomposition (SVD) to estimate the noise standard deviation of the image. Then the noise estimation method is combined with K-SVD dictionary de-noising algorithm. A K-SVD dictionary learning de-noising algorithm with the characteristic of noise estimation is proposed. The experimental results of de-noising for various images show that the de-noising algorithm is similar to the Donoho wavelet soft threshold de-noising algorithm. Compared with the total variation / TV-based denoising algorithm, the proposed algorithm can not only improve the PSNR of the de-noised image by 1 ~ 3 dB. And it can preserve the details and edge features of the image.
【作者單位】： 河北工業(yè)大學電子與信息工程學院;中國科學院電子學研究所;中國科學院大學;
【基金】：國家自然科學基金資助項目(51208168) 天津市自然科學基金資助項目(13JCYBJC37700) 河北省自然科學基金資助項目(E2016202341) 大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(河北省重點)(201510080051)
【分類號】：TP391.41
【正文快照】： 院大學,北京100190)0引言伴隨著圖像處理技術的持續(xù)發(fā)展,圖像去噪一直是圖像處理領域的研究熱點。圖像去噪的目的就是在去除噪聲污染的前提下,最大限度地使圖像的細節(jié)和邊緣信息得到保留。傳統(tǒng)圖像去噪方法主要可以分為基于空間域的去噪方法和基于頻域的去噪方法兩大類�；�

【相似文獻】

相關期刊論文 前10條

1 曲延華;秦宏;張玉梅;;基于改進的醫(yī)學圖像去噪算法的研究[J];沈陽工程學院學報(自然科學版);2009年03期

2 石玉英;劉晶晶;;一種基于矩陣格式的半隱式圖像去噪算法[J];徐州工程學院學報(自然科學版);2012年04期

3 侯建華;熊承義;田金文;柳健;;基于鄰域閾值分類的小波域圖像去噪算法[J];光電工程;2006年08期

4 唐琳;晏海華;蔡德榮;黃猛;;一種基于最優(yōu)小波包基的圖像去噪算法[J];計算機與數(shù)字工程;2008年04期

5 李小林;劉傳才;魏艷紅;;一種非線性復擴散圖像去噪算法[J];渭南師范學院學報;2009年02期

6 熊波;尹周平;;滑動平均和改進權重函數(shù)的快速非局部平均圖像去噪算法[J];中國圖象圖形學報;2012年05期

7 王民;文義玲;;常用圖像去噪算法的比較與研究[J];西安建筑科技大學學報(自然科學版);2010年06期

8 陳蒙;;醫(yī)學X光成像中圖像去噪算法研究[J];軟件;2013年11期

9 李小林;劉傳才;;一種新的基于二階導數(shù)的圖像去噪算法[J];漳州師范學院學報(自然科學版);2008年01期

10 肖貴元;;基于三維濾波的視頻去噪算法研究[J];電光與控制;2008年05期

相關會議論文 前7條

1 王樹艷;楊勛年;;平面曲線去噪的混合雙邊算法[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

2 李洋;李雙田;;小波圖像去噪算法分析[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

3 鄧志全;關履泰;朱慶勇;;改進的非局部均值圖像去噪算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

4 李俊峰;戴文戰(zhàn);潘海鵬;高金鳳;;基于灰色系統(tǒng)理論的圖像去噪算法研究[A];第二十九屆中國控制會議論文集[C];2010年

5 張娛;谷旭源;;基于小波系數(shù)的圖像自適應閾值去噪算法[A];全國第4屆信號和智能信息處理與應用學術會議論文集[C];2010年

6 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術研究與應用2009——第四屆圖像圖形技術與應用學術會議論文集[C];2009年

7 劉志剛;郭艷穎;;基于形態(tài)神經(jīng)網(wǎng)絡的SAR圖像去噪算法研究[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

相關博士學位論文 前5條

1 張鑫媛;基于結構相似性的磁共振圖像去噪新算法研究[D];南方醫(yī)科大學;2015年

2 陳大力;數(shù)字圖像處理中去噪算法的研究[D];東北大學;2008年

3 劉輝;數(shù)字圖像處理中基于局部方向性的壓縮和去噪算法研究[D];吉林大學;2008年

4 宮霄霖;基于小波變換的不規(guī)則鄰域的數(shù)字圖像去噪算法研究[D];天津大學;2010年

5 崔學英;低劑量CT的投影域去噪算法和后處理方法研究[D];中北大學;2015年

相關碩士學位論文 前10條

1 王圳萍;基于低秩矩陣恢復的圖像去噪算法研究[D];西南交通大學;2015年

2 張超;圖像和視頻去噪算法的研究與實現(xiàn)[D];復旦大學;2014年

3 羅格;三維模型去噪算法的研究及其在三維曲面重建上的應用[D];哈爾濱工業(yè)大學;2015年

4 賀東霞;數(shù)字圖像去噪算法的研究與應用[D];延安大學;2015年

5 劉航;并行非局部均值去噪算法研究[D];西安電子科技大學;2014年

6 王秀東;圖像去噪算法及其GPU并行化研究[D];西安電子科技大學;2014年

7 李翠菊;基于NSCT和雙邊濾波的圖像去噪算法研究[D];湘潭大學;2015年

8 劉斌;BM3D去噪算法的硬件實現(xiàn)[D];上海交通大學;2013年

9 鐘瑩;結構特性匹配的非局部均值圖像去噪算法研究[D];合肥工業(yè)大學;2014年

10 陳強云;基于結構信息的非局部均值圖像去噪算法[D];合肥工業(yè)大學;2015年

，

本文編號：1489662