本文關鍵詞：基于圖像分解的稀疏去噪及優(yōu)化方法研究

  更多相關文章： 圖像去噪 稀疏表示 K-SVD 圖像分解 雙稀疏字典

【摘要】：為了改進在紋理豐富的圖像中消除隨機噪聲的效果,基于對學習型字典隨機噪聲去噪實驗結果的分析,論文提出了一種基于MCA圖像分解的稀疏表示的去噪方法。首先基于MCA分解將圖像分為結構和紋理兩部分;然后對分解后的圖像分別進行基于稀疏表達的去噪(對結構圖像采用全局字典方法、對紋理圖像采用雙稀疏字典);最后將去噪后的兩部分圖像進行合成。實驗結果表明,相比于K-SVD學習型字典方法,論文算法在去噪效果和處理速度上均有所提高。
【作者單位】： 中航工業(yè)洛陽電光設備研究所光電控制技術重點實驗室;武漢理工大學信息工程學院;華中科技大學自動化學院;
【關鍵詞】： 圖像去噪 稀疏表示 K-SVD 圖像分解 雙稀疏字典
【基金】：國家自然科學基金資助項目(編號:61273241)資助
【分類號】：TP391.41
【正文快照】： 1引言圖像在采集、編碼、傳輸、恢復、存儲等過程中,都不可避免地會受到許多因素的影響,這樣就會使圖像出現噪聲[1]。這些噪聲導致圖像質量下降,圖像原始信息受到干擾,重要信息丟失,對后期處理造成影響。因此,對圖像進行去噪處理就十分的必要[2]。研究人員已提出了很多圖像去

【相似文獻】

中國期刊全文數據庫 前10條

1 王憲棟;圖像代數與圖像分解[J];西安電子科技大學學報;1995年01期

2 韓明華,葉如意;基于小波變換的圖像分解與重構編碼的實現[J];微機發(fā)展;2003年11期

3 姜東煥;徐光寶;宋國鄉(xiāng);;基于小波和變分泛函的圖像分解[J];系統工程與電子技術;2007年06期

4 李敏;馮象初;;基于小波空間的圖像分解變分模型[J];電子學報;2008年01期

5 吳敏金;沈霄鳳;金升俊;;圖像分解中的多通道濾波器組合[J];中國圖象圖形學報;2005年11期

6 張文娟;王艷紅;;運用總變分最小化和振蕩函數的圖像分解方法[J];西安工業(yè)大學學報;2008年03期

7 孟敏;平子良;;基于指數矩的圖像分解和重建[J];內蒙古師范大學學報(自然科學漢文版);2011年03期

8 李峰;曾曉輝;陳盛霞;沈玉娟;;基于算子的圖像分解[J];中國圖象圖形學報;2013年01期

9 白鍵;馮象初;;非凸泛函的圖像分解[J];西安電子科技大學學報;2013年02期

10 胡正平,王成儒,練秋生;基于圖像分解的快速多圓/橢圓檢測方法[J];儀器儀表學報;2002年S1期

中國重要會議論文全文數據庫 前2條

1 秦勃;時鵬;;經驗模式多尺度圖像分解[A];第一屆全國幾何設計與計算學術會議論文集[C];2002年

2 方宇強;戴斌;;基于圖像分解的魯棒光流計算[A];第二十九屆中國控制會議論文集[C];2010年

中國重要報紙全文數據庫 前3條

1 記者 曹婧逸;打造影院級影音空間漸成潮流[N];中華工商時報;2012年

2 晉毅;危機中的希臘[N];中國攝影報;2013年

3 記者鄭千里;掃描隧道組合顯微鏡又添利器[N];科技日報;2002年

中國碩士學位論文全文數據庫 前8條

1 劉春榮;結構字典學習方法及應用的研究[D];北京工業(yè)大學;2015年

2 沙馬木呷;基于全變分與分塊低秩卡通—紋理正則的圖像分解與復原研究[D];電子科技大學;2016年

3 黃曉彤;幾種圖像分解模型分析及其在文字提取中的應用[D];云南大學;2013年

4 張力娜;偏微分方程在圖像分解及邊緣檢測中的應用[D];西安電子科技大學;2008年

5 李艷霞;基于變分偏微分方程的圖像分解研究與應用[D];中國海洋大學;2009年

6 劉鳴;基于PDE的圖像分解方法研究與應用[D];青島大學;2008年

7 劉健;基于Mumford-Shah模型和G空間圖像分解的研究[D];中國海洋大學;2011年

8 施克漢;基于變指數增長反應—擴散方程組的圖像分解研究[D];哈爾濱工業(yè)大學;2014年

，

本文編號：789361