改进的多尺度学习字典图像去噪算法

常规字典学习方法在单一尺度下对图像进行稀疏表示，不能完全表示图像的有效信息，去噪结果有待提升。针对上述局限性，提出一种改进的多尺度学习字典图像去噪算法。该算法使用改进的自适应阈值曲波变换对图像进行多尺度分解，并以此构建曲波域的多尺度学习字典，通过循环迭代完成字典和稀疏系数更新并叠加对应的曲波域图像块，最后执行曲波反变换得到去噪图像。结果表明，相对常规去噪算法，论文方法的灰度图像去噪结果峰值信噪比平均提升56.6%，结构相似度平均提升0.44；实际B超图像的完全无参考值提高47.3%，专家平定值提高32.3%。结论认为，改进方法对图像的边缘/纹理细节保持好，图像质量提升明显。