基于字典学习的图像稀疏去噪算法

针对图像稀疏去噪时采用固定字典稀疏效果不理想、去噪质量不高等问题,提出了基于字典学习的图像稀疏去噪算法。该算法首先选择初始化DCT字典,通过K-SVD算法对噪声图像样本反复迭代、更新得到字典,对图像进行稀疏表示,最后采用OMP算法对图像进行重构,得到去噪后图像。对不同类型和细节信息的实测图像,研究了采用DCT字典、基于自然图像训练字典和基于噪声图像训练字典的OMP算法的图像去噪性能,并设计仿真实验进行性能比较。仿真实验结果表明,基于噪声图像训练字典的图像稀疏去噪算法与其他两种算法相比去噪性能较好,具有自适应性。