| 双加权 L p 范数RPCA模型及其在椒盐去噪中的应用 |
| |
| 引用本文： | 董惠雯,禹晶,郭乐宁,肖创柏.双加权 L p 范数RPCA模型及其在椒盐去噪中的应用[J].数据采集与处理,2021,36(1):133-146. |
| |
| 作者姓名： | 董惠雯 禹晶 郭乐宁 肖创柏 |
| |
| 作者单位： | 北京工业大学信息学部, 北京 100124 |
| |
| 基金项目： | 北京市自然科学基金（4212014）资助项目;北京市教育委员会科技计划（KM201910005029）资助项目。 |
| |
| 摘 要： | 鲁棒主成分分析（Robust principal component analysis,RPCA）模型中秩函数和 L 0 范数的求解是非确定性多项式（Nondeterministic polynominal,NP）难问题,凸近似模型的求解通常会导致过收缩。本文结合加权方法和 L p 范数提出了一种基于双加权 L p 范数的RPCA模型,利用加权 S p 范数低秩项和加权 L p 范数稀疏项分别对RPCA框架中的低秩恢复问题和稀疏恢复问题进行建模,使其更接近秩函数和 L 0 范数最小化问题的解,提升了矩阵秩估计和稀疏估计的准确性。为了验证模型性能,本文利用图像的非局部自相似性,结合相似图像块组的低秩性与椒盐噪声的稀疏性,将双加权 L p 范数鲁棒主成分分析模型应用于去除椒盐噪声过程中。定量与定性的实验结果表明,本文模型性能优于其他模型,同时奇异值过收缩分析也表明本文模型能够有效抑制秩成分的过度收缩。
|
| 关 键 词： | 图像去噪 鲁棒主成分分析 低秩 稀疏 非局部自相似性 |
| 收稿时间： | 2020/5/10 0:00:00 |
| 修稿时间： | 2020/9/30 0:00:00 |
Dual-Weighted L p -Norm RPCA Model and Its Application in Salt-and-Pepper Noise Removal |
| |
| DONG Huiwen,YU Jing,GUO Lening,XIAO Chuangbai.Dual-Weighted L p -Norm RPCA Model and Its Application in Salt-and-Pepper Noise Removal[J].Journal of Data Acquisition & Processing,2021,36(1):133-146. |
| |
| Authors: | DONG Huiwen YU Jing GUO Lening XIAO Chuangbai |
| |
| Affiliation: | Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China |
| |
| Abstract: | |
| |
| Keywords: | image denoising robust principal component analysis (RPCA) low rank sparse nonlocal self-similarity |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
