基于非局部自相似字典学习的图像混合噪声去除算法（英文）

高斯噪声和泊松噪声是影响图像质量的主要噪声源,为了去除这些噪声,大量的图像去噪算法被提出,但这些算法往往局限于去除单一的高斯噪声或泊松噪声。由于字典原子能够自适应的表示图像的结构特征,结合高斯-泊松混合噪声的统计特性,提出一种基于字典学习和非局部结构聚类的高斯-泊松混合噪声去除方法,在稀疏表示的框架下学习字典并重构无噪图像。考虑到图像在非局部范围内存在自相似性,通过对非局部的相似结构进行聚类,将此自相似性作为去噪目标函数的正则项,以提高去噪性能。实验结果表明:提出的算法能够有效的去除图像中的高斯-泊松混合噪声。