| 基于改进K-SVD和非局部正则化的图像去噪 |
| |
| 引用本文： | 杨爱萍,田玉针,何宇清,董翠翠.基于改进K-SVD和非局部正则化的图像去噪[J].计算机工程,2015(5). |
| |
| 作者姓名： | 杨爱萍 田玉针 何宇清 董翠翠 |
| |
| 作者单位： | 天津大学电子信息工程学院,天津,300072 |
| |
| 基金项目： | 国家自然科学基金资助项目(61372145)。 |
| |
| 摘 要： | K-奇异值分解( K-SVD)算法在强噪声下的去噪性能较差。为此，提出一种新的图像去噪算法。使用相关系数匹配准则和噪声原子裁剪方法改进传统K-SVD算法，提高原算法的去噪性能，将非局部正则项融入图像去噪模型，并采用非局部自相似性进一步改善图像的去噪效果。实验结果表明，与传统K-SVD算法相比，该算法在提高同质区域平滑性的同时，能保留更多的纹理、边缘等细节特征。
|
| 关 键 词： | 图像去噪 稀疏表示 奇异值分解 正交匹配追踪算法 字典优化 非局部自相似性 |
Image Denoising Based on Improved K-SVD and Non-local Regularization |
| |
| YANG Aiping,TIAN Yuzhen,HE Yuqing,DONG Cuicui.Image Denoising Based on Improved K-SVD and Non-local Regularization[J].Computer Engineering,2015(5). |
| |
| Authors: | YANG Aiping TIAN Yuzhen HE Yuqing DONG Cuicui |
| |
| Abstract: | |
| |
| Keywords: | image denoising sparse representation Singular Value Decomposition (SVD) Orthonomal Matching Pursuit(OMP) algorithm dictionary optimization non-local self-similarity |
| 本文献已被 万方数据 等数据库收录！ |
|
