基于字典學(xué)習(xí)的圖像去噪方法研究.pdf

1、圖像在人類生活中扮演著重要的角色，但由于各種因素的影響，導(dǎo)致圖像的質(zhì)量不佳，通常會被噪聲污染，影響視覺效果，圖像降噪正是基于解決這種問題而發(fā)展的，目的是既能有效地去除噪聲，又能夠很好地保護(hù)圖像的重要特征信息，例如圖像的邊緣和紋理等。
　　近年來，基于冗余稀疏表示理論的圖像降噪方法得到了人們的廣泛關(guān)注與研究，該方法利用圖像信號具有稀疏性這一特征來區(qū)分信號和噪聲，從而到達(dá)去除噪聲的目的。本文在研究基于稀疏表示和冗余字典學(xué)習(xí)的圖像降噪方

2、法的基礎(chǔ)上，討論了現(xiàn)有的冗余字典學(xué)習(xí)方法，并在此基礎(chǔ)上開展研究工作，提出了兩種新的圖像降噪方法。本文的主要研究成果如下：
　　1.提出了一種基于聚類集成與稀疏字典學(xué)習(xí)的圖像降噪方法。該方法首先利用非局部的思想得到圖像的相似結(jié)構(gòu)區(qū)域，結(jié)合控制核回歸權(quán)值和聚類集成技術(shù)，將圖像劃分為具有相似幾何結(jié)構(gòu)的多個區(qū)域，并利用稀疏字典學(xué)習(xí)算法分別對每一類區(qū)域進(jìn)行聚類字典學(xué)習(xí)，克服了原始的K-SVD算法獲得的字典結(jié)構(gòu)性不強以及忽略圖像自相似性等缺點

3、。在自然圖像和醫(yī)學(xué)圖像上驗證了本方法的有效性，不僅能夠有效地去除噪聲，也提高了均勻區(qū)域的平滑性，同時細(xì)節(jié)信息也得到了較好地保持。
　　2.提出了一種基于改進(jìn) K-SVD字典學(xué)習(xí)與相似性約束的圖像降噪方法。其中，改進(jìn)的K-SVD字典學(xué)習(xí)算法分別對原始的K-SVD算法中的字典更新階段和稀疏編碼階段進(jìn)行了相應(yīng)的改進(jìn)，然后通過引入相似性約束項，作為基于改進(jìn)K-SVD字典學(xué)習(xí)的圖像去噪目標(biāo)函數(shù)中新的一項，得到新的目標(biāo)函數(shù)。通過對自然圖像和醫(yī)