基于稀疏表示與字典學(xué)習(xí)的圖像去噪算法研究.pdf

1、圖像在獲取、存儲(chǔ)、傳輸?shù)冗^(guò)程中都會(huì)受到特定噪聲的污染,造成圖像質(zhì)量下降,因此圖像去噪是圖像處理中的一個(gè)重要問(wèn)題。其目的是通過(guò)一定處理盡可能消除噪聲干擾,提高圖像質(zhì)量。
　　 近年來(lái),稀疏表示理論受到人們的廣泛關(guān)注,并成功應(yīng)用于圖像去噪。其理論依據(jù)是,具有一定光滑性的干凈圖像在適當(dāng)?shù)倪^(guò)完備字典下存在稀疏表示,通過(guò)選擇或設(shè)計(jì)適當(dāng)?shù)淖值?求出圖像在該字典下的稀疏表示就可以達(dá)到去噪的目的。在圖像去噪應(yīng)用中,字典的選擇有兩種:一種是選取固

2、定的解析字典；另一種是利用采樣圖像數(shù)據(jù)通過(guò)適當(dāng)模型和方法學(xué)習(xí)或訓(xùn)練自適應(yīng)的字典。
　　 由于學(xué)習(xí)字典具有對(duì)數(shù)據(jù)的自適應(yīng)性,能更好地刻畫數(shù)據(jù)中的本質(zhì)特征,在去噪應(yīng)用中能得到更好的效果。因此本文借鑒K-SVD算法的思想,改進(jìn)了前人提出的基于標(biāo)準(zhǔn)正交基聯(lián)合的字典學(xué)習(xí)算法。改進(jìn)后的本文算法是在更新字典的過(guò)程中實(shí)時(shí)更新系數(shù),提高了字典學(xué)習(xí)速度；并將利用本文算法得到的結(jié)構(gòu)化自適應(yīng)字典(L-ONB字典)用于圖像去噪,實(shí)驗(yàn)結(jié)果表明,相對(duì)于固定字