文件名称：论文研究-结合分块噪声估计的字典学习图像去噪算法.pdf
文件大小：885KB
文件格式：PDF
更新时间：2022-08-11 15:14:23
图像去噪,平滑图像块,奇异值分解,噪声估计,字典学习
近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用，但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况，先提出一种平滑图像块筛选方法，并将其与奇异值分解（singular value decomposition，SVD）相结合实现对图像的噪声标准差估计；再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来，提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明，与Donoho小波软阈值去噪算法、全变分（total variation，TV）去噪算法相比，该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB，并且能较好地保留图像的细节信息和边缘特征。