论文研究-基于字典学习和原子聚类的图像去噪算法.pdf

【文件属性】：
文件名称：论文研究-基于字典学习和原子聚类的图像去噪算法.pdf
文件大小：1.17MB
文件格式：PDF
更新时间：2022-08-11 12:21:34
字典学习,稀疏表示,冗余字典,K-均值聚类 针对图像去噪过程中会导致细节和纹理结构信息丢失的不足，提出了基于字典学习和原子聚类的图像去噪算法。该算法利用含噪图像通过字典学习算法得到自适应的冗余字典，然后提取字典中每个原子的HOG特征和灰度统计特征构成特征集，并利用原子的特征集将冗余字典中的原子分成两类（不含噪原子和噪声原子），最后利用不含噪原子恢复图像，达到去噪的目的。实验结果表明，提出的算法无须知道噪声的先验信息，峰值信噪比好于现有的流行算法，且能较好地保持图像细节和纹理结构信息，提高了视觉效果。