网站大量收购独家精品文档,联系QQ:2885784924

一种基于超完备字典学习的图像去噪方法.pdf

一种基于超完备字典学习的图像去噪方法.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种基于超完备字典学习的图像去噪方法.pdf

第2期 电 子 学 报 v01.37No.2 2009年2月 ACrAⅡ正CIRONIo~SINICA Feb.2009 一种基于超完备字典学习的图像去噪方法 蔡泽民1,一,赖剑煌2,3 (1.中山大学数学与计算科学学院。广东广州510275;2.中山大学信息科学与技术学院,广东广州510275; 3.广东省信息安全技术重点实验室,广东广州510275) 摘要:基于超完备字典的图像稀疏表示因其具有稀疏性、特征保持性、可分性等特点而被广泛应用于图像处 理.本文提出一种超完备字典学习算法并应用于图像去噪.将字典学习等价于一个二次规划问题,并提出适合于大规 模运算的投影梯度算法.学习所得字典能有效描述图像特征.基于此超完备学习字典,获得图像的稀疏表示,并恢复原 始图像.实验结果表明,与小波类去噪方法相比,本文的学习算法能更好地去除图像噪声,保留图像细节信息,获得更 高的PSNR值. 关键词: 稀疏表示;基追踪;匹配追踪;字典学习;二次规划 中图分类号:TNgll.73文献标识码: A 文章编号:0372-2112(2009)02-0347-04 An Learned Method Over—completeDictionary-Based ImageDe-noising CA]Ze-minl’3,LAI Jian.hI孑’3 (1.boo/矿胁眈砒and白砸埘妇d$c/ome,Sun Yat-Mn‰砂,Gll∞咖‘,Q.d,l耐口昭510275,吼知; 2.boo/of/nformat/on鼬and Tedmo/ogy,SunYat-s*n所啦∞i钞,6lⅫ皤击oⅡ,l乩∞酆fong510235,Ch/na; 3.Gm叼幽愕nu机∞矗巧£n梳町of,码向Ⅷm加Se咖,QⅫ晦小o“,Q“唱面“g510275,Ol/na) AbstracII over dictionarieshavewide in to over-complete a due Iinag嚣’sparse删OllS applicalioniInagepr,,cessmg of and a the印ope币essparsity,integrity paper whichis to de- separability.Thisproposesdictionarylearr血galgorithmappliedimage dictionary Ix)x-eonsuained andafast methodis noismg.The learningpd,lernis蹦p酬硒a qllladra6cprogram projected gradient inlzoducedtosolve learned

文档评论(0)

lizhencai0920 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:6100124015000001

1亿VIP精品文档

相关文档