基于聚类的图像稀疏去噪方法 - 浙江大学计算机学院.pdfVIP

第２７卷　第 １０期 信 号 处 理 Ｖｏｌ．２７．　Ｎｏ．１０ ２０１１年１０月 ＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｏｃｔ．２０１１ 基于聚类的图像稀疏去噪方法 叶敏超　钱禨涛　沈言浩 （浙江大学计算机科学与技术学院，浙江杭州３１００２７） 摘　要：在图像去噪方法的研究中，非局部均值算法与稀疏去噪算法是近几年受到广为关注的方法。非局部均值算法 将具有邻域相似性的像素点作加权平均；而稀疏去噪算法是将图像的非噪声部分用过完备字典进行稀疏表示。基于上述两 种方法的思想，本文提出了基于聚类的稀疏去噪方法，该方法结合了非局部均值算法与稀疏去噪算法的优点，对相似的图 像块进行聚类，并通过施加 ／ 范数的正则化约束，对同一类中的图像块在过完备字典上进行相同结构的稀疏表示，从而   １ ２ 达到去噪目的。在字典的选择上，本文使用ＤＣＴ字典和双正交小波字典，能够同时保留原图像中的平滑分量与细节分量。 实验结果表明，本文方法比传统的稀疏去噪方法有更好的去噪效果。 关键词：图像去噪；聚类；稀疏结构；字典 中图分类号：ＴＰ３９１　　文献标识码：Ａ　　文章编号：１００３－０５３０（２０１１）１０－１５９３－０６ Ｃｌｕｓｔｅｒｉｎｇｂａｓｅｄｓｐａｒｓｅｍｏｄｅｌｆｏｒｉｍａｇｅｄｅｎｏｉｓｉｎｇ ＹＥＭｉｎｃｈａｏ　ＱＩＡＮＹｕｎｔａｏ　ＳＨＥＮＹａｎｈａｏ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｎｏｎｌｏｃａｌｍｅａｎｓａｎｄｓｐａｒｓｅｍｏｄｅｌｓａｒｅｔｗｏｉｍｐｏｒｔａｎｔｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｓａｔｔｒａｃｔｉｎｇｍａｎｙａｔｔｅｎｔｉｏｎｓｄｕｒｉｎｇｔｈｅｒｅｃｅｎｔ ｙｅａｒｓ．Ｔｈｅｎｏｎｌｏｃａｌｍｅａｎｓｍｅｔｈｏｄｕｓｅｓｔｈｅｗｅｉｇｈｔｅｄａｖｅｒａｇｅｏｆｔｈｅｐｉｘｅｌｓｔｈａｔｓｈａｒｅｓｉｍｉｌａｒｎｅｉｇｈｂｏｒｈｏｏｄｓａｓｔｈｅｄｅｎｏｉｓｅｄｒｅｓｕｌｔ，ａｎｄ ｔｈｅｓｐａｒｓｅｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｒｅｃｏｖｅｒｓｔｈｅｎｏｎｎｏｉｓｙｃｏｍｐｏｎｅｎｔｓｏｆａｎｉｍａｇｅｂｙａｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｗｉｔｈａｆｅｗａｔｏｍｓｉｎａｄｉｃｔｉｏｎａｒｙ． Ｂａｓｅｄｏｎｔｈｅｓｅｔｗｏｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｓ，ｗｅｐｒｏｐｏｓｅａｃｌｕｓｔｅｒｉｎｇｂａｓｅｄｓｐａｒｓｅｍｏｄｅｌｆｏｒｉｍａｇｅｄｅｎｏｉｓｉｎｇ，ｗｈｉｃｈｆｉｒｓｔｐａｒｔｉｔｉｏｎｓｔｈｅｉｍａｇｅ ｐａｔｃｈｅｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｒｓｉｍｉｌａｒｉｔｉｅｓ，ａｎｄｔｈｅｎｕｓｅｓ ／ ｎｏｒｍｒｅｇｕｌａｒｉｚａｔｉｏｎｔｏｍａｋｅｔｈｅｓｉｍｉｌａｒｉｍａｇｅｐａｔｃｈｅｓｉｎｔｈｅｓａｍｅｃｌｕｓｔｅｒ   １ ２ ｓｈａｒｅｔｈｅｓａｍｅｓｐａｒｓｅｓｔｒｕｃｔｕｒｅｗｈｅｎｔｈｅｙａｒｅｒｅｐｒｅｓｅｎｔｅｄｂｙｏｖｅｒｃｏｍｐｌｅｔｅｄｄｉｃｔｉｏｎａｒｙ．Ｆｏｒｄｉｃｔｉｏｎａｒｙｓｅｌｅｃｔｉｏｎ，ｔｗｏｄｉｃｔｉｏｎａｒｉｅｓＤｉｓ ｃｒｅｔｅＣｏｓｉｎＴｒａｎｓｆｏｒｍａｔｉｏｎ（ＤＣＴ）ｄｉｃｔｉｏｎａｒｙａｎｄｂｉｏｒｔｈｏｇｏｎａｌｗａｖｅｌｅｔｄｉｃｔｉｏｎａｒｙａｒｅｃｈｏｓｅｎｔｏｒｅｐｒｅｓｅｎｔｂｏｔｈｓｍｏｏｔｈｃｏｍｐｏｎｅｎｔｓａｎｄ ｄｅｔａｉｌｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｈａｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｏｆｉｍａｇｅｄｅｎｏｉｓｉｎｇｃｏｍｐａｒｅｄ ｗｉｔｈｓｏｍｅｔｒａｄｉｔｉｏｎａｌｓｐａｒｓｅｄｅｎｏｉｓｉｎｇｍｅｔｈｏｄｓ． Ｋｅｙｗｏｒ