结合分块噪声估计的字典学习图像去噪算法.PDFVIP

结合分块噪声估计的字典学习图像去噪算法 作者 汪浩然, 夏克文, 牛文佳, 任苗苗, 李绰 机构 河北工业大学 电子与信息工程学院；中国科学院电子学研究所；中国科学院大学 发表期刊 《计算机应用研究》 预排期卷 2017 年第34 卷第10 期 访问地址 /article/02-2017-10-059.html 发布日期 2016-10-12 18:10:29 引用格式 汪浩然, 夏克文, 牛文佳, 任苗苗, 李绰. 结合分块噪声估计的字典学习图像去噪算法[J/OL]. [201 6-10-12]. /article/02-2017-10-059.html. 摘要 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，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 v… 关键词 图像去噪, 平滑图像块, 奇异值分解, 噪声估计, 字典学习 中图分类号 TP391.41 基金项目 国家自然科学基金资助项目; 天津市自然科学基金资助项目（13JCYBJC37700）; 河 北省自然科学基金资助项目（E2016202341）; 大学生创新创业训练计划项目（河北省重点） （201510080051 优先出版 计 算 机 应 用 研 究 第34 卷 结合分块噪声估计的字典学习图像去噪算法* 1 1* 1 2, 3 1 汪浩然 ，夏克文 ，牛文佳 ，任苗苗 ，李 绰 (1．河北工业大学 电子与信息工程学院，天津 300401 ；2．中国科学院电子学研究所，北京 100190；3．中国科学院 大学，北京 100190) 摘 要：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，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，本算法不仅能够使去噪后图像的峰值信噪比提 升1~3dB，并且能较好地保留图像的细节信息和边缘特征。 关键词：图像去噪；平滑图像块；奇异值分解；噪声估计；字典学习 中图分类号：TP391.41 Image denoising algorithm combined with dictionary learning and blocked-based noise estimation 1 1* 1 2, 3