高阶SVD和全变差正则的乘性噪声去除模型.PDF

DOI ：10.3969/j.issn.1001-2400.2016.03.014 2016 年 6 月 西安电子科技大学学报（自然科学版） Jun.2016 第 43 卷 第 3 期 JOURNAL OF XIDIAN UNIVERSITY Vol.43 No.3 doi ：10.3969/j.issn.1001-2400.2016.03.014 高阶SVD 和全变差正则的乘性噪声去除模型 1 1 2 3 霍雷刚 ，冯象初 ，王旭东 ，霍春雷 (1. 西安电子科技大学 数学与统计学院，陕西 西安 710071； 2．广西师范学院 计算机与信息工程学院，广西 南宁 530023； 3. 中国科学院自动化研究所模式识别国家重点实验室，北京 100080 ) 摘要：光滑性、稀疏性和自相似性先验作为自然图像的重要特性被广泛应用于图像去噪. 根据高阶奇异值分解和全变差正则的 互补性，本文提出了一种能够同时利用上述三种先验的乘性噪声去除新方法. 新方法首先采用高阶奇异值分解方法对对数变换 后图像中的相似块组进行去噪，利用了局部自适应性、稀疏性和自相似性；然后结合考虑光滑性先验的全变差约束对结果进 行迭代优化. 实验结果表明，提出的方法在有效去除乘性噪声的同时，可以更好地保留图像的边缘和纹理区域的细节信息. 关键词：高阶奇异值分解；乘性噪声；全变差；非局部滤波；图像去噪 中图分类号：O175.2 ；TN911.7 文献标识码：A 文章编号：1001-2400(2016)03-0084-06 Higher order singular value decomposition- and total variation- regularized multiplicative noise removal model 1 1 2 3 HUO Leigang , FENG Xiangchu , WAND Xudong , HUO Chunlei (1. School of Mathematics and Statistics, Xidian Univ., Xi’an 710071, China; 2. School of Computer and Information Engineering, Guangxi Teachers Education Univ., Nanning 530023, China; 3. NLPR, Institute of Automation, C