基于伽马范数最小化的图像去噪算法.docx

1 引言 数字图像在采集和传输过程中不可避免地受到噪声污染，从而造成图像细节丢失和质量下降，进而影响后续处理[1,2]。图像去噪的目的则是从噪声图像yy中尽可能准确地恢复原始图像xx，并保留边缘、纹理等重要细节特征。去噪问题退化模型可表示为y=x+vy=x+v，其中，vv可假设为均值为 0、方差为σn2σn2的高斯白噪声。由于图像去噪的不适定性，利用表征图像统计特征的先验知识去噪显得尤其重要[3,4]。 近年来，众多图像降噪算法相继被提出，其大致可分为以下两类：基于局部先验的方法和基于非局部自相似（NSS,nonlocal self-similarity）先验的方法。基于局部先验的方法主要包括