基于组稀疏残差约束的自适应强噪声图像复原算法

摘要：

组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和减小组稀疏残差;基于干净图像的组稀疏系数预估和多尺度图像块匹配,提出了自适应图像复原迭代算法,以提升组稀疏学习算法的图像去噪和精细结构复原能力.实验结果表明,文中算法能更好地保留图像的细节纹理,减少过平滑和伪影现象,在强噪声图像复原的主、客观综合评价上优于BM3D、WNNM等标杆去噪算法.

关键词：图像去噪、强噪声图像、组稀疏残差、自适应正则化算法、非局部自相似性、多尺度图像块匹配

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61403146,61603105;广州市科技计划项目201707010054,201704030072;华南理工大学中央高校基本科研业务费专项资金资助项目2015ZM128

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11-18