结合第二代Bandelet变换分块的字典学习图像去噪算法

摘要：

针对以往稀疏编码在图像去噪过程中存在的噪声残留和缺乏对图像的边缘与细节的本质特征的保护等问题,提出了一种结合第二代Bandelet变换分块的字典学习图像去噪算法,其更好地利用了图像的几何特性进行去噪.首先,通过第二代Bandelet变换可以灵活地根据图像几何流的正则性特征并能够自适应地获得图像的最稀疏表示来准确估计图像信息,并能自适应地选择最优的几何方向;然后,根据K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法来训练学习字典;最后,通过四叉树分割对噪声图像进行自适应分块,从而去除噪声并保护图像的边缘与细节.实验结果表明,相比于其他学习字典,所提算法能更有效地保留图像的边缘特征与图像的精细结构.

关键词：第二代Bandelet变换、图像去噪、K-奇异值分解、字典学习、四叉树分割

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家科技支撑计划2015BAK01B06 ,国家自然科学基金项目41401466 ,河南省科技发展计划项目142102310247 ,172102310666

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：264-270