一种改进K-奇异值分解稀疏表示图像去噪算法

摘要：

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法.首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪.实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短.

关键词：K-奇异值分解(K-SVD)算法、图像去噪、残差比阈值、稀疏表示

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2018-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：287-292