分组训练卷积字典的图像去噪算法

摘要：

卷积稀疏编码(convolutional sparse coding,CSC)这一全局模型因字典的特殊结构而受到广泛关注,其中卷积字典学习算法(slice-based dictionary learning,S-BCSC)是最为有效的CSC模型优化算法.虽然S-BCSC算法非常有效,但算法在应用中对整幅图像只使用一个固定大小的字典,然而这并不利于图像信息的准确描述.为克服这一缺陷,讨论如何根据图像大小确定卷积字典大小,结合稀疏表示字典学习算法,提出分组训练卷积字典的图像去噪算法.新算法首先将过冗余图像块按照平滑、纹理、边缘分为三类;然后为每一类分别确定所要训练的卷积字典大小;最后依据S-BCSC算法完成字典学习以及图像去噪过程.从实验结果可以看出,所提算法在图像质量、清晰度上相比原S-BCSC算法都有所提升.

关键词：稀疏表示、稀疏编码、字典学习、卷积字典学习、卷积稀疏编码

所属期刊栏目：21

分类号：TP391.41;O29(计算技术、计算机技术)

在线出版日期：2021-04-15（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：2379-2386