由于图像的降质属性,传统的稀疏表示方法并不能如实的重建原图像。为提升基于稀疏编码方法图像去噪能力,提出一种非局部自适应稀疏编码图像去噪算法。为改进稀疏水平以及图像的局部属性,提出一种自适应学习字典;图像的非局部自相关先验...由于图像的降质属性,传统的稀疏表示方法并不能如实的重建原图像。为提升基于稀疏编码方法图像去噪能力,提出一种非局部自适应稀疏编码图像去噪算法。为改进稀疏水平以及图像的局部属性,提出一种自适应学习字典;图像的非局部自相关先验融入到正则项中,提出一种自适应非局部正则项,进一步提升图像的去噪能力;为提高算法的有效性,利用一种迭代阀值算法进行优化。实验结果表明,该方法相对于BM3D、EPLL等方法具有较高的峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(feature similarity,FSIM),在图像细节、边缘保持和抑制视觉块效应方面具有比较好的重建效果,具有广泛的实际应用价值。展开更多
文摘由于图像的降质属性,传统的稀疏表示方法并不能如实的重建原图像。为提升基于稀疏编码方法图像去噪能力,提出一种非局部自适应稀疏编码图像去噪算法。为改进稀疏水平以及图像的局部属性,提出一种自适应学习字典;图像的非局部自相关先验融入到正则项中,提出一种自适应非局部正则项,进一步提升图像的去噪能力;为提高算法的有效性,利用一种迭代阀值算法进行优化。实验结果表明,该方法相对于BM3D、EPLL等方法具有较高的峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(feature similarity,FSIM),在图像细节、边缘保持和抑制视觉块效应方面具有比较好的重建效果,具有广泛的实际应用价值。
