一种基于稀疏表示的图像去噪算法  

An image denoising algorithm based on sparse representation

作　　者：王国权[1] 张扬[1] 李彦锋[1] 王丽芬[1] 马晓梅[1] 

机构地区：[1]黑龙江科技大学计算机与信息工程学院,哈尔滨150022

出　　处：《工业仪表与自动化装置》2013年第5期13-16,共4页Industrial Instrumentation & Automation

基　　金：黑龙江省教育厅科学技术研究项目资助(12533054)

摘　　要：利用稀疏表示的自适应特征,将稀疏表示的多分辨理论应用于图像的去噪处理中,提出了一种基于稀疏表示的图像分块去噪方法。首先将噪声图像分割成一定尺寸的图像块,选出同质块与非同质块;然后利用小波去噪方法处理同质块,而采用脊波去噪方法处理非同质块,从而得到去噪后的图像;最后采用维纳滤波器对去噪后的图像进一步处理。实验结果表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,较好地去除图像噪声,并且很好地保存图像的边缘纹理信息。Adaptive features of the sparse representation , the sparse representation theory is applied to multiresolution image denoising proposed method based sparse representation of the image block .First, the noise image is divided into image blocks of a certain size , selected homogenous block and a non-ho-mogenous block;then wavelet denoising processing homogenous block , while the use ridgelet denoising method to deal with non-homogenous block , thereby obtaining image after go noise .Finally using Wiener filter further process denoising image .Experimental results show that this method compared with pure wavelet denoising and ridgelet denoising method , signal-to-noise ratio has been improved high , remove the image noise , and to save the edge of the image texture information .

关 键 词：图像去噪 稀疏表示 小波变换 脊波变换 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TN911.7[自动化与计算机技术—计算机科学与技术]