基于图像分解的稀疏去噪及优化方法研究  

Image Denoisingbased on Sparse Image Decomposition

作　　者：邹辉[1] 吴奇峰[1] 银壮辰 吴巍[2] 明德烈[3] 

机构地区：[1]中航工业洛阳电光设备研究所光电控制技术重点实验室,洛阳471009 [2]武汉理工大学信息工程学院,武汉430070 [3]华中科技大学自动化学院,武汉430074

出　　处：《计算机与数字工程》2016年第12期2474-2479,2507,共7页Computer & Digital Engineering

基　　金：国家自然科学基金资助项目(编号:61273241)资助

摘　　要：为了改进在纹理丰富的图像中消除随机噪声的效果,基于对学习型字典随机噪声去噪实验结果的分析,论文提出了一种基于MCA图像分解的稀疏表示的去噪方法。首先基于MCA分解将图像分为结构和纹理两部分;然后对分解后的图像分别进行基于稀疏表达的去噪(对结构图像采用全局字典方法、对纹理图像采用双稀疏字典);最后将去噪后的两部分图像进行合成。实验结果表明,相比于K-SVD学习型字典方法,论文算法在去噪效果和处理速度上均有所提高。In order to improve the effect of eliminating random noise in the image. Based on the experimental analysis results of using learning-dictionary to eliminate random noise , this paper proposes a sparse represition of image decompo-based on MCA denoising method. First , we use MCA to decompose the image into two parts structure and texture：than , we use sparse representation to denoise the two decomposed images （The structure image using global dictionary meth-od and the texture image with double sparse dictionary method）. Finally, we combine the two denoising images. Experimen-tal results show that , compared with the K-SVD learning-dictionary methods , our algorithm achieves improvement on denois-ing effect and processing speed

关 键 词：图像去噪 稀疏表示 K-SVD 图像分解 双稀疏字典 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置] TN713[自动化与计算机技术—控制科学与工程]