基于自适应字典学习的乘性噪声去除模型  

Multiplicative noise removal model based on adaptive dictionary

作　　者：何成凤 王学文[2] 陈利霞[1] 

机构地区：[1]桂林电子科技大学数学与计算科学学院,广西桂林541004 [2]桂林电子科技大学计算机与信息安全学院,广西桂林541004

出　　处：《桂林电子科技大学学报》2017年第3期187-191,共5页Journal of Guilin University of Electronic Technology

基　　金：国家自然科学基金(61362021;61272216;61572147);广西自然科学基金(2013GXNSFDA019030;2014GXNSFDA118035);广西高校图像图形智能处理重点实验室基金(GIIP201408;GIIP201503;GIIP201501;GIIP201401);广西高校中青年教师基础能力提升计划(KY2016YB162)

摘　　要：为了更好地去除图像中的噪声,提出一种基于稀疏表示的自适应字典学习的图像乘性噪声抑制模型。利用PCA字典和迭代收缩算法更新稀疏编码,用牛顿迭代法获得对数域中的恢复图像,再利用指数函数以及误差校正将得到的结果转到实数域中。实验结果表明,与已有的4种抑噪算法相比,该模型在有效去除乘性噪声的同时,能够更好地保持原始图像的重要信息。In order to remove the noise of image, a new image multiplicative noise removal model based on sparse representa tion and adaptive dictionary is proposed. PCA dictionary and iteration shrinkage algorithm are used to update the sparse code. Newton-iteration method is used to obtain the restored image of log-domain. By an exponential function and error cor- rection, the denoising image is obtained in the real domain. Experimental results demonstrate that compared with several existing noise suppression algorithms, this model can hold important information of the image better while effectively remo- ving multiplicative noise.

关 键 词：字典学习 稀疏表示 乘性噪声 非局部 

分 类 号：TN911.73[电子电信—通信与信息系统]