文献类型：期刊文章

作　　者：余临倩[1] 覃亚丽[1] 张晓帅[1]

Yu Linqian Qin Yali Zhang Xiaoshuai(Institute of Fiber-Optic Communication and Information Engineering, College of Information Engineering, Zhejiang University of Technology, Hangzhou, Zhejiang 310023, China)

机构地区：[1]浙江工业大学信息工程学院光纤通信与信息工程研究所,浙江杭州310023

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61275124;61405178;61205121)

年　　份：2016

卷　　号：53

期　　号：11

起止页码：93-101

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为从强噪声图像中重构出原图像并减小误差,提出了一种基于梯度重权非局部平均的强噪声图像去噪算法。根据稀疏和冗余表示,基于K-SVD字典学习去噪算法可自适应从已知带噪图像中训练字典,但是字典固有的结构限制,导致强噪声图像去噪效果差。提出了基于字典学习的梯度重权非局部平均算法,该算法对图像结构赋予更紧约束,可以改善去噪性能。利用全变分法求解图像结构的梯度,给予图像边缘信息更高的权重,结合图像结构信息的相似性和稀疏性先验,求解优化后的逆问题。与传统字典去噪相比,所提出的算法对强噪声图像的去噪效果更好,并保留了细节轮廓信息,具备较好的峰值信噪比和结构相似性。

关 键 词：图像处理 图像去噪 字典学习 非局部平均  梯度重权法  

分 类 号：TP301.6]