图拉普拉斯正则化稀疏变换学习图像去噪算法
Image Denoising Algorithm Based on Graph Laplacian Regularized Sparse Transform Learning作者机构:北京交通大学计算机与信息技术学院北京100044 北京交通大学信息科学研究所北京100044
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2022年第58卷第5期
页 面:232-239页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:中央高校基本科研业务费专项资金(2018JBZ001)
主 题:图像去噪 稀疏变换学习 图拉普拉斯正则化 局部几何结构 图像块匹配
摘 要:从噪声图像中恢复干净的图像是对图像进行有效处理与分析的首要前提之一,而去除噪声的同时保持图像的特征则是图像去噪的一个具有挑战性的问题。为了在去除噪声的同时尽量保持图像的局部结构特征,提出了一种基于图拉普拉斯正则化稀疏变换学习的图像去噪算法。通过引入图拉普拉斯正则化对邻域像素进行约束,可以较好地保护相邻像素之间的相关性,从而增强图像的局部平滑性。并且,为了更好地利用图像的非局部信息,在相似图像块度量中引入优化后的稀疏编码,从而寻找到更准确的相似图像块。实验结果表明,无论是在量化指标还是视觉质量上,所提算法均能取得较好的去噪性能。