基于非局部自相似性的低秩稀疏图像去噪
Nonlocal self-similarity based low-rank spase image denoising作者机构:中国人民解放军陆军炮兵防空兵学院合肥230031 偏振光成像探测技术安徽省重点实验室合肥230031
出 版 物:《计算机应用》 (journal of Computer Applications)
年 卷 期:2018年第38卷第9期
页 面:2696-2700,2746页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:中国博士后科学基金资助项目(2016M592961) 安徽省自然科学基金资助项目(1608085MF140)~~
主 题:图像去噪 非局部自相似性 低秩稀疏 超分辨率 稳健主成分追踪
摘 要:针对许多图像去噪方法在去除噪声的同时容易丢失细节信息的问题,提出了一种基于非局部自相似性的低秩稀疏图像去噪算法。首先,利用基于马氏距离(MD)的块匹配方法将外部自然干净图像块分组,建立基于块组的高斯混合模型(GMM)学习非局部自相似性先验;其次,采用稳健主成分追踪(SPCP)方法,将噪声图像矩阵分解为低秩、稀疏及噪声三部分,其中稀疏矩阵包含了稀疏的有用信息;最后,通过最小化全局目标函数实现去噪。实验结果表明,提出的方法在峰值信噪比(PSNR)及结构相似性(SSIM)的结果上比EPLL、NCSR、PCLR等先进去噪算法都有较大的提升,且速度更快,去噪效果及细节保留能力都有更好的表现。