图像组转置训练及非凸约束的去噪去模糊算法
Image Patch Transform Training and Non-convex Regularization for Image Denoising and Deblurring作者机构:浙江工业大学计算机科学与技术学院
出 版 物:《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期:2019年第32卷第10期
页 面:917-926页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(No.61602413,61873240) 浙江省自然科学基金面上项目(No.LY19F030016)资助~~
主 题:去噪 去模糊 转置学习 字典学习 非凸优化 Bregman拆分迭代
摘 要:针对稀疏表示模型的过完备字典集训练过程中图像块采样不充分问题,提出图像组转置训练及非凸约束的去噪去模糊算法.采用组间方差约束的图像块搜索策略,并根据自适应软阈值对筛选的字典集进行转置学习.在重构过程中采用l p(0p1)范数约束以保证结果的强稀疏性.最后采用Bregman拆分迭代法求解文中非凸模型.实验表明,文中算法重构图像具有较好的视觉效果,去噪去模糊效果较优.