一种基于超完备字典学习的图像去噪方法

作     者：蔡泽民 赖剑煌 CAI Ze-min;LAI Jian-huana

作者机构：中山大学数学与计算科学学院广东广州510275 广东省信息安全技术重点实验室广东广州510275 中山大学信息科学与技术学院广东广州510275 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2009年第37卷第2期

页      面：347-350页

核心收录：

学科分类：0711[理学-系统科学] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：国家自然科学基金(No.60675016 No.60633030) 国家973重点基础研究发展规划项目(No.2006CB303104) 国家自然科学基金 广东省政府联合资助重点项目(No.U0835005) 

主　　题：稀疏表示 基追踪 匹配追踪 字典学习 二次规划 

摘      要：基于超完备字典的图像稀疏表示因其具有稀疏性、特征保持性、可分性等特点而被广泛应用于图像处理.本文提出一种超完备字典学习算法并应用于图像去噪.将字典学习等价于一个二次规划问题,并提出适合于大规模运算的投影梯度算法.学习所得字典能有效描述图像特征.基于此超完备学习字典,获得图像的稀疏表示,并恢复原始图像.实验结果表明,与小波类去噪方法相比,本文的学习算法能更好地去除图像噪声,保留图像细节信息,获得更高的PSNR值.